Come funziona il nuovo modello
I ricercatori hanno utilizzato i dati di oltre 1.000 persone che hanno partecipato a un trial clinico remoto, chiamato PROGRESS (PRediction Of Glycemic RESponse Study). I partecipanti hanno indossato sensori di monitoraggio del glucosio continuo (CGM), smartwatch e hanno fornito campioni biologici per analizzare il microbioma intestinale. I dati raccolti includono:

Livelli di glucosio in tempo reale

Dati su dieta e attività fisica

Frequenza cardiaca a riposo

Composizione del microbioma intestinale e informazioni genetiche

Incociando questi dati, il modello di intelligenza artificiale ha imparato a distinguere i profili metabolici di individui sani da quelli a rischio di diabete, individuando un segnale chiave: il tempo necessario affinché i picchi glicemici tornino alla normalità. Negli individui sani, la glicemia si abbassa rapidamente dopo un picco, mentre in chi è a rischio di diabete impiega molto più tempo (spesso 100 minuti o più).

I vantaggi del nuovo approccio
Questo studio rappresenta un passo importante verso la medicina personalizzata. L'approccio basato sull'intelligenza artificiale non si limita a diagnosticare una condizione conclamata, ma permette di cogliere le sfumature della salute metabolica.

Rilevazione precoce: Il modello può identificare i segnali di allarme del diabete ben prima che i test di routine lo facciano. Questo permette ai medici di intervenire precocemente con modifiche allo stile di vita o terapie, personalizzando la cura in base al profilo di rischio del paziente.

Maggiore consapevolezza: L'obiettivo finale, come afferma Giorgio Quer, direttore di Intelligenza artificiale presso Scripps Research, è dare alle persone "maggiore consapevolezza e controllo". La tecnologia potrebbe in futuro permettere a chi usa dispositivi CGM a casa di monitorare in modo più efficace la propria salute metabolica.

Studi clinici remoti: Il trial è stato condotto interamente da remoto, dimostrando il potenziale di questo tipo di ricerca su vasta scala. I partecipanti hanno gestito autonomamente l'applicazione dei sensori e la raccolta dei campioni, senza mai doversi recare in una clinica.

Il lavoro, condotto allo Scripps Research Translational Institute da un team in cui figurano anche i ricercatori italiani Mattia Carletti, Matteo Gadaleta, Giorgio Quer e Riccardo Miotto, promette di cambiare radicalmente l'approccio alla prevenzione e gestione del diabete.