Prediabete, sensori indossabili e intelligenza artificiale utili alla diagnosi precoce

Un team dello Scripps Research Translational Institute di La Jolla (Usa), che annovera anche studiosi dell’Università di Padova, ha sviluppato un nuovo approccio che potrebbe rivoluzionare il modo in cui vengono rilevati e gestiti i fattori di rischio del prediabete.

Tradizionalmente la diagnosi si basa sul valore di HbA1c, che riflette la media dei livelli glicemici negli ultimi mesi. Tuttavia, questo parametro non consente di identificare con precisione i soggetti che evolveranno verso il diabete.

Lo studio, pubblicato su Nature Medicine, mostra come l’analisi dei dati provenienti dai monitor glicemici continui (CGM), combinati con informazioni su microbioma intestinale, dieta, attività fisica e genetica, possa evidenziare segnali di rischio che sfuggono ai test standard.

Il progetto, condotto da Mattia Carletti, Matteo Gadaleta e Giorgio Quer, con il contributo di Riccardo Miotto (Tempus Ai), ha coinvolto oltre 1.000 partecipanti negli Stati Uniti in un trial clinico completamente remoto. Per dieci giorni i volontari hanno indossato un CGM Dexcom G6, monitorato sonno, battito cardiaco e attività fisica con smartwatch, registrato i pasti e fornito campioni biologici per le analisi.

L’intelligenza artificiale applicata ai dati raccolti ha permesso di distinguere in modo accurato tra soggetti sani e persone con diabete di tipo 2. Uno dei marker più rilevanti è risultato il tempo di rientro del picco glicemico: nei soggetti diabetici superiore ai 100 minuti, mentre nei sani molto più rapido.

I risultati hanno inoltre evidenziato che un microbioma intestinale più diversificato e livelli più elevati di attività fisica sono correlati a un miglior controllo glicemico, mentre una frequenza cardiaca a riposo più alta si associa al rischio di diabete.

Gli autori continueranno a seguire i partecipanti per verificare la capacità predittiva del modello sulla progressione clinica e ne hanno già testato la validità con un set indipendente di dati raccolti in Israele presso il Weizmann Institute, confermandone la potenziale applicazione clinica su larga scala.