Diabete tipo 2, un algoritmo AI può guidare la decisione terapeutica. Ecco come funziona

Uno studio pubblicato su Communications Medicine propone uno strumento decisionale basato su algoritmi di machine learning per guidare la scelta personalizzata tra due delle classi farmacologiche più innovative nella gestione del diabete tipo 2: gli agonisti del recettore del GLP-1 (GLP-1RA) e gli inibitori SGLT-2 (SGLT-2i). Entrambe le classi offrono protezione cardiaca e renale oltre al controllo glicemico, ma fino ad oggi mancava una guida sistematica per identificare quale delle due sia più adatta al singolo paziente.

Circa il 30-40% dei pazienti con diabete tipo 2 diagnosticato non raggiunge un adeguato controllo glicemico nonostante la terapia in corso e quindi la disponibilità di uno strumento che orienti in modo personalizzato verso GLP-1RA o SGLT-2i risponde a un'esigenza clinica concreta. Entrambe le classi sono rimborsabili in Italia in specifiche condizioni, ma il loro utilizzo ottimale resta spesso legato all'esperienza del singolo prescrittore piuttosto che a criteri algoritmici strutturati.

I ricercatori, provenienti da numerosi centri clinici cinesi, hanno sviluppato il TiP DecScore (Treatment in Poorly controlled diabetes Decision Score) utilizzando i dati del China Metabolic Analytics Project, un'ampia coorte composta da 24.322 pazienti per la derivazione del modello e 1.459 per la validazione. L'algoritmo si basa su un metodo di gradient boosting decision tree che analizza 15 variabili cliniche routinariamente disponibili. Gli outcome primari erano il raggiungimento di un controllo glicemico ottimale (HbA1c < 7%) e i valori di HbA1c a 6 e 12 mesi.

Il modello indica come il 57,6% a 6 mesi e il 57,9% a 12 mesi dei pazienti che ha utilizzato i GLP-1RA abbia raggiunto gli outcome previsti, contro il 24,2% e il 28,6% di chi ha utilizzato gli inibitori SGLT-2. La scelta tra le due classi non è però casuale: a 6 mesi, il GLP-1RA risulta prioritario per pazienti con durata di malattia più breve, C-peptide a digiuno elevato, valori più alti di ALT, BMI elevato e LDL-colesterolo aumentato. A 12 mesi, i pazienti con HbA1c basale più alta e BMI più elevato sono quelli per cui il modello orienta maggiormente verso il GLP-1RA.

L'elemento cruciale della validazione è il confronto tra il gruppo "concordante" — pazienti che hanno ricevuto la terapia raccomandata dal TiP DecScore — e quello "discordante". A 12 mesi, il tasso di raggiungimento del target glicemico è stato del 58,6% nel gruppo concordante rispetto al 45,6% nel discordante tra i maschi, e del 64,1% contro il 46,2% tra i pazienti di età inferiore ai 55 anni. Il modello mostra quindi una capacità predittiva (AUC 0,71–0,78) che si traduce in un miglioramento misurabile dell'outcome reale quando le sue indicazioni vengono seguite.

Gli autori riconoscono che il modello è stato sviluppato e validato su una popolazione cinese, con caratteristiche fenotipiche e metaboliche che possono differire da quelle di altri Paesi, aspetto non secondario, dato che le differenze etniche nella risposta ai GLP-1RA sono documentate in letteratura. I ricercatori hanno messo a disposizione pubblicamente il codice sorgente (https://liucong2020.github.io/TiP-DecScore/) , a supporto di ulteriori validazioni indipendenti. Una validazione esterna su altre coorti occidentali sarà prima di considerarne l'adozione su larga scala.

La possibilità di integrare nella pratica quotidiana uno score basato su parametri di laboratorio e antropometrici di routine, senza richiedere indagini aggiuntive, rappresenterebbe un passo verso la medicina di precisione nel trattamento del diabete tipo 2, accessibile anche nei contesti ambulatoriali di medicina generale e diabetologia territoriale.

Matteo Vian