Diabete, l’intelligenza artificiale aiuta a rilevare il rischio prima dei sintomi: lo studio
Ricercatori dello Scripps Research con Alumni dell’Università di Padova sviluppano un approccio innovativo per identificare precocemente il rischio di diabete di tipo 2, combinando sensori glicemici continui, dieta, attività fisica, microbioma e genetica
Un team di ricercatori dello Scripps Research Translational Institute di La Jolla, negli Stati Uniti, con la partecipazione di Alumni dell’Università di Padova, ha sviluppato un nuovo approccio per individuare precocemente il rischio di prediabete e diabete di tipo 2.
Lo studio, pubblicato su Nature Medicine, combina dati provenienti da sensori glicemici continui (CGM), informazioni sul microbioma intestinale, dieta, attività fisica e genetica, permettendo di rilevare segnali di rischio che i test tradizionali come l’HbA1c non sempre individuano.
La ricerca
I ricercatori, tra cui Mattia Carletti, Matteo Gadaleta e Giorgio Quer, hanno condotto uno studio completamente remoto con oltre 1.000 partecipanti negli Stati Uniti, sia sani sia con diagnosi di prediabete o diabete. Per dieci giorni, i volontari hanno indossato un CGM Dexcom G6, monitorato attività fisica, sonno e battito cardiaco tramite smartwatch e inviato campioni di sangue, saliva e feci per le analisi.
Grazie a un modello di intelligenza artificiale, i ricercatori hanno identificato uno dei principali segnali di rischio: il tempo di rientro dei picchi glicemici dopo i pasti, più lungo nelle persone con diabete di tipo 2 rispetto agli individui sani. Lo studio ha anche evidenziato che un microbioma più diversificato e livelli più alti di attività fisica sono associati a un migliore controllo glicemico, mentre una frequenza cardiaca a riposo più elevata è collegata a un maggior rischio di diabete.
I dati
Il modello è stato ulteriormente validato su un dataset indipendente di pazienti in Israele (Weizmann Institute), rafforzando il suo potenziale utilizzo clinico su larga scala. I ricercatori continueranno a seguire i partecipanti per verificare se le previsioni del modello corrispondono alla progressione reale della malattia.
Secondo gli autori, combinare dati quotidiani e intelligenza artificiale offre una visione molto più dettagliata della salute metabolica, aprendo nuove possibilità per interventi precoci e personalizzati contro il diabete.
Riproduzione riservata © il Nord Est
