L'intelligenza artificiale individua i primi segnali di allarme del diabete analizzando i picchi di glucosio

Una nuova Modello di intelligenza artificiale sviluppato da Scripps Research Può rilevare precocemente il rischio di diabete analizzando i picchi glicemici in tempo reale e altri dati sanitari che i test tradizionali come l'HbA1c spesso non rilevano. Utilizzando sistemi di monitoraggio continuo del glucosio (CGM), informazioni sul microbioma intestinale, dieta e livelli di attività fisica, il modello fornisce una visione più dettagliata della salute metabolica, aiutando a identificare gli individui a rischio prima che compaiano i sintomi.

Punti Salienti:

• I test tradizionali dell'HbA1c sono limitati nella previsione precoce del rischio di diabete.
• Scripps Research ha sviluppato un modello di intelligenza artificiale che utilizza i dati CGM, il microbioma intestinale, la dieta e i livelli di attività per valutare con maggiore precisione il rischio di progressione del diabete.
• Lo studio PROGRESS ha arruolato oltre 1,000 partecipanti da remoto, consentendo uno studio clinico completamente autoguidato.
• Il tempo di recupero dal picco glicemico è un marcatore critico per identificare problemi di salute metabolica prima che si manifestino i sintomi.
• Il modello può differenziare gli individui prediabetici ad alto rischio da coloro che hanno meno probabilità di sviluppare il diabete, anche se hanno risultati di laboratorio simili.
• Le applicazioni future potrebbero consentire individui che utilizzano CGM a casa per monitorare il loro rischio in tempo reale, consentendo interventi precoci.

Tradizionalmente, per diagnosticare il diabete di tipo 2 e il prediabete, i medici si sono affidati a un esame di laboratorio chiamato HbA1c, che misura la glicemia media di una persona negli ultimi mesi. Sebbene utile, l'HbA1c ha i suoi limiti: non rivela chi è a rischio di sviluppare il diabete, né è in grado di distinguere tra individui che presentano lo stesso valore ma hanno profili di rischio diversi.

Un nuovo approccio sviluppato dai ricercatori di Scripps Research mira a cambiare questa situazione. Sfruttando l'intelligenza artificiale e combinando i dati dei dispositivi indossabili per il monitoraggio del glucosio con informazioni su dieta, attività fisica, genetica e salute intestinale, il team ha creato un modello che individua i primi segnali di allarme del diabete molto prima che si manifestino i sintomi.

Oltre l'HbA1c: uno sguardo più approfondito alla salute metabolica

Questo modello innovativo, descritto in dettaglio su Nature Medicine , utilizza le informazioni provenienti dai monitor continui del glucosio (CGM) per tracciare le sottili variazioni nella dinamica della glicemia. A differenza dell'istantanea statica fornita dall'HbA1c, questo metodo basato sull'intelligenza artificiale cattura il modo in cui il corpo reagisce alla vita quotidiana – pasti, esercizio fisico e persino ritmi del sonno – offrendo una visione più precisa della salute metabolica.

"Due persone potrebbero avere lo stesso valore di HbA1c, eppure i loro corpi potrebbero gestire il glucosio in modi molto diversi", spiega Giorgio Quer, coautore principale e direttore dell'IA presso lo Scripps Research. "Monitorando i dettagli più specifici, come la velocità con cui i livelli di glucosio si normalizzano dopo un picco, l'andamento della glicemia notturna, le abitudini alimentari e il microbiota intestinale, possiamo individuare chi si sta silenziosamente avvicinando al diabete".

Uno studio clinico virtuale rivoluzionario: lo studio PROGRESS

Il progetto, denominato PROGRESS (Prediction of Glycemic Response Study), ha arruolato oltre 1,000 partecipanti negli Stati Uniti attraverso uno studio clinico completamente virtuale. I partecipanti, che spaziavano da individui sani a persone con prediabete e diabete, hanno indossato i CGM Dexcom G6 per 10 giorni. Hanno registrato i loro pasti e allenamenti e hanno inviato per posta campioni di sangue, saliva e feci. I ricercatori hanno anche consultato le loro cartelle cliniche per ottenere un profilo sanitario completo.

"Si è trattato di uno studio interamente a distanza e autoguidato", osserva Ed Ramos, co-autore principale e Direttore Senior degli Studi Clinici Digitali presso Scripps. "Abbiamo progettato un framework che ha permesso ai partecipanti di completare tutto da casa: collegare i propri sensori, raccogliere i campioni e rispedirli. È una nuova frontiera nella ricerca clinica".

Il modello di intelligenza artificiale identifica i rischi nascosti attraverso la dinamica del glucosio

Il modello di intelligenza artificiale è stato addestrato per analizzare questo set di dati eterogeneo, identificando schemi distinti correlati al rischio di diabete. Un parametro particolarmente rilevante è risultato essere il tempo necessario affinché i livelli di glicemia si stabilizzassero dopo un picco.

Gli individui con diabete di tipo 2 spesso necessitavano di oltre 100 minuti per riportare la glicemia ai valori basali, mentre gli individui più sani recuperavano molto più rapidamente. Inoltre, i partecipanti con una maggiore diversità di batteri intestinali e livelli più elevati di attività fisica mostravano un migliore controllo glicemico, mentre quelli con frequenza cardiaca a riposo elevata erano più inclini a una scarsa regolazione della glicemia.

Rilevare il rischio nei soggetti prediabetici prima che sia troppo tardi

Ciò che rende questo modello particolarmente prezioso è la sua capacità di rilevare il rischio anche quando i risultati di laboratorio tradizionali appaiono normali. Tra i partecipanti prediabetici, l'intelligenza artificiale è riuscita a distinguere chi rispecchiava diabetic memodelli tabulari e che sono rimasti più vicini a un profilo sano, nonostante livelli simili di HbA1c. Questa granularità potrebbe consentire ai medici di personalizzare gli interventi, dando priorità ai cambiamenti dello stile di vita o ai trattamenti precoci per i soggetti più a rischio.

Guardando al futuro: impatto nel mondo reale e prevenzione personalizzata

I ricercatori continuano a monitorare i partecipanti nel tempo per verificare se le previsioni del modello siano coerenti con l'effettiva progressione della malattia. Hanno anche testato con successo il modello su un set di dati di pazienti indipendente proveniente da Israele, aumentandone il potenziale di adozione clinica su larga scala.

Guardando al futuro, il team immagina un futuro in cui questo strumento di intelligenza artificiale potrebbe diventare una componente standard della valutazione del rischio di diabete, sia presso gli studi medici che direttamente da parte di individui che utilizzano i CGM a casa. Offrendo feedback in tempo reale, potrebbe consentire alle persone di comprendere come le loro abitudini quotidiane influenzino la loro salute e di adottare misure proattive per prevenire le malattie.

"Il diabete non si sviluppa dall'oggi al domani", sottolinea Quer. "È un processo graduale e, grazie alla tecnologia di cui disponiamo oggi, possiamo individuarlo prima e intervenire in modo più intelligente e personalizzato".