I dispositivi indossabili come gli smartwatch potrebbero presto fornire un sistema di allarme precoce per il diabete di tipo 2, sfruttando i dati già raccolti su frequenza cardiaca, sonno e attività. Un nuovo studio pubblicato su Nature il 16 marzo dimostra che l’intelligenza artificiale può identificare sottili segnali di resistenza all’insulina, un precursore chiave del diabete, analizzando questi modelli insieme ai dati sanitari di routine.
Il problema nascosto della resistenza all’insulina
Si stima che circa il 20-40% degli adulti statunitensi soffra di resistenza all’insulina, una condizione in cui le cellule diventano meno reattive all’insulina, portando a un alterato metabolismo dello zucchero. Il problema è che la maggior parte delle persone rimane inconsapevole perché la diagnosi in genere richiede test specializzati non inclusi nei controlli medici standard. Ciò significa che la condizione spesso non viene rilevata fino a quando i livelli di zucchero nel sangue non aumentano, causando potenzialmente un danno metabolico irreversibile.
Il potenziale della diagnosi precoce
La diagnosi precoce della resistenza all’insulina potrebbe consentire cambiamenti tempestivi dello stile di vita – aggiustamenti della dieta, aumento dell’esercizio fisico o persino l’uso di farmaci GLP-1 – per rallentare o invertire la progressione verso il diabete. “Se riusciamo a identificare le persone quando sono resistenti all’insulina, possiamo cambiare l’intera traiettoria del diabete”, afferma Ahmed Metwally, bioingegnere di Google Research.
Scalabilità e sensori specializzati
I precedenti tentativi di diagnosi precoce si basavano su sensori costosi e specializzati indossati principalmente da coloro a cui era già stato diagnosticato il diabete. Il vantaggio degli smartwatch è il loro utilizzo diffuso: milioni di persone li indossano già, rendendo possibile uno screening su larga scala. Secondo David Klonoff, endocrinologo del Mills-Peninsula Medical Center, questo studio stabilisce un “metodo scalabile… per la diagnosi precoce del rischio metabolico”.
Come funziona il sistema
Il team di ricerca di Google ha sviluppato un sistema utilizzando i dati di oltre 1165 persone che indossano orologi Fitbits o Pixel, per un totale di decine di milioni di ore di dati. Gli algoritmi di apprendimento automatico hanno combinato i dati dello smartwatch con test di laboratorio di routine (colesterolo, glucosio) e fattori demografici (età, indice di massa corporea) per rilevare modelli legati alla resistenza all’insulina.
Le previsioni più accurate provengono dalla combinazione dei dati dello smartwatch con i risultati di laboratorio esistenti. Il modello ha raggiunto un’accuratezza del 76% utilizzando solo i test di laboratorio, ma è salita all’88% quando sono stati inclusi i dati dello smartwatch. La frequenza cardiaca a riposo si è rivelata particolarmente istruttiva, insieme ai passi giornalieri e alla durata del sonno.
Dati imperfetti ma preziosi
Sebbene i dati dello smartwatch non siano perfetti (il monitoraggio del sonno è noto per essere impreciso), anche questi segnali imperfetti aggiungono valore predittivo. Il potenziale risiede nel monitoraggio continuo e longitudinale della salute metabolica attraverso dispositivi indossabili combinati con l’intelligenza artificiale, offrendo un percorso verso la medicina digitale personalizzata.
“Questo articolo dimostra in modo convincente che i dati dei dispositivi indossabili dei consumatori contengono informazioni metaboliche sostanziali rilevanti per la previsione della resistenza all’insulina”, afferma Giorgio Quer, direttore del settore Intelligenza Artificiale presso lo Scripps Research Translational Institute.
La tecnologia offre un’opportunità promettente per identificare precocemente i rischi metabolici, impedendo potenzialmente a milioni di persone di sviluppare il diabete di tipo 2.
