I ricercatori dell’IA dello Stevens Institute of Technology sviluppano una tecnologia di rilevamento dei pasti che consente di somministrare automaticamente insulina con velocità e precisione senza precedenti.
Il lavoro fornisce un progresso significativo per le persone che indossano un monitor continuo del glucosio come parte del loro trattamento del diabete, consentendo la somministrazione dell’insulina più vicino al momento in cui è effettivamente necessario, riducendo pericolose oscillazioni dei livelli di glucosio nel sangue.
“Questo ci avvicina al Santo Graal: un “pancreas artificiale” in grado di rilevare rapidamente i cambiamenti glicemici e correggerli con una pompa per insulina, senza che l’utente debba fare nulla”, ha affermato Samantha Kleinberg, esperta di tecnologie indossabili e scienziato informatico di Stevens, il cui lavoro appare nel numero online avanzato del 27 settembre del Journal of American Medical Informatics Association.
Negli ultimi 20 anni, il monitoraggio continuo del glucosio, o CGM, i sistemi e le pompe di insulina hanno rivoluzionato l’assistenza domiciliare per milioni di persone con diabete, riducendo la necessità di dolorosi test con prelievo del sangue capillare mediante puntura sul dito e iniezioni manuali di insulina. Tuttavia, le persone con diabete devono ancora adottare diverse misure per gestire i loro livelli di glucosio, ad esempio inserendo manualmente il numero di carboidrati da assumere e determinando una dose di insulina per controbilanciare i carboidrati durante il pasto – e devono farlo per ogni pasto e spuntino.
Anche i sistemi di rilevazione dei pasti precedenti si sono concentrati sulla previsione dei cambiamenti nei livelli di glucosio, ma Kleinberg e il suo team, tra cui Min Zhen e Baohua Ni, hanno adottato un approccio diverso.
Invece di prevedere direttamente le variazioni di glucosio, il loro sistema di rilevazione dei pasti confronta i cambiamenti nel glucosio – immagina una “U” capovolta – con una libreria di curve che rappresentano i cambiamenti del glucosio da molti cibi diversi che le persone mangiano. L’algoritmo estrae questa libreria di curve e rileva la curva che assomiglia alle modifiche e ai livelli di attività rilevati in un determinato periodo di tempo. Il più delle volte, il glucosio non fluttua troppo perché le persone non mangiano, quindi l’algoritmo non rileva troppe variazioni. Ma quando le persone mangiano, l’algoritmo rileva il glucosio e l’attività fisica che sembra proprio come se la persona avesse appena mangiato un pezzo di pane. L’algoritmo “lo sa” perché ha confrontato le curve nella libreria con i dati effettivi.
“Stiamo simulando tutti i diversi tipi di pasti che una persona potrebbe mangiare e usando queste simulazioni per spiegare i dati provenienti dai sensori”, ha spiegato Kleinberg.
Le stime del sistema sui pasti di una persona sono straordinariamente accurate: l’assunzione di carboidrati può essere modellata accuratamente entro 1,2 grammi, rispetto a un tasso di errore medio di oltre 17 grammi nei migliori sistemi precedenti.
Altrettanto importante, le stime del sistema avvengono molto rapidamente – a volte mentre una persona sta ancora mangiando – consentendo di somministrare l’insulina più vicino al momento in cui è effettivamente necessario. In media, il sistema è in grado di rilevare i pasti in 25 minuti, molto più velocemente dei 48 minuti richiesti dai migliori sistemi precedenti.
Incorporando i dati sull’attività, il sistema Stevens può anche tenere conto delle fluttuazioni dei livelli di zucchero nel sangue causate dall’esercizio fisico, aumentandone ulteriormente la precisione. Le versioni future potrebbero essere ulteriormente perfezionate incorporando i dati delle app di monitoraggio mestruale, degli strumenti di monitoraggio del sonno o dei marcatori di stress fisiologici.
Per ora, tuttavia, l’attenzione è rivolta all’uso di set di dati più grandi per sviluppare simulazioni più accurate. I risultati pubblicati erano basati su tre giorni di dati per ciascun partecipante. Kleinberg ora sta lavorando allo sviluppo di algoritmi che migliorano nel tempo, crescendo più rapidamente e in modo più accurato mentre apprendono le abitudini alimentari e le risposte fisiologiche dei loro utenti.
Il sistema potrebbe anche monitorare gli effetti delle diverse dosi di insulina, avvisando gli utenti quando mancano una dose o aiutando a perfezionare i livelli di dosaggio. “La mancanza di insulina durante i pasti è un grosso problema”, ha detto Kleinberg. “Se siamo in grado di rilevare le dimensioni di un pasto, possiamo offrire suggerimenti su quanta insulina è necessaria in risposta.”
Con 629 milioni di persone che potrebbero essere diagnosticate con il diabete entro il 2050, si prevede che i sistemi di monitoraggio continuo del glucosio saranno ampiamente utilizzati nei prossimi anni. Mentre sono necessari ulteriori test, Kleinberg spera di rendere liberamente disponibile il sistema del suo team, consentendo ai pazienti diabetici di aggiornare il software open source che controlla il loro sistema di monitoraggio continuo del glucosio e le pompe per insulina.