Il pancreas artificiale moderno possiede una vista sorprendentemente buona, ma guarda il mondo attraverso una finestra piuttosto stretta.
Quella finestra è il glucosio.
Il sensore CGM comunica continuamente con l’algoritmo, l’algoritmo osserva valore, direzione e velocità della glicemia, prova a prevedere cosa accadrà nei minuti successivi e ordina alla pompa di aumentare, diminuire o sospendere l’insulina.
È un risultato tecnologico straordinario. Gli Standards of Care 2026 dell’American Diabetes Association considerano infatti i sistemi AID il metodo preferenziale di somministrazione dell’insulina per le persone con diabete tipo 1 che possono utilizzarli in sicurezza. Ma la stessa ADA descrive gli AID attuali come sistemi nei quali l’insulina viene modulata essenzialmente in funzione dei dati provenienti dal CGM.
Ed è qui che compare un paradosso.
La glicemia è il risultato finale di una quantità impressionante di processi biologici, ma l’algoritmo tenta spesso di ricostruire ciò che è successo guardando soprattutto quel risultato.
È un po’ come cercare di capire il tempo atmosferico osservando soltanto se qualcuno apre o chiude l’ombrello.
Il glucosio racconta molto, ma non racconta tutto
Due glicemie identiche possono nascondere situazioni metaboliche completamente differenti.
Un valore di 160 mg/dL può comparire dopo un pasto, durante uno stress acuto, dopo un allenamento anaerobico, all’inizio di un’infezione, durante una fase di maggiore resistenza insulinica del ciclo mestruale oppure quando sta iniziando un problema nell’erogazione dell’insulina.
Il numero è lo stesso.
La fisiologia che lo ha prodotto no.
Questa distinzione è fondamentale perché la risposta ottimale dell’algoritmo potrebbe essere diversa.
E negli ultimi mesi abbiamo cominciato a vedere concretamente quale potrebbe essere il passo successivo.
25 agosto 2026: al glucosio si aggiungono i chetoni
La FDA ha autorizzato il Libre Duo 10 Day Continuous Dual Glucose Ketone Monitoring System, destinato alle persone con diabete dai 2 anni in su.
È il primo dispositivo wearable autorizzato negli Stati Uniti per il monitoraggio continuo dei chetoni e, secondo la FDA, il primo al mondo capace di monitorare continuamente glucosio e chetoni nello stesso dispositivo.
Misura entrambi nel liquido interstiziale e invia i dati ogni minuto allo smartphone.
La decisione si è basata su sei studi clinici che complessivamente hanno coinvolto oltre 600 partecipanti.
È un passaggio concettualmente enorme.
Fino a oggi una persona poteva avere una glicemia apparentemente rassicurante e una chetosi in evoluzione senza che l’AID ne sapesse nulla.
Ora cominciamo ad avere un secondo occhio metabolico.
Glucosio più chetoni cambia la domanda
Il beta-idrossibutirrato non serve semplicemente come ulteriore numero da visualizzare sul telefono.
Può offrire all’algoritmo un’informazione qualitativamente diversa.
Una glicemia che sale con chetoni bassi non racconta necessariamente la stessa storia di una glicemia che sale mentre aumentano progressivamente anche i chetoni.
E la situazione diventa ancora più interessante quando la glicemia non è particolarmente elevata.
Studi del 2026 sul monitoraggio continuo dei chetoni hanno mostrato che questa tecnologia può intercettare episodi di chetosi e seguirne dinamicamente l’evoluzione. In uno studio real-world su 64 adulti con diabete tipo 1, il 16% ha registrato almeno un picco di chetoni pari o superiore a 1 mmol/L durante due settimane di osservazione.
Un consenso internazionale pubblicato su The Lancet Diabetes & Endocrinology ha già iniziato a discutere come il continuous ketone monitoring possa essere integrato nella gestione del diabete.
Il passo successivo appare quasi inevitabile: permettere che anche l’algoritmo utilizzi quell’informazione.
Ma siamo ancora nel territorio della ricerca e dello sviluppo. L’autorizzazione di un sensore glucosio-chetoni non significa che gli AID commerciali abbiano già algoritmi capaci di usare automaticamente i chetoni per modificare l’insulina.
E poi c’è l’attività fisica
Il movimento è probabilmente uno dei migliori esempi dei limiti del paradigma basato prevalentemente sul glucosio.
Quando una persona comincia a camminare, correre o pedalare, l’organismo lo sa immediatamente.
Il CGM, invece, deve aspettare che quella attività produca un effetto misurabile sul glucosio.
La tecnologia per colmare questo ritardo esiste già.
Accelerometri e sensori della frequenza cardiaca possono riconoscere l’inizio dell’attività fisica prima che compaia una variazione significativa della glicemia. Esperimenti precedenti hanno dimostrato che combinando accelerometria e frequenza cardiaca è possibile identificare automaticamente l’esercizio, mentre sistemi più recenti riescono anche a classificarne tipologia e intensità.
Gli AID commerciali dispongono già di modalità dedicate all’esercizio, ma generalmente richiedono che sia la persona ad attivarle anticipatamente. L’ADA 2026 conferma che nella maggior parte dei sistemi il target glicemico può essere innalzato temporaneamente per ridurre il rischio di ipoglicemia durante l’attività.
In uno studio randomizzato su 38 persone con T1D, l’attivazione anticipata della funzione Activity di Omnipod 5 ha ridotto l’erogazione insulinica e attenuato la caduta della glicemia durante 70 minuti di esercizio.
Ma la domanda resta: perché devo dire alla pompa che sto correndo se l’orologio al mio polso lo sa già?
Il cortisolo potrebbe diventare il terzo occhio
Ancora più affascinante è la possibilità di misurare continuamente gli ormoni dello stress.
Il cortisolo influenza metabolismo, risposta allo stress e ritmi circadiani. Non equivale semplicemente a “essere nervosi” e un singolo valore è difficile da interpretare perché la sua concentrazione cambia fisiologicamente nell’arco della giornata.
Nel gennaio 2026 Nature Sensors ha pubblicato uno studio su un wearable capace di misurare nel tempo il cortisolo presente nel sudore. Il dispositivo è riuscito a distinguere il ritmo circadiano, le risposte a uno stress acuto sperimentale e persino alterazioni associate al jet lag, con valori coerenti con misurazioni effettuate su saliva e siero.
Nel maggio 2026 Nature Biomedical Engineering ha inoltre descritto un sensore wearable multimodale rigenerabile progettato per monitorare più biomarcatori nel sudore in condizioni quotidiane.
Attenzione però: non disponiamo ancora di un sensore continuo del cortisolo clinicamente validato e integrato negli AID per il trattamento del diabete.
La tecnologia di sensing sta avanzando rapidamente, ma siamo ancora nella fase sperimentale.
Il ciclo mestruale ci ha già mostrato il problema
La stessa limitazione emerge osservando la fisiologia ormonale femminile.
Uno studio pubblicato su Diabetes Care nel 2026 ha analizzato 77 persone, 380 cicli mestruali e oltre 10.000 giorni di dati AID.
La sensibilità insulinica stimata risultava mediamente maggiore nella fase follicolare iniziale e inferiore durante quella luteale, quando aumentavano anche glicemia e fabbisogno insulinico.
L’84,7% delle partecipanti seguiva la tendenza generale, ma con una considerevole variabilità individuale.
Gli autori arrivano a una conclusione importante: gli AID attuali riescono ad adattarsi, ma non compensano completamente queste variazioni fisiologiche.
Ancora una volta, l’algoritmo vede l’effetto quando compare sulla glicemia.
Non necessariamente conosce la causa prima che l’effetto si manifesti.
E il sonno?
Anche il sonno entra in questo scenario.
Una revisione sistematica e meta-analisi pubblicata nel 2026 ha analizzato gli effetti degli AID sui parametri del sonno nelle persone con diabete tipo 1. Il rapporto tra sonno, gestione del diabete e tecnologia è bidirezionale: migliori glicemie notturne possono ridurre parte del carico della malattia, mentre qualità e variazioni del sonno fanno parte del contesto fisiologico che può influenzare il metabolismo.
Un algoritmo futuro potrebbe quindi ricevere dall’orologio non semplicemente il messaggio:
“Roberto sta dormendo”.
Potrebbe conoscere durata del sonno, frequenza cardiaca, attività della giornata precedente e altri parametri fisiologici, utilizzandoli non per diagnosticare malattie ma per capire meglio in quale stato metabolico si trova la persona.
Dal closed loop al “context-aware loop”
A questo punto il pancreas artificiale potrebbe cambiare natura.
Oggi il circuito è sostanzialmente:
glucosio ? algoritmo ? insulina.
Domani potrebbe diventare:
glucosio + chetoni + attività + frequenza cardiaca + sonno + segnali ormonali + pattern individuali ? modello metabolico ? decisione terapeutica.
Non significa che ogni persona dovrà circolare ricoperta di sensori come un laboratorio ambulante.
L’obiettivo dovrebbe essere esattamente opposto: raccogliere soltanto le informazioni che migliorano realmente sicurezza e prestazioni.
Perché più dati non significano automaticamente più intelligenza.
Un algoritmo può annegare nei dati esattamente come un essere umano.
Il gemello digitale entra nel pancreas artificiale
Qui compare uno dei concetti più interessanti della medicina digitale: il digital twin, il gemello digitale.
Non un avatar con la nostra faccia, ma un modello matematico continuamente aggiornato del comportamento metabolico della singola persona.
Nel 2025 uno studio clinico randomizzato su 72 persone con diabete tipo 1, durato sei mesi, ha sperimentato un sistema nel quale i dati dell’AID venivano inviati a un gemello digitale individuale. Ogni due settimane il modello ottimizzava i parametri dell’AID e permetteva anche di simulare scenari ipotetici.
Il Time in Range è passato dal 72% al 77%, mentre l’HbA1c è scesa dal 6,8% al 6,6%.
È un risultato interessante, ma non significa che il gemello digitale sia già pronto a governare autonomamente il diabete.
Una scoping review del 2026 ha esaminato 28 studi sui digital twin nel diabete e ha trovato un panorama promettente ma ancora eterogeneo, con pochi studi clinici prospettici e problemi aperti riguardanti validazione, qualità dei dati, privacy, interoperabilità e integrazione nella pratica clinica.
Livello di evidenza: preliminare per il concetto di digital twin multimodale, più solido per l’efficacia generale degli AID.
Dall’inseguire la glicemia al prevedere il metabolismo
Questo è probabilmente il vero salto di paradigma.
Il CGM ha insegnato alle macchine a vedere la glicemia.
L’AID ha insegnato loro a reagire.
Il prossimo passaggio sarà insegnare loro a capire il contesto.
Una camminata potrebbe essere riconosciuta prima che il glucosio scenda.
Una crescita simultanea di glucosio e chetoni potrebbe segnalare un problema metabolico diverso dalla semplice iperglicemia postprandiale.
Un pattern ricorrente durante il ciclo mestruale potrebbe essere previsto invece di essere rincorso.
Una notte insonne, uno stress fisiologico o un allenamento intenso potrebbero entrare nel modello soltanto quando le evidenze dimostrassero che quelle informazioni migliorano realmente la decisione insulinica.
Non abbiamo ancora questo pancreas artificiale.
E sarebbe sbagliato raccontare sensori sperimentali e algoritmi di ricerca come se fossero già funzioni disponibili domani mattina sullo smartphone.
Ma alcuni pezzi del puzzle sono ormai davanti a noi.
Il primo pancreas artificiale osservava il glucosio.
Il prossimo potrebbe osservare la persona.
E forse sarà proprio allora che l’aggettivo “artificiale” comincerà curiosamente a descrivere qualcosa di molto più vicino alla fisiologia naturale.
In sintesi
Gli AID sono oggi la tecnologia più avanzata per l’automazione della terapia insulinica e sono raccomandati dall’ADA come metodo preferenziale di somministrazione dell’insulina nel diabete tipo 1.
Gli algoritmi commerciali utilizzano soprattutto CGM, andamento glicemico e informazioni inserite dall’utente.
Il 25 agosto 2026 la FDA ha autorizzato il primo wearable che monitora continuamente insieme glucosio e chetoni, aprendo concretamente l’era dei sensori metabolici multianalita.
Attività fisica e frequenza cardiaca possono già essere riconosciute automaticamente da wearable, anche se negli AID commerciali l’esercizio viene generalmente ancora comunicato volontariamente dall’utente.
Sensori wearable del cortisolo e altri sistemi multimarker sono in fase sperimentale e non devono essere confusi con tecnologie già validate per guidare automaticamente l’insulina.
Le variazioni associate al ciclo mestruale dimostrano che la sensibilità insulinica può modificarsi secondo ritmi fisiologici che gli AID attuali compensano solo parzialmente.
I gemelli digitali rappresentano una possibile evoluzione verso modelli metabolici personalizzati, ma la loro validazione clinica è ancora limitata.
La direzione più interessante non è quindi costruire un pancreas artificiale con più sensori possibile, ma un sistema capace di selezionare e integrare i segnali realmente utili per anticipare il metabolismo individuale.
Fonti principali
American Diabetes Association Professional Practice Committee. Diabetes Technology: Standards of Care in Diabetes 2026. Diabetes Care.
U.S. Food and Drug Administration. FDA Authorizes First Wearable Device That Continuously Monitors Both Ketone Levels and Blood Sugar, 25 agosto 2026.
Hossmann S. et al. Effects of Menstrual Cycle on Insulin Sensitivity in Type 1 Diabetes. Diabetes Care, 2026.
Cho S. et al. Wearable lateral flow assays for cortisol monitoring with time-dynamic sweat sampling and sensing by electrochromic timers. Nature Sensors, 2026.
Kovatchev B. et al. Human-machine co-adaptation to automated insulin delivery: a randomised clinical trial using digital twin technology. npj Digital Medicine, 2025.
Sarani Rad F. et al. Digital Twin Applications in Diabetes Management: Scoping Review. JMIR Diabetes, 2026.
#DiabeteTipo1 #PancreasArtificiale #IntelligenzaArtificiale #DiabetesTech
/RL
