Un pancreas artificiale moderno sa parecchie cose.
Conosce la glicemia quasi in tempo reale. Sa se sta salendo o scendendo. Tiene conto dell’insulina già somministrata, prova a prevedere dove andrà il glucosio nei minuti successivi e, a seconda del sistema, aumenta, riduce o sospende automaticamente l’erogazione.
Alcuni algoritmi imparano progressivamente anche dal fabbisogno insulinico della persona.
Eppure potrebbero ignorare un’informazione biologica piuttosto importante: in quale momento del ciclo mestruale si trova chi indossa il dispositivo.
La domanda, quindi, non è più soltanto se il ciclo influenzi la glicemia nelle persone con diabete tipo 1. Le evidenze, pur con limiti e grande variabilità individuale, indicano che può farlo.
La domanda più interessante è un’altra:
se il metabolismo cambia ciclicamente, perché l’algoritmo dovrebbe comportarsi come se ogni giorno fosse fisiologicamente uguale al precedente?
Il 2026 sta rendendo il fenomeno sempre più difficile da ignorare
Uno studio pubblicato nel luglio 2026 su Diabetes Care ha analizzato 77 persone adulte con diabete tipo 1, 380 cicli mestruali e oltre 10.000 giorni di dati, comprendenti CGM, insulina, carboidrati e ciclo.
La sensibilità insulinica stimata risultava mediamente più alta nella fase follicolare iniziale e più bassa nella fase luteale. Contemporaneamente aumentavano fabbisogno insulinico, glicemia media e tempo trascorso sopra il range.
L’84,7% delle partecipanti mostrava un andamento coerente con questa tendenza generale, anche se l’entità delle variazioni differiva molto tra una persona e l’altra.
Ed è proprio quest’ultima frase a essere decisiva.
Non esiste “il ciclo mestruale standard” da inserire dentro una pompa.
Esistono pattern metabolici individuali che possono ripetersi nel tempo.
L’algoritmo aumenta l’insulina, ma qualche volta non basta
Un ulteriore studio, pubblicato il 17 agosto 2026 su Diabetes, Obesity and Metabolism, rende il problema ancora più evidente.
I ricercatori del Singapore General Hospital hanno analizzato 15 donne che utilizzavano MiniMed 780G, raccogliendo dati relativi a ben 118 cicli mestruali.
Durante la settimana precedente le mestruazioni aumentavano significativamente:
il consumo di carboidrati, l’insulina basale, i boli e la dose insulinica giornaliera totale.
Il sistema, quindi, qualcosa stava facendo.
Eppure il Time in Range diminuiva di circa 3,5 punti percentuali rispetto alla settimana delle mestruazioni.
Nella classificazione più dettagliata delle fasi del ciclo, il TIR risultava inferiore di circa 3,3 punti nella fase luteale intermedia, mentre il fabbisogno insulinico aumentava nella fase luteale tardiva.
Gli autori parlano infatti di adattamento parziale.
È una distinzione tecnologicamente importante.
L’AID vede che la glicemia sta peggiorando e aumenta l’insulina. Ma potrebbe farlo soltanto dopo che il cambiamento metabolico è già iniziato.
È la differenza tra reagire e anticipare.
Un algoritmo che insegue la glicemia
Immaginiamo un guidatore che percorre ogni giorno la stessa strada.
Un sistema tradizionale vede la curva quando compare e sterza.
Un sistema più evoluto sa che quella curva arriva sempre dopo il chilometro 18 e comincia a prepararsi prima.
Gran parte degli AID attuali è straordinariamente sofisticata nella prima capacità: reagire rapidamente ai dati CGM e prevedere l’andamento glicemico nel breve periodo.
Ma il ciclo mestruale introduce una variazione che si sviluppa su una scala completamente diversa: giorni e settimane.
Ed è qui che potrebbe esserci spazio per una nuova generazione di algoritmi.
L’esperimento virtuale che aveva previsto tutto
Già nel 2022 alcuni ricercatori della University of Virginia e della University of California San Francisco avevano posto praticamente la stessa domanda.
Partendo da misurazioni mediante clamp euglicemico effettuate in 16 donne con diabete tipo 1, avevano inserito le variazioni della sensibilità insulinica osservate durante il ciclo nel simulatore UVA/Padova del diabete tipo 1.
Poi avevano confrontato due scenari.
Nel primo, l’algoritmo funzionava normalmente, senza conoscere la variazione della sensibilità insulinica.
Nel secondo veniva preventivamente informato del cambiamento.
Quando l’algoritmo ignorava il ciclo aumentavano le escursioni sopra 180 e 250 mg/dL nella fase luteale. Quando invece la terapia veniva adattata preventivamente alle variazioni previste della sensibilità insulinica, il controllo glicemico risultava più stabile.
Era uno studio in silico, quindi una simulazione e non una dimostrazione clinica. Ma aveva anticipato esattamente la questione che i dati real-world del 2026 stanno riportando in primo piano.
Ma il pancreas artificiale non dovrebbe semplicemente avere un calendario
Qui bisogna evitare una scorciatoia apparentemente intelligente.
Inserire nell’algoritmo:
“giorno 21 del ciclo uguale più 10% di insulina”
sarebbe probabilmente una pessima idea.
Il ciclo non è un orologio svizzero.
La durata può cambiare, l’ovulazione non avviene necessariamente nello stesso giorno, possono esserci cicli anovulatori, contraccezione ormonale, adolescenza, perimenopausa, stress, malattie e variazioni individuali enormi.
Soprattutto, non tutte le persone con T1D mostrano lo stesso pattern metabolico.
Quello che dovrebbe conoscere il pancreas artificiale, quindi, non è semplicemente il calendario mestruale.
Dovrebbe imparare il rapporto individuale tra ciclo e metabolismo.
È una differenza sostanziale.
Come potrebbe funzionare un AID davvero “cycle-aware”
Un sistema del futuro potrebbe integrare almeno tre livelli di informazione.
Il primo esiste già: CGM, insulina, pasti e attività metabolica recente.
Il secondo sarebbe costituito dalla memoria a lungo termine. Se durante quattro o cinque cicli consecutivi il sistema osservasse una riduzione ricorrente della sensibilità insulinica alcuni giorni prima delle mestruazioni, potrebbe riconoscere il pattern.
Il terzo livello potrebbe essere opzionale: informazioni sul ciclo provenienti da un’app, da un wearable oppure inserite direttamente dalla persona.
A quel punto l’algoritmo non dovrebbe applicare automaticamente una correzione prefissata.
Potrebbe formulare qualcosa di molto più sofisticato:
“Nei quattro cicli precedenti, in questa fase, la sensibilità insulinica è diminuita mediamente del 7%. I dati CGM delle ultime 24 ore mostrano lo stesso pattern. Aumento progressivamente l’erogazione entro limiti di sicurezza”.
Questo non sarebbe più soltanto closed loop.
Sarebbe una forma di controllo fisiologico predittivo personalizzato.
E l’intelligenza artificiale?
Qui l’IA avrebbe terreno fertile.
Un sistema di machine learning potrebbe cercare pattern ricorrenti incrociando glicemia, quantità di insulina, risposta ai pasti, attività fisica, sonno e fase del ciclo.
Potrebbe persino scoprire che per una determinata persona il segnale più affidabile non è il giorno del ciclo, ma una combinazione di fenomeni: aumento della glicemia notturna, maggiore dose correttiva e riduzione progressiva della risposta all’insulina.
L’algoritmo potrebbe quindi riconoscere uno stato metabolico, senza necessariamente aver bisogno di conoscere con precisione il giorno dell’ovulazione.
Ed è probabilmente questa la strada più interessante.
Non insegnare alla macchina che tutte le persone sono uguali durante la fase luteale, ma insegnarle a riconoscere come cambia quella specifica persona.
Curiosamente, le utilizzatrici lo fanno già
Uno studio qualitativo pubblicato nel Journal of Diabetes Science and Technology aveva intervistato 12 utilizzatrici di sistemi AID open source.
Le partecipanti riferivano di modificare manualmente impostazioni e strategie in relazione alle diverse fasi del ciclo, nonostante utilizzassero già sistemi automatizzati.
In altre parole, alcune persone con diabete stanno facendo manualmente ciò che l’algoritmo non è ancora progettato per fare automaticamente.
La storia della tecnologia diabetologica, del resto, conosce bene questa dinamica: gli utenti scoprono un bisogno, inventano una soluzione, la ricerca la studia e, qualche anno dopo, l’industria la incorpora.
La comunità #WeAreNotWaiting ha già insegnato parecchie lezioni al settore.
Ci sono però problemi di sicurezza
Un algoritmo che anticipa la resistenza insulinica potrebbe essere utile.
Un algoritmo che la anticipa quando non c’è potrebbe provocare ipoglicemia.
Ecco perché servono studi prospettici.
Prima di introdurre una funzione del genere bisognerebbe dimostrare che il sistema sappia distinguere un pattern realmente ricorrente da una variazione occasionale causata, per esempio, da infezione, stress, esercizio, alimentazione o errore del sensore.
L’adattamento dovrebbe inoltre essere graduale, reversibile e sottoposto a limiti di sicurezza.
C’è poi una questione meno metabolica ma altrettanto importante: la privacy.
I dati relativi al ciclo mestruale sono informazioni sanitarie particolarmente intime. La loro integrazione con dispositivi medici e piattaforme cloud dovrebbe essere facoltativa, trasparente e accompagnata da robuste garanzie sul trattamento dei dati.
La medicina personalizzata è molto bella finché la persona rimane proprietaria della propria personalizzazione.
Le linee guida sono ancora indietro rispetto alla domanda
Gli Standards of Care ADA 2026 considerano gli AID il metodo preferenziale di somministrazione dell’insulina nelle persone con diabete tipo 1 quando utilizzabili in sicurezza. Raccomandano inoltre che la scelta del dispositivo sia individualizzata.
Ma le linee guida non forniscono ancora un algoritmo terapeutico specifico basato sulle fasi del ciclo mestruale.
Gli stessi autori dello studio di Diabetes Care osservano che questa componente della fisiologia non è ancora adeguatamente affrontata né dalle linee guida né dagli attuali sistemi AID.
La ricerca sta quindi evidenziando un territorio che la tecnologia clinica deve ancora esplorare pienamente.
Il vero pancreas artificiale dovrà conoscere la persona, non soltanto il glucosio
Siamo abituati a pensare al pancreas artificiale come a un triangolo:
sensore + microinfusore + algoritmo.
Forse manca un quarto elemento.
Il contesto biologico.
Attività fisica, stress, malattia, sonno, pasti, farmaci, ritmi circadiani e, quando pertinente, ciclo mestruale.
Il pancreas biologico non vive isolato dal resto dell’organismo. Risponde continuamente a segnali ormonali, neurologici e metabolici.
Pretendere di ricostruirne completamente la funzione osservando soltanto una curva glicemica significa chiedere a un direttore d’orchestra di dirigere guardando soltanto il violino.
Gli AID di oggi funzionano già sorprendentemente bene.
Ma il prossimo salto potrebbe non arrivare da una pompa più piccola o da un sensore più sottile.
Potrebbe arrivare da un algoritmo capace di comprendere che la stessa persona non è metabolicamente identica ogni giorno dell’anno.
E allora la risposta alla domanda iniziale è sì.
Il pancreas artificiale dovrebbe probabilmente conoscere anche il ciclo mestruale.
Ma, ancora meglio, dovrebbe imparare come quel ciclo modifica quella particolare persona.
È lì che l’automazione comincia davvero a diventare medicina di precisione.
In sintesi
Gli studi disponibili indicano che in molte persone con diabete tipo 1 la sensibilità insulinica e il controllo glicemico variano durante il ciclo mestruale, generalmente con maggiore fabbisogno insulinico nella fase luteale.
Uno studio del 2026 su 77 persone e 380 cicli ha confermato variazioni sistematiche, ma anche una forte eterogeneità individuale.
Un ulteriore studio su MiniMed 780G, pubblicato il 17 agosto 2026, ha mostrato che l’AID aumenta l’insulina prima delle mestruazioni, ma il Time in Range può comunque diminuire. L’adattamento sembra quindi soltanto parziale.
Le simulazioni suggeriscono che fornire preventivamente all’algoritmo informazioni sulle variazioni della sensibilità insulinica potrebbe migliorare il controllo, ma mancano ancora trial clinici che dimostrino sicurezza ed efficacia di sistemi esplicitamente “cycle-aware”.
La soluzione più promettente non sembra essere un semplice calendario incorporato nella pompa, ma un algoritmo capace di apprendere i pattern metabolici individuali su più cicli.
Livello di evidenza attuale: moderato per l’esistenza di variazioni associate al ciclo in una parte delle persone con T1D; preliminare per l’utilità clinica di algoritmi AID specificamente adattati al ciclo.
Fonti principali
Hossmann S. et al., Effects of Menstrual Cycle on Insulin Sensitivity in Type 1 Diabetes, Diabetes Care, 2026. Studio originale
Rama Chandran S. et al., An Observational Study on the Impact of Menstrual Cycle Phases on Carbohydrate Intake, Insulin Delivery and Glycaemia in Women With Type 1 Diabetes Using MiniMed 780G, Diabetes, Obesity and Metabolism, 17 agosto 2026. Abstract PubMed
Diaz J.L. et al., Insulin Replacement Across the Menstrual Cycle in Women with Type 1 Diabetes: An In Silico Assessment of the Need for Ad Hoc Technology, Diabetes Technology & Therapeutics. Studio
Mewes D. et al., Variability of Glycemic Outcomes and Insulin Requirements Throughout the Menstrual Cycle, Journal of Diabetes Science and Technology. Studio open access
American Diabetes Association, Diabetes Technology: Standards of Care in Diabetes 2026. Linee guida ADA 2026
#DiabeteTipo1 #PancreasArtificiale #TecnologiaDiabete #IntelligenzaArtificiale
/RL
