Per molto tempo la storia tecnologica del diabete tipo 1 è stata soprattutto la storia di un numero.
Il glucosio.
Prima lo misuravamo nelle urine. Poi attraverso una goccia di sangue. Successivamente sono arrivati i sensori CGM, capaci di trasformare quel numero in una curva continua. Infine il dato è stato collegato alla pompa e abbiamo costruito i sistemi AID, il cosiddetto pancreas artificiale.
È stata una rivoluzione.
Ora, però, stiamo entrando in una fase diversa.
La domanda non è più soltanto:
“Quanto è la glicemia?”
Sta diventando:
“Perché sta cambiando e cosa succederà dopo?”
È il passaggio dalla misurazione del glucosio alla comprensione del metabolismo.
Cinque frontiere scientifiche e tecnologiche emerse con particolare forza negli ultimi anni permettono di intravedere dove potrebbe portarci questo cambiamento.
1. Il pancreas artificiale sta diventando lo standard, ma continua a guardare soprattutto il glucosio
Gli AID rappresentano ormai uno dei maggiori successi della diabetologia tecnologica.
Gli Standards of Care 2026 dell’American Diabetes Association indicano i sistemi AID come modalità preferenziale di somministrazione insulinica nelle persone con diabete tipo 1 che possono utilizzarli in sicurezza.
Un AID combina essenzialmente tre elementi:
CGM + algoritmo + pompa per insulina.
Il sensore misura il glucosio, l’algoritmo ne valuta valore, direzione e velocità di cambiamento e modifica automaticamente l’erogazione insulinica. I diversi sistemi possono ridurre o aumentare la basale, sospendere l’insulina oppure somministrare microboli o correzioni automatiche.
Attenzione però a un equivoco frequente: automazione non significa necessariamente intelligenza artificiale.
Molti AID utilizzano sofisticati algoritmi matematici e sistemi di controllo predittivo, non necessariamente modelli di machine learning.
E soprattutto, per quanto intelligenti, prendono gran parte delle proprie decisioni sulla base di ciò che il CGM mostra.
Questo porta alla seconda frontiera.
2. La stessa persona non ha lo stesso metabolismo tutti i giorni
Uno degli esempi più chiari arriva dal ciclo mestruale.
Uno studio pubblicato nel 2026 su Diabetes Care ha analizzato 77 adulte con diabete tipo 1, 380 cicli mestruali e oltre 10.000 giorni di dati provenienti da CGM e sistemi AID.
La sensibilità insulinica stimata risultava mediamente maggiore nella fase follicolare iniziale e inferiore durante la fase luteale. Parallelamente aumentavano dose insulinica giornaliera, glicemia media e tempo trascorso sopra il range.
L’84,7% delle partecipanti mostrava un andamento coerente con la tendenza generale, ma con una notevole variabilità individuale.
È proprio questa eterogeneità a rendere il risultato importante.
Il messaggio non è:
“durante la fase luteale servono sempre X unità in più”.
È:
“nella stessa persona possono esistere pattern metabolici ricorrenti che un algoritmo potrebbe imparare”.
Il pancreas artificiale attuale tende soprattutto a reagire quando la variazione è già visibile sulla glicemia.
Un sistema più evoluto potrebbe invece ricordare che, nei quattro cicli precedenti, proprio in quei giorni la sensibilità insulinica era diminuita.
Non sarebbe più soltanto un algoritmo che osserva la glicemia.
Comincerebbe a conoscere la storia metabolica della persona.
3. Dal glucosio ai sensori multianalita
Il 25 agosto 2026 è arrivato un altro passaggio simbolicamente importante.
La FDA statunitense ha autorizzato Libre Duo 10 Day Continuous Dual Glucose Ketone Monitoring System, destinato alle persone con diabete dai due anni in su.
È il primo wearable autorizzato negli Stati Uniti per il monitoraggio continuo dei chetoni e, secondo la FDA, il primo dispositivo al mondo che misura continuamente nello stesso sensore glucosio e chetoni.
Qui cambia qualcosa di più profondo del numero di analiti visualizzati sul telefono.
Due persone possono avere la stessa glicemia di 180 mg/dL ma trovarsi in condizioni metaboliche molto diverse.
Una può aver appena mangiato.
Nell’altra potrebbe essere in corso una progressiva carenza insulinica con aumento dei chetoni.
Il glucosio racconta una parte della storia.
I chetoni possono raccontarne un’altra.
Ciò non significa che il Libre Duo sia già collegato a un pancreas artificiale capace di usare autonomamente il valore dei chetoni per modificare la terapia. Questa integrazione non è ancora una realtà clinica consolidata.
Ma il principio è stato infranto.
Il sensore metabolico non deve necessariamente misurare una sola cosa.
E dietro l’angolo ci sono ricerche su altri segnali fisiologici: attività fisica, frequenza cardiaca, sonno, stress e biomarcatori presenti nel sudore.
Il rischio, naturalmente, è innamorarsi dei dati.
Più dati non equivalgono automaticamente a decisioni migliori.
La vera sfida sarà capire quali informazioni aggiuntive migliorano davvero sicurezza e controllo glicemico.
4. Il gemello digitale prova a simulare la persona
A questo punto entra in scena una delle idee più affascinanti: il digital twin, il gemello digitale.
Non un avatar.
Non una copia fantascientifica di noi stessi.
È un modello matematico individualizzato che cerca di riprodurre alcuni aspetti del comportamento metabolico della persona e viene progressivamente aggiornato utilizzando i suoi dati.
Nel 2025 npj Digital Medicine ha pubblicato un trial randomizzato nel quale 72 adulti con diabete tipo 1 hanno completato sei mesi di studio utilizzando un approccio che combinava AID e digital twin.
Il sistema raccoglieva dati di CGM, insulina e pasti, ricostruiva un modello metabolico individuale e ogni due settimane simulava differenti impostazioni di rapporto insulina-carboidrati, fattore di correzione e basale.
La persona poteva inoltre sperimentare scenari virtuali del tipo:
“cosa accadrebbe se modificassi questo parametro?”
Con la strategia di co-adattamento uomo-macchina, il Time in Range è aumentato dal 72% al 77%, mentre l’HbA1c è passata dal 6,8% al 6,6%. Non sono stati registrati episodi di ipoglicemia grave o chetoacidosi durante il trial.
È uno dei primi segnali clinici che il concetto può funzionare.
Ma siamo ancora lontani dall’avere un clone metabolico perfetto nello smartphone.
Una scoping review pubblicata nel giugno 2026 su JMIR Diabetes ha individuato soltanto 28 studi sui digital twin applicati al diabete.
La maggior parte delle validazioni era retrospettiva oppure basata su simulazioni, mentre gli studi clinici prospettici erano pochi.
Restano inoltre problemi di standardizzazione, qualità dei dati, interoperabilità, privacy, equità e integrazione nella pratica clinica.
Livello di evidenza: promettente, ma ancora preliminare per un impiego generalizzato del digital twin nella routine clinica.
5. Più automatizzato non deve significare meno umano
Arriviamo così alla frontiera che potrebbe rivelarsi più difficile di tutte.
La persona.
Un algoritmo può diventare sempre più sofisticato. Può conoscere glicemia, chetoni, movimento, ciclo mestruale e, un giorno, forse altri segnali biologici.
Ma chi resta al comando?
Uno studio pubblicato nell’agosto 2026 su JMIR Diabetes ha analizzato 838 persone che utilizzavano differenti tecnologie per il diabete, comprese 515 con AID.
Gli utilizzatori AID riportavano la maggiore frequenza di allarmi. Il 49% riceveva notifiche diverse volte al giorno. Complessivamente erano comuni anche sovracorrezioni della glicemia dopo gli allarmi: il 44% riferiva di sovracorreggere almeno talvolta valori bassi e il 50% quelli elevati.
Automatizzare, dunque, non significa necessariamente eliminare il carico mentale.
Può perfino generarne uno nuovo.
C’è inoltre una questione di sicurezza: una persona che utilizza AID deve continuare a sapere cosa fare quando sensore, pompa o set infusionale non funzionano.
Le linee guida ADA 2026 insistono sulla formazione iniziale e continuativa all’utilizzo e al troubleshooting del sistema.
Il futuro migliore non sarà quindi quello nel quale la persona con diabete diventa un passeggero.
Sarà quello nel quale può scegliere quanto guidare e quanto delegare.
Dalla glicemia allo stato metabolico
Se mettiamo insieme queste cinque frontiere appare una traiettoria abbastanza precisa.
Prima generazione: misurare il glucosio.
Seconda generazione: misurarlo continuamente.
Terza generazione: utilizzare il glucosio per modificare automaticamente l’insulina.
Quarta generazione: integrare altri segnali e riconoscere pattern individuali.
Quinta generazione: costruire un modello dinamico della persona capace di simulare e anticipare il metabolismo.
Non significa che domani mattina avremo un dispositivo capace di prevedere perfettamente cosa accadrà dopo una cena, una notte insonne, un allenamento e una variazione ormonale.
Il metabolismo umano ha ancora abbastanza fantasia per umiliare parecchi algoritmi.
Ma la direzione è chiara.
Il pancreas artificiale sta lentamente smettendo di essere soltanto una macchina che corregge il glucosio.
Sta diventando un sistema che prova a capire perché il glucosio cambia.
Il rischio della scatola nera
Questa evoluzione porta inevitabilmente anche problemi nuovi.
Se il gemello metabolico ricevesse CGM, chetoni, insulina, pasti, attività fisica, sonno, frequenza cardiaca e informazioni sul ciclo mestruale, costruiremmo un archivio straordinariamente dettagliato della vita biologica di una persona.
Di chi sarebbero quei dati?
Sarebbe possibile trasferire il proprio gemello digitale cambiando produttore?
Potremmo sapere perché l’algoritmo ha consigliato una determinata modifica?
Esisterebbe sempre la possibilità di rifiutarla?
La review sui digital twin del 2026 sottolinea proprio privacy, governance, equità, interoperabilità e necessità di una migliore supervisione umana tra le questioni ancora aperte.
Non sono dettagli burocratici.
Se una macchina contribuisce a decidere quanta insulina entra nel corpo, la trasparenza diventa una caratteristica di sicurezza.
Cinque frontiere, una sola direzione
CGM, AID, ciclo mestruale, sensori multianalita e digital twin sembrano argomenti differenti.
In realtà raccontano la stessa storia.
Il diabete tecnologico sta passando dal numero alla persona.
Per anni abbiamo chiesto alla tecnologia di darci una glicemia migliore.
Ora cominciamo a chiederle qualcosa di più ambizioso:
comprendere il contesto nel quale quella glicemia nasce.
La vera rivoluzione potrebbe quindi non essere un sensore che dura trenta giorni, una pompa ancora più piccola o un algoritmo con qualche punto percentuale di Time in Range in più.
Potrebbe essere un sistema capace di dire:
“So che oggi il tuo metabolismo non si sta comportando come ieri, e ho abbastanza informazioni per capire perché”.
Quel giorno il pancreas artificiale avrà fatto un salto importante.
Non sarà diventato umano.
Avrà finalmente imparato che l’essere umano non è soltanto una curva glicemica.
In sintesi
1. AID: sono già standard di riferimento nel T1D e modificano automaticamente l’insulina utilizzando prevalentemente i dati CGM.
2. Fisiologia individuale: studi del 2026 mostrano che la sensibilità insulinica può variare durante il ciclo mestruale, con pattern ricorrenti ma molto diversi da persona a persona.
3. Sensori multianalita: il Libre Duo autorizzato dalla FDA il 25 agosto 2026 porta per la prima volta glucosio e chetoni nello stesso sistema di monitoraggio continuo.
4. Digital twin: un trial randomizzato su 72 adulti ha mostrato che la co-adattazione basata su un gemello digitale può migliorare ulteriormente il TIR, dal 72% al 77%, ma l’evidenza complessiva rimane limitata.
5. Persona al centro: maggiore automazione non elimina automaticamente burden, allarmi e necessità di competenze. Il controllo umano e la possibilità di comprendere l’algoritmo devono restare parte della progettazione.
La frontiera decisiva non consiste nel raccogliere più dati. Consiste nel trasformare i dati giusti in una rappresentazione sempre più fedele, sicura e comprensibile della singola persona.
Fonti principali
American Diabetes Association Professional Practice Committee. Diabetes Technology: Standards of Care in Diabetes 2026. Diabetes Care.
Hossmann S. et al. Effects of Menstrual Cycle on Insulin Sensitivity in Type 1 Diabetes: An Observational Study of Individuals Using an Automated Insulin Delivery System. Diabetes Care 2026;49:1673-1680.
U.S. Food and Drug Administration. FDA Authorizes First Wearable Device That Continuously Monitors Both Ketone Levels and Blood Sugar, 25 agosto 2026.
Kovatchev B.P. 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.
Everett E. et al. The Emotional Burden and Behavioral Impacts of Alarms and Alerts Across the Spectrum of Diabetes Technology Use. JMIR Diabetes, 2026.
#DiabeteTipo1 #DiabetesTech #PancreasArtificiale #IntelligenzaArtificiale
/RL
