Un dispositivo capace di prevedere l’andamento della glicemia, prendere decisioni in autonomia e adattarsi alle abitudini del paziente: è questa la frontiera su cui si muove il progetto dedicato allo sviluppo di un pancreas artificiale di nuova generazione per il diabete di tipo 1, superando i limiti dei sistemi attualmente disponibili e introducendo una capacità predittiva avanzata basata sull’Intelligenza Artificiale. Il lavoro nasce dall’attività di ricerca del Control Systems and Automation Lab (CAL) dell’Università degli studi di Bergamo, con il supporto dei clinici dell’ASST Papa Giovanni XXIII e del Centro Sportivo Universitario (CUS) di Unibg, che ospita i trial clinici.
Indice degli argomenti
ANTHEM: un programma multidisciplinare da 120 milioni di euro
ANTHEM è una delle più significative iniziative di ricerca italiane ed europee, finanziata con 120 milioni di euro dal Ministero dell’Università e della Ricerca nell’ambito del Piano Nazionale Complementare al PNRR. Si tratta di un progetto multidisciplinare che integra medicina, ingegneria, fisica, informatica ed economia, con l’obiettivo di sviluppare tecnologie e soluzioni innovative per la prevenzione, la diagnosi, il monitoraggio e la cura. Attraverso 28 progetti pilota, organizzati in quattro aree di ricerca e coordinati dalle Università di Bergamo, Milano-Bicocca, Politecnico di Milano e Università di Catania, ANTHEM coinvolge oltre 350 ricercatori in una rete che unisce università, ospedali, centri di ricerca, imprese e istituzioni.
Cos’è davvero un pancreas artificiale
Quando si parla di pancreas artificiale non si intende un organo sintetico, ma un sistema integrato composto da un sensore, un microinfusore e algoritmi. Il sensore misura in continuo la glicemia, il microinfusore eroga insulina e l’algoritmo elabora i dati per decidere, in tempo reale, le dosi necessarie. È un dispositivo intelligente che emula il funzionamento del pancreas (che, in presenza di diabete, non funziona più correttamente), adattando automaticamente la somministrazione di insulina. Questi sistemi sono già utilizzati da diversi anni e hanno rappresentato un avanzamento significativo rispetto alla terapia tradizionale, basata su misurazioni sporadiche e iniezioni manuali. Tuttavia, non sono ancora completamente autonomi. Oggi, infatti, molte decisioni restano in capo al paziente: il calcolo dell’insulina dopo i pasti, la gestione dell’attività fisica, l’adattamento a situazioni impreviste. È per questo che si parla di “terapie ibride”, in cui la tecnologia supporta ma non sostituisce il processo decisionale umano.
Il salto di qualità: dalla reazione alla previsione
Il contributo principale del progetto sta proprio qui: trasformare il pancreas artificiale Il contributo principale del progetto sta proprio qui: consolidare il pancreas artificiale come sistema predittivo. Gli algoritmi sviluppati sono in grado di gestire automaticamente non solo i valori basali, ma anche eventi complessi come i pasti e l’attività fisica, prendendo decisioni sulla base di previsioni dell’andamento glicemico fino a sei ore. Questo significa intervenire prima che la glicemia esca dai valori desiderati, riducendo sia i picchi iperglicemici sia gli episodi di ipoglicemia, che rappresentano uno dei rischi più critici nella gestione del diabete. L’algoritmo è inoltre in grado di rilevare pasti non dichiarati e stimarne l’entità, integrando queste informazioni nel controllo della terapia. Il risultato è un sistema che non si limita a correggere, ma anticipa e si adatta, rendendo la gestione della malattia più stabile e continua.
L’intelligenza artificiale che apprende dal paziente
Alla base di questo approccio c’è un lavoro avanzato sui modelli matematici della dinamica glucosio-insulina. Il gruppo ha sviluppato una nuova architettura di rete neurale ricorrente – la COMP-RNN – che integra direttamente nel modello le conoscenze fisiologiche. Non si tratta quindi di un’intelligenza artificiale “cieca”, ma di un sistema che combina dati e conoscenza biologica. Questo consente di ottenere modelli più accurati, più stabili e anche più efficienti dal punto di vista computazionale. L’obiettivo è costruire modelli personalizzati, capaci di adattarsi alle caratteristiche del singolo paziente. Il vero valore aggiunto è la possibilità di apprendere le dinamiche specifiche di ciascun individuo, migliorando progressivamente la qualità delle previsioni e rendendo il sistema sempre più preciso nel tempo.
Dati reali per modelli sempre più precisi
Per rendere possibile questa personalizzazione, il progetto si basa su un’intensa attività sperimentale. È in corso uno studio clinico che coinvolge pazienti con diabete di tipo 1, sottoposti a diverse condizioni controllate, durante sessioni di attività fisica di diversa intensità. I ricercatori raccolgono dati su glicemia, insulina, pasti e attività fisica, ma anche parametri più complessi come lattato e consumo di ossigeno, con l’obiettivo di comprendere in modo più preciso la relazione tra metabolismo e variazioni glicemiche. Queste informazioni vengono utilizzate per addestrare gli algoritmi, migliorando la capacità di previsione e rendendo il sistema sempre più affidabile anche in contesti reali, fuori dal laboratorio. Si tratta di un passaggio fondamentale per portare queste tecnologie verso l’applicazione clinica.
Meno carico mentale, più qualità della vita
Uno degli aspetti più rilevanti del progetto riguarda l’impatto sulla vita quotidiana dei pazienti. La gestione del diabete richiede infatti un impegno continuo, fatto di controlli, calcoli e decisioni ripetute nel corso della giornata. Ridurre questo carico è uno degli obiettivi principali della ricerca. Automatizzando il processo decisionale, questi sistemi permettono di diminuire il numero di azioni che il paziente deve compiere quotidianamente, riducendo anche il rischio di errore. Questo è particolarmente importante in ambito pediatrico, dove la gestione della malattia coinvolge anche genitori e caregiver. Un sistema più autonomo significa maggiore sicurezza, ma anche una migliore qualità della vita, sia per i pazienti sia per le famiglie. L’obiettivo finale è arrivare a dispositivi completamente autonomi che, una volta indossati, permettano al paziente quasi di “dimenticare” di avere il diabete, almeno nella gestione quotidiana.
Integrazione con i dispositivi esistenti
Un altro punto di forza del progetto è l’attenzione alla trasferibilità. Il lavoro si concentra infatti sugli algoritmi, con l’obiettivo di integrarli nei dispositivi già disponibili sul mercato, senza richiedere necessariamente nuove infrastrutture tecnologiche. Questo approccio rende più rapida la possibile diffusione delle soluzioni sviluppate, anche se comporta una sfida sul piano computazionale: alcune delle funzioni più avanzate dovranno essere eseguite direttamente sui microinfusori, richiedendo un’evoluzione delle loro capacità di calcolo. Per i medici, questi strumenti rappresentano un supporto sempre più avanzato. L’intelligenza artificiale non sostituisce il ruolo clinico, ma fornisce informazioni preziose per comprendere l’evoluzione della malattia, migliorare il follow-up e personalizzare le terapie.
Partecipa alla community