È stata recentemente introdotta nel mercato una nuova classe di sensori per il monitoraggio continuo del glucosio, che, grazie all’implementazione di nuovi algoritmi elaborati da un team dell’università di Padova in collaborazione con l’università di Pavia, ha consentito di migliorare del 20% l’accuratezza delle misure rispetto alle tecnologie già esistenti.
Tra i diversi algoritmi implementati, l’ingegner Cobelli, tra i fautori dell’innovazione, pone particolare attenzione sul ruolo che gioca il modulo predittivo.
Cobelli paragona il funzionamento dell’algoritmo predittivo alla strategia predisposta da un giocatore di scacchi secondo una logica ben nota: la tecnica delle combinazioni.
Si tratta di una sequenza di mosse, predefinite sulla base della probabile risposta dell’avversario, che grazie al gioco d’anticipo portano allo scatto matto: allo stesso modo è implementato all’interno del dispositivo un modello di calcolo che, basandosi su dati già acquisiti, cerca di predirne la futura evoluzione.
Ma forse stiamo correndo troppo; per chiarirci le idee facciamo un salto indietro.
Problematiche del diabete di tipo 1
Fino a qualche anno fa, la routine quotidiana per chi soffre di diabete di tipo 1 (noto simpaticamente come diabete giovanile), consisteva nella tediosa misurazione del livello glicemico attraverso la puntura del dito.
Chi soffre di diabete deve misurare, attraverso il glucometro, il livello di glicemia nel sangue e calcolare in base al risultato ottenuto la quantità di insulina da iniettarsi, con una frequenza di 4-5 volte al giorno e solitamente prima e dopo i pasti; ciò significa che che il soggetto non ha alcun riscontro sull’andamento glicemico nelle altre ore della giornata.
Inutile sottolineare quanto questa routine possa inficiare la qualità della vita di soggetti diabetici, costringendoli spesso a dover calcolare autonomamente la dose corretta di insulina da iniettarsi, oltre a rappresentare un monitoraggio approssimativo che non consente di tener traccia dell’andamento della glicemia durante altri momenti clou della giornata come, ad esempio, al termine di un’attività fisica.
Sensori glicemici moderni
Di recente vediamo affermarsi dispositivi che consentono un monitoraggio continuo dell’andamento glicemico (CGM) attraverso un sensore indossabile che preleva informazioni sul glucosio sottocutaneo.
Questi dispositivi includono, oltre a sensori per la misurazione della glicemia sottocutanea (attenzione, non plasmatica), anche un microinfusore portatile e un dispositivo esterno per mostrare a video i risultati del monitoraggio ed il suo andamento giornaliero.
Questi sistemi sono nati inizialmente come un semplice strumento per la raccolta dati, si sono poi evoluti in un primo momento in sistemi di allerta e ultimamente in apparecchiature di auto-infusione che, monitorando il livello di glucosio nel sangue, ne calcolano la giusta dose da infondere e la somministrano in maniera automatica per via sottocutanea.
I sensori attualmente disponibili, pur avendo consentito un miglioramento in termini di qualità della vita e di sostenibilità della malattia, sono ancora affetti da evidenti limiti, primo fra tutti l’errore di stima del valore glicemico, dovuto al fatto che il glucosio viene misurato in fessure interstiziali sottocutanee anziché nel plasma.
Tuttavia tali errori possono essere parzialmente compensati attraverso l’utilizzo di algoritmi di elaborazione correttivi, che consentono di realizzare azioni di enhancement, denoising e predizione. Nuovi algoritmi capaci di abbattere l’errore medio dal 13% al 9% sono stati sviluppati il grazie ad una collaborazione tra i dipartimenti di Ingegneria Biomedica delle Università di Padova e di Pavia.
Algoritmi “Made in Italy”
La peculiarità di questa nuova generazione di sensori risiede nell’utilizzo di tre algoritmi capaci di superare gli attuali problemi di acquisizione presenti nei dispositivi allo stato dell’arte. Si parla di problemi di accuratezza, controllo dell’errore e necessità di predizione.
I tre moduli pur essendo indipendenti (cioè, se rimosso uno dei tre, gli altri funzionerebbero comunque), sono organizzati in modo da massimizzare l’efficacia del sensore nel complesso:
- Il modulo di denoising è un filtro digitale adattivo che riceve in ingresso il valore registrato dal sensore, elabora in tempo reale una stima della varianza della componente di errore misurata, e, utilizzando dei parametri automaticamente stimati su base individuale, restituisce in uscita un nuovo valore CGM pulito.
In termini clinici ciò si traduce in una riduzione delle oscillazioni spurie e dei valori di picco, che in precedenza erano erroneamente interpretati come valori di soglia pericolosi e attivavano in maniera ingiustificata il livello di allerta. - Il modulo di enhancement ha l’obiettivo di migliorare l’accuratezza del dispositivo: minimizza le differenze tra le misure interstiziali e le stime dei livelli di glucosio plasmatico, servendosi di informazioni sul flusso glicemico, prelevate in precedenza dal plasma del paziente e applicando una procedura di deconvoluzione non parametrica. Il risvolto clinico di una maggiore accuratezza è quello di una maggiore affidabilità del dispositivo e fiducia del paziente nel suo utilizzo.
- Il modulo predittivo ha il compito di predire un avvicinamento dell’andamento glicemico sul breve termine ai valori di soglia di iperglicemia o ipoglicemia e di generare dunque un segnale di allerta per favorire l’intervento tempestivo del paziente al fine di attenuare le conseguenze di tali eventi. Utilizza un algoritmo autoregressivo del primo ordine, che ha il vantaggio, rispetto a implementazioni più complesse, di avere un unico parametro caratteristico, detto forgetting factor.
I tre algoritmi “Made in Italy” sono stati brevettati dall’azienda californiana Dexcom e integrati nella nuova versione del sensore di quarta generazione G4-AP per il monitoraggio del glucosio.
L’azienda ha inoltre avviato una collaborazione con l’Università di Padova offrendo un finanziamento per un posto da ricercatore nel triennio 2014-2017.
Per informazioni più dettagliate si rimanda all’articolo di riferimento sul progetto e al sito della Dexcom, sperando di avere al più presto aggiornamenti su sviluppi futuri.
