Le informazioni contenute in questo sito sono destinate in via esclusiva agli operatori professionali della sanità in conformità all'art. 21 del D.Lgs. 24 febbraio 1997, n. 46 s.m.i e alle Linee Guida del Ministero della Salute del 17 febbraio 2010 e successivo aggiornamento del 18 marzo 2013. AccettoMaggiori informazioni

20 gennaio 2020

E’ possibile rilevare livelli bassi di glucosio con l’impiego dell’intelligenza artificiale (AI) senza la necessità della puntura della cute delle dita

1185_Ipoglicemia ed ECG

Il monitoraggio delle fluttuazioni dei livelli di glucosio nel sangue è importante per i soggetti sani ma diventa cruciale per i pazienti diabetici. Un rigoroso monitoraggio del glucosio riduce il rischio di ipoglicemia, che può provocare una serie di complicanze, specialmente nei pazienti diabetici, come confusione, irritabilità, convulsioni e può persino essere fatale in particolari condizioni. I metodi attualmente, e comunemente, disponibili per misurare il glucosio richiedono l’impiego di lancette e ripetuti punture delle punta delle dita nell’arco della giornata. Le punture possono spesso essere dolorose, scoraggiando la compliance del paziente, soprattutto quando si tratta di pazienti pediatrici. Partendo dal presupposto che l’ipoglicemia colpisce l’elettrofisiologia del cuore in passato si è tentato di sviluppare dei sistemi di rilevamento dell’ipoglicemia basati sull’elettrocardiogramma. Tuttavia, a causa della forte eterogeneità tra soggetti, gli studi precedenti effettuati su una coorte di soggetti non sono riusciti a chiarire in modo affidabile sistemi di rilevamento ipoglicemici basati sull’elettrocardiogramma (ECG). Gli Autori di questo studio, guidati dal Dr Leandro Pecchia della School of Engineering della University of Warwick hanno utilizzato l’approccio della medicina personalizzata e l’intelligenza artificiale (AI) per rilevare automaticamente l’ipoglicemia notturna utilizzando solo alcuni complessi della traccia ECG registrata con un sensore non invasivi indossato, in soggetti sani, monitorata per tutte le 24 ore e per 14 giorni consecutivi. Inoltre, illustrano un metodo di visualizzazione che consente ai medici di evidenziare quale parte del segnale ECG (ad esempio, onda T, intervallo ST) è significativamente associata all’evento ipoglicemico in ciascuna soggetto, superando il problema di intelligibilità dei metodi di apprendimento profondo. Inoltre questo approccio è particolarmente importante perché la traccia dell’ECG può essere rilevata in qualsiasi circostanza, quindi anche durante il sonno. Questi risultati prospettano la fattibilità di un sistema di allarme dell’ipoglicemia non invasivo, in tempo reale, utilizzando l’esame di brevi tratti della traccia ECG.

Precision Medicine and Artificial Intelligence: A Pilot Study on Deep Learning for Hypoglycemic Events Detection based on ECG

Mihaela Porumb, Saverio Stranges, Antonio Pescapè & Leandro Pecchia

Sci Rep 10, 170 (2020)

https://www.nature.com/articles/s41598-019-56927-5#citeas