Sviluppare strumenti per pianificare i trattamenti del diabete
Il diabete di tipo 2 è un malattia complessa caratterizzata da livelli elevati di zuccheri nel sangue e colpisce oltre 500 milioni di persone nel mondo. Nel 2021, le complicanze di tale patologia sono costate all’economia globale pressappoco 900 miliardi di euro, un dato che si prevede aumenterà ancora a causa dell’invecchiamento della popolazione e dell’aumento dell’obesità, delle diete scorrette e della sedentarietà. I pazienti con diabete di tipo 2 presentano livelli variabili di resistenza all’insulina e di compromissione della sua secrezione. Per questo motivo, l’intensità del trattamento e il riscorso ai servizi sanitari differiscono caso per caso. Si fa quindi urgente la necessità di ottimizzare i trattamenti e l’utilizzo delle risorse sanitarie attraverso modelli di previsione personalizzati, basati sulle caratteristiche individuali del paziente. I risultati di un nuovo studio possono aiutare a comprendere meglio l’eterogeneo gruppo di pazienti affetti da questa patologia. La ricerca, svolta nell’ambito del progetto HT x, finanziato dall’UE, ha sfruttato le tecnologie di apprendimento automatico per individuare i soggetti che monitoravano la glicemia in modo non ottimale. «L’identificazione dei cluster di pazienti per cui il trattamento del diabete di tipo 2 risulta complesso offre ai medici uno strumento utile per pianificare ulteriormente i trattamenti, nonché l’opportunità di ottimizzare le risorse sanitarie. Si potrebbe fornire maggiore assistenza ai pazienti che hanno difficoltà a trovare un equilibrio terapeutico, mentre il monitoraggio di HbA1c potrebbe essere ridotto per chi presenta valori adeguati e ottimali», sottolineano gli autori dello studio. Nell’arco di 6 anni, il team di ricerca ha studiato il monitoraggio glicemico in oltre 9 600 pazienti con diabete di tipo 2 nella regione della Carelia settentrionale, in Finlandia. Il monitoraggio della glicemia è stato determinato sulla base dei livelli di glucosio nel sangue a lungo termine, stimati utilizzando l’emoglobina A1c (HbA1c).
Monitoraggio adeguato e inadeguato
A partire dai dati raccolti, il team ha identificato tre traiettorie di HbA1c nell’arco di 6 anni. Per l’86,5 % dei pazienti, il monitoraggio glicemico è risultato stabile e adeguato, per il 7,3 % risultava migliorato ma inadeguato e nel 6,2 % dei casi è stato considerato altalenante e inadeguato. L’associazione tra il monitoraggio della glicemia e le caratteristiche basali dei pazienti, i fattori clinici e legati al trattamento e lo stato socioeconomico è stata valutata con metodi di apprendimento automatico. Sono state incluse oltre 200 caratteristiche basali come variabili. Dallo studio è emerso che i dati relativi alla durata del diabete di tipo 2, ai precedenti livelli di HbA1c, alla glicemia a digiuno e all’uso di farmaci antidiabetici permettono un’identificazione affidabile dei pazienti con un rischio persistente di iperglicemia in qualsiasi momento della malattia. Pertanto, i dati raccolti regolarmente nell’ambito delle normali prassi di monitoraggio e gestione del diabete potrebbero aiutare a prevedere con sicurezza se il controllo della glicemia risulti inadeguato. Gli autori dello studio HTx (Next Generation Health Technology Assessment to support patient-centred, societally oriented, real-time decision-making on access and reimbursement for health technologies throughout Europe) concludono: «I risultati ottenuti suggeriscono che l’eterogeneità nei risultati del trattamento a lungo termine è prevedibile attraverso i fattori di rischio individuali dei pazienti. A sua volta, questa eterogeneità offre uno strumento utile per pianificare i trattamenti futuri. Sono comunque necessari studi ulteriori per ottenere previsioni ancora più accurate e personalizzate.» Per maggiori informazioni, consultare: pagina web del progetto HTx
Parole chiave
HTx, diabete, diabete di tipo 2, apprendimento automatico, emoglobina A1c, HbA1c, monitoraggio glicemico