CLUSTERING DI DATI DA MONITORAGGIO CONTINUO DEL GLUCOSIO DURANTE IL PASTO IN CONDIZIONI DI VITA REALE PER L'IDENTIFICAZIONE DI BIOMARKER DELLO STATO DI TOLLERANZA AL GLUCOSIO

Oggigiorno, il monitoraggio continuo del glucosio (CGM) rappresenta uno strumento efficace per il trattamento insulinico e la gestione del diabete. Recentemente, questi dispositivi sono stati introdotti anche per l’analisi della risposta glicemica in soggetti sani. In particolare, i sistemi CGM, associati a sistemi di supporto alla decisione clinica, costituiscono un’opzione innovativa per la prevenzione, grazie alla minore invasività rispetto ai metodi tradizionali, alla praticità d’uso e al maggiore coinvolgimento del paziente. Questo studio si basa su dati CGM tratti da un dataset open access disponibile online, relativi a 11 soggetti senza diagnosi di diabete e non supervisionati: durante il periodo di raccolta, i partecipanti hanno mantenuto le proprie abitudini quotidiane, senza seguire diete prestabilite. Tali dati sono stati impiegati per addestrare un modello di clustering con il fine di individuare dei biomarker associati allo stato di tolleranza al glucosio. Sono stati analizzati i profili glicemici post-prandiali in finestre di tre ore e sono state estratte diverse metriche CGM. I dati sono stati normalizzati, suddivisi in training e testing, e analizzati tramite due algoritmi di clustering non supervisionato: K-Means e Linkage. I cluster ottenuti con entrambi i modelli sono stati valutati mediante tecniche statistiche come l’Anova test e il calcolo dell’indice di Silhouette e l’indice di Dunn. I risultati mostrano un’accuratezza del 72.6% per K-Means e del 67.9% per Linkage, avendo considerato la composizione dei macronutrienti dei pasti, i livelli di HbA1c e le metriche CGM estratte come variabili di outcome. L’analisi finale dei cluster ottenuti rappresenta un approccio utile per studiare la variabilità glicemica, offrendo spunti preliminari per future ricerche e potenzialmente contribuendo allo sviluppo di strumenti predittivi per la diagnosi precoce del prediabete. Tuttavia, sono necessari ulteriori approfondimenti e perfezionamenti per ottenere risultati più chiari e affidabili, soprattutto in considerazione del ridotto numero di partecipanti, che rappresenta un limite significativo dello studio.