Modelli matematici predittivi, intelligenza artificiale, dati da biosensori e rigorosi presìdi etici. Con questa metodologia innovativa per la prevenzione del diabete di tipo 2 si conclude il progetto europeo Praesiidium, finanziato nell’ambito del programma Horizon Europe - Cluster 1 Health, che mira a comprendere e prevedere la transizione dal prediabete alla malattia conclamata, fornendo strumenti concreti per agire prima della comparsa dei sintomi. L’iniziativa, sviluppata da un consorzio multidisciplinare che riunisce esperti europei clinici, biologi, matematici, data scientist, esperti di etica e partner industriali, propone quindi un nuovo paradigma per l’identificazione precoce dei fattori di rischio e per l’intervento preventivo personalizzato. Nell’ambito delle attività del consorzio, la Fondazione Italiana Fegato FIF ha svolto un ruolo su 2 assi principali. Nella ricerca di biomarcatori per l’identificazione precoce del prediabete, guidata da Pablo Giraudi, la FIF ha contribuito all’indagine e alla validazione di biomarcatori associati ad infiammazione durante le prime fasi delle alterazione metaboliche. “Questo lavoro rappresenta un elemento essenziale per migliorare l’accuratezza dei sistemi predittivi e rafforzare l’affidabilità della diagnosi preventiva, rendendo l’intercettazione precoce del rischio una prospettiva concreta e clinicamente applicabile”, dichiara Giraudi. Sotto la responsabilità di Natalia Rosso, la FIF ha curato il coordinamento delle attività di comunicazione e diffusione dei risultati, garantendo trasparenza, coerenza e accessibilità delle informazioni: “L’impegno della FIF ha permesso di valorizzare i progressi scientifici e tecnologici del progetto non solo all’interno del consorzio, ma anche presso decisori istituzionali, comunità clinica, stakeholder e cittadini”, afferma Rosso.
LA PIATTAFORMA
La piattaforma prototipale sviluppata nell’ambito del progetto rappresenta un avanzamento significativo nella prevenzione del prediabete, integrando in un unico ecosistema digitale dati clinici e storici, biomarcatori validati, informazioni provenienti da sensori indossabili, indicatori comportamentali e ambientali, i quali vengono successivamente analizzati da modelli matematici e algoritmi di intelligenza artificiale trasparenti e spiegabili. Questa architettura non solo consente di prevedere il rischio e intercettare in anticipo le traiettorie verso il diabete di tipo 2, ma ne chiarisce anche i determinanti biologici e comportamentali. La spiegazione delle cause alla base delle previsioni costituisce un elemento chiave per favorire l’adozione clinica, rafforzare la fiducia degli operatori sanitari e supportare decisioni preventive più tempestive ed efficaci.
I RISULTATI
I risultati attesi da Praesiidium puntano a rafforzare in modo concreto la capacità dei Sistemi sanitari di prevenire e intercettare precocemente il rischio metabolico, sostenendo programmi strutturati di screening e prevenzione, percorsi personalizzati di monitoraggio e intervento, strategie sanitarie fondate su evidenze predittive e modelli di governance dei dati trasparenti e eticamente solidi. Il progetto ribadisce la necessità di considerare la prevenzione non soltanto come atto clinico, ma come priorità strategica di sanità pubblica, richiedendo un impegno congiunto tra Istituzioni, comunità medico-scientifica e cittadini, affinché la previsione del rischio si traduca in reale riduzione dell’incidenza del diabete di tipo 2.
