Noninvasive Self-monitoring of Blood Glucose at Your Fingertips, Literally!: Smartphone-Based Photoplethysmography
Pubblicato su Int J Nutrol 2020; 13:48–52. https://doi.org/10.1055/s-0040-1716498
Abstract (sintesi)
Il diabete è una malattia cronica e uno dei maggiori problemi di salute pubblica a livello mondiale. È una malattia multifattoriale, causata da fattori genetici e abitudini di vita.
Nel 2019 il Brasile aveva 16,8 milioni di persone che vivono con il diabete e si prevede che raggiungerà i 26 milioni di persone entro il 2045.
Vi è una crescente necessità globale di sviluppo di metodi diagnostici non invasivi e di utilizzo della sanità mobile, soprattutto di fronte alla pandemia causata dalla malattia da coronavirus 2019 (COVID-19).
Per il controllo glicemico quotidiano, i pazienti diabetici utilizzano un glucometro portatile per l’automonitoraggio glicemico e hanno la necessità di pungersi i polpastrelli tre o più volte al giorno, generando un enorme disagio per tutta la vita.
Il nostro obiettivo qui è presentare una revisione di studi emergenti molto recenti nel campo della diagnosi non invasiva e sottolineare che la fotopletismografia basata su smartphone (spPPG), alimentata dall’intelligenza artificiale, potrebbe essere una tendenza per l’automonitoraggio dei livelli di glucosio nel sangue.
Nella fotopletismografia, una sorgente luminosa viaggia attraverso i tessuti, interagisce con l’interstizio e con le cellule e le molecole presenti nel sangue.
La riflessione della luce avviene mentre passa attraverso i tessuti biologici e un fotorivelatore può catturare queste interazioni. Quando si utilizza uno smartphone, la torcia integrata è un LED bianco che emette luce e la fotocamera funziona come un fotorilevatore.
Maggiore è la concentrazione di glucosio circolante, maggiore sarà l’assorbanza e, di conseguenza, minore sarà l’intensità della luce riflessa. A causa di questi fenomeni ottici, l’intensità del segnale catturato sarà inversamente proporzionale al livello di glucosio nel sangue.
Inoltre, evidenziamo i cambiamenti microvascolari nella progressione del diabete che possono interferire nei segnali catturato dal fotorilevatore utilizzando spPPG, a causa della diminuzione della perfusione del sangue periferico, che può essere confuso con livelli elevati di glucosio nel sangue.
È necessario creare strategie per filtrare o ridurre l’impatto di questi cambiamenti vascolari nell’analisi del livello di glucosio nel sangue. Le strategie di deep learning possono aiutare la macchina a risolvere queste sfide, consentendo un livello accurato di glucosio nel sangue e una previsione del glucosio interstiziale.