Esistono dati di letteratura molteplici e inoppugnabili di efficacia preventiva e terapeutica che spingono ormai il diabetologo a suggerire ai pazienti – per lo più in forma generica – di praticare attività fisica regolare. Tuttavia, quando si passa dalla semplice pratica del cammino lento all’esercizio fisico o addirittura allo sport, gli effetti metabolici, la prestazione fisica e il rischio di complicanze acute sono condizionati da tipo, durata, intensità e grado di allenamento oltre che dalla quantità di insulina biodisponibile rendendo così difficile l’attuazione sicura ed efficace di un programma intenso e protratto. In questa luce finora le linee guida e raccomandazioni internazionali si sono limitate a consigliare prudenza e l’utilizzo diffuso del cosiddetto “metodo dei tentativi ed errori”. Tuttavia, per il notevole beneficio che l’esercizio fisico apporta al paziente in termini di compenso metabolico globale, prevenzione delle complicanze croniche e qualità di vita, abbiamo ritenuto utile raccogliere in un unico documento quanto di più rilevante espresso sul tema dalla letteratura internazionale integrandolo con i risultati della nostra lunga esperienza nel campo per proporre un percorso diagnostico-terapeutico assistenziale per l’Attività Fisica orientato alla persona con DM sia di tipo 1 sia di tipo 2 come strumento di applicazione pratica valido sia per il diabetologo nella prescrizione, sia per la persona con DM nella realizzazione.

PAROLE CHIAVE PDTA; esercizio fisico; insulina; metodo; motivazione.

L’ipotesi è che l’uso di fibrina ricca di leucociti e piastrine (L-PRF) nell’osteomielite da ulcera su piede diabetico, consenta il recupero da questa grave patologia. In questo studio, l’obiettivo era di standardizzare l’utilizzo di L-PRF in pazienti con osteomielite, per utilizzare questo concentrato piastrinico di seconda generazione, come facilitatore della guarigione.

Gli autori hanno prodotto e utilizzato membrane L-PRF da sangue periferico in 3 pazienti (tutti i diabetici) con osteomielite con lesioni cutanee da almeno 6 mesi. Le membrane, insieme al liquido surnatante derivato dalla compressione, sono state inserite nella lesione cutanea fino all’osso dopo uno sbrigliamento chirurgico. È stata analizzata l’evoluzione delle lesioni nel tempo.

Tutti e tre i pazienti hanno avuto positività al test Probe-to-Bone, la RMN ha rilevato ispessimento cortico-periosteale e/o focolai di osteolisi della cortico-spongiosa in adiacenza dell’ulcera. Batteri Gram-positivi sono stati trovati nei nostri pazienti nel 52% dei casi. Cocci Gram +, come S. Aureus (15,6%), S. β-emolitico (12,1%), S. Viridans (7,1%) e Bacilli Gram- come Pseudomonas (10,6%), Proteus (7,8%), Enterobacter (5,7%) sono presenti. Candida è presente nel 2,8%. L’emocromo non mostrava alterazioni importanti.

Ad oggi, le lesioni cutanee sono guarite in tutti e tre i pazienti trattati (un paziente da più di due anni) senza segni di infezione, né di recidive.

L’uso di L-PRF nell’osteomielite da piede diabetico migliorerà la nostra comprensione sulla guarigione delle ferite, in particolare nella terapia rigenerativa delle lesioni cutanee croniche. I risultati ottenuti sui nostri pazienti suggeriscono che le membrane L-PRF possano essere un’opzione terapeutica in questa patologia di difficile trattamento.

Negli ultimi due anni le informazioni digitali di tutto il mondo sono più che raddoppiate e questa tendenza è destinata ad aumentare in modo esponenziale generando enormi moli di dati elettronici: i Big Data. La medicina è uno dei principali protagonisti di questa crescita a motivo di quattro importanti fenomeni: la digitalizzazione della diagnostica per immagini, la reportistica digitale in sostituzione delle cartelle cartacee, lo sviluppo di biotecnologie impiegate nel campo delle cosiddette scienze “omiche”, l’esplosione dell’IoMT (internet of medicalthings). Attraverso le tecniche di Machine learning i computer sono in grado di imparare dai dati, senza essere stati esplicitamente programmati per questo, generando modelli predittivi. L’intelligenza artificiale comprende sistemi informatici che possono eseguire attività che normalmente richiedono intelligenza umana, come la percezione visiva, il riconoscimento del linguaggio, prendere delle decisioni, tradurre da una lingua all’altra. È in atto una rivoluzione culturale, tecnologica e scientifica centrata sull’applicazione dell’apprendimento automatico a database di grandissime dimensioni. Intelligenza Artificiale, visione artificiale e sistemi di apprendimento automatico stanno dimostrando che oggi le macchine analizzano grandi quantità di dati più velocemente e meglio degli esseri umani. Il nuovo paradigma di una scienza che “simula il ragionamento umano” ha instillato dubbi sul fatto che questo fenomeno sia sotto il controllo umano. La presente revisione fornisce una sintesi ed un glossario sulle tecnologie di intelligenza artificiale in medicina e sulle principali criticità che il loro utilizzo può generare, nella prospettiva che l’apprendimento automatico non sia una bacchetta magica che può trasformare i dati in oro, ma uno strumento prezioso, sempre più necessario per la medicina ed il sistema sanitario moderno, la cui complessità oggi supera la capacità della mente umana. L’intelligenza umana che lavora con l’Intelligenza Artificiale – cioè un clinico ben informato, empatico, dotato di rigorosi strumenti predittivi e di guida nelle scelte e alleggerito dal lavoro ingrato e ripetitivo – può portare ad avvicinarsi maggiormente alla realizzazione della vera “cura per il paziente”.

PAROLE CHIAVE intelligenza artificiale; analisi dei big data; scelte cliniche guidate; comportamento umano; assistenza medica.

Da tempo quasi ogni momento della nostra attività quotidiana ha a che fare con il mondo digitale e sta cambiando il nostro modo di fare i diabetologi. Il concetto di Digital Health o Salute Digitale riguarda la sinergia sempre più inscindibile creatasi tra le tecnologie medicali avanzate, l’innovazione e la comunicazione digitale. L’utilizzo del Machine Learning genera maggiore valore dai dati, in quanto oltre ad effettuare analisi di tipo descrittivo, (reportistica del passato), consente di identificare delle correlazioni ed esprimere delle “predizioni” con ragionamenti di tipo induttivo, tipici della mente umana. In campo diabetologico questi strumenti di analisi potrebbero individuare nuovi fattori di rischio sia nell’insorgenza del diabete, sia nell’insorgenza delle complicanze, sia indirizzare nelle scelte terapeutiche. L’ulteriore sofisticazione nell’esame dei dati è l’analisi prescrittiva: i software di Machine Learning in grado di esplicitare le regole alla base dei modelli predittivi consentono delle simulazioni di tipo what-if per capire se e come, attraverso la modifica di alcuni fattori, si possano migliorare gli outcome, selezionando in questo modo i comportamenti ottimali. La Diabetologia si trova ad affrontare diverse sfide: il numero sempre minore di diabetologi, il numero crescente dei pazienti, la riduzione del tempo di visita, la sempre maggiore complessità della patologia sia dal punto di vista clinico sia assistenziale, la difficoltà di raggiungimento degli obiettivi, il carico crescente di gestione della patologia sia per l’operatore sanitario sia per il paziente, l’accessibilità alle cure e la sostenibilità. Le nuove tecnologie digitali e l’utilizzo dell’intelligenza artificiale rappresentano sicuramente una grande opportunità. Questo lavoro rappresenta, dopo attenta revisione della letteratura, la posizione di AMD su questo scottante tema che può diventare uno strumento di grande evoluzione scientifica, quando ben governato.

Nella prospettiva di AMD l’utilizzo dell’Intelligenza Artificiale permetterà di trasformare i dati (descriptive), in conoscenza dei fattori che “condizionano” il comportamento e le correlazioni (predictive) fino ad identificare i fattori chiave in grado di ottenere un miglioramento dei risultati attesi (prescriptive) diventando strumento di grande supporto tecnico per aiutare il diabetologo, che resta artefice insostituibile, ad una presa in carico completa del singolo paziente garantendo una medicina di precisione e personalizzata e permettendo la formulazione di percorsi di cura sempre più precisi costruiti secondo criteri di Evidence che restano alla base di ogni scelta terapeutica.

PAROLE CHIAVE intelligenza artificiale, analisi dei Big data, scelte cliniche guidate, organizzazione della cura del diabete, assistenza medica.