Introduzione
Un gruppo di diabetologi italiani dell’Università Federico II di Napoli, capitanati dalla prof.ssa Annamaria Colao, ha voluto studiare il ruolo dell’intelligenza artificiale generativa (GenAI) nella conta dei carboidrati (CC). Sappiamo tutti che la tecnologia è fondamentale nella gestione del diabete tipo 1 (T1D). Ad esempio, i sistemi ibridi ad ansa chiusa permettono di regolare i boli di insulina in base alle fluttuazioni glicemiche. La somministrazione di insulina prima di un pasto richiede anche la CC, che ovviamente può essere influenzata dal grado di conoscenza del soggetto. Non dimentichiamo poi diversi fattori che possono influenzare l’assorbimento dei carboidrati, come ad es. la presenza di grassi. La GenAI potrebbe avere un ruolo nella CC, portando a risultati più precisi.
Disegno dello studio
I ricercatori hanno utilizzato due modelli, ChatGPT-4o (GPT) e Gemini Advanced (Gemini), per la CC in situazioni di vita reale. Cinquanta pasti (25 non preconfezionati, 25 preconfezionati) sono stati analizzati in tre condizioni di vita reale: 1) un contesto sociale con il nome del piatto e le fotografie (dati minimi); 2) un ristorante con nome del piatto, ingredienti dal menù, immagini (dati moderati); e 3) un ambiente domestico con ingredienti completi e grammature (dati completi).
Vediamo di capire come si è proceduto a “sfruttare” la GenAI. Ad esempio, per dati dalla ristorazione, il prompt è stato “Analizza il contenuto di carboidrati di questo piatto in base all’immagine fornita, al nome del piatto: [nome del piatto] e all’elenco degli ingredienti: [elenco degli ingredienti]. Le dimensioni del piatto sono standard”. In contesti sociali sono stati forniti solo il nome e l’immagine del piatto. In contesti domestici, sono stati forniti anche i pesi degli ingredienti.
Il riferimento per la CC di ciascun pasto è stato il software validato MetaDieta, che include un database con oltre 6.500 alimenti. Questo strumento viene costantemente aggiornato con i valori provenienti dai principali database alimentari ufficiali.
Risultati e Conclusioni
Sia GPT che Gemini si sono rivelati strumenti utili nella CC. La loro accuratezza di stima è stata proporzionale rispetto alla contestualità dei dati forniti. Si è osservato un miglioramento progressivo man mano che venivano aggiunti ulteriori dettagli. Entrambi i modelli hanno ottenuto risultati più accurati con i pasti preconfezionati.
GPT e Gemini sono tra gli strumenti più potenti di GenAI. Che si tratti di generare immagini, o di risolvere problemi, è la qualità dei prompt che determina i risultati. Nel caso della CC, oltre al contenuto di carboidrati, è necessario considerare la strategia per definire le unità di insulina prima di un pasto. Diversi composti alimentari (proteine, grassi, fibre) hanno un ruolo nella glicemia postprandiale. L’insieme di questi dati perfezionerebbe gli algoritmi di dosaggio in diversi scenari di vita reale. Oltre alla CC, GenAI potrebbe migliorare la consapevolezza degli utenti sulla composizione dei pasti e sull’apporto nutrizionale, favorendo un migliore dosaggio di insulina in tutte le strategie di gestione del diabete, non solo per i sistemi ibridi ad ansa chiusa.
Da: Nicola Tecce e coll. Diabetes Care. 2025 May 21:dc250303. https://doi.org/10.2337/dc25-0303