Validazione e integrazione in un’applicazione mobile di un algoritmo per il rilevamento di pasti in tempo reale basato su dati di monitoraggio in continua del glucosio e battito cardiaco

Le malattie metaboliche, tra cui l'obesità e il diabete, rappresentano un crescente problema di salute pubblica, imponendo sfide organizzative ed economiche. Il monitoraggio accurato delle abitudini alimentari è essenziale nel trattamento di tali condizioni. Tuttavia, i metodi manuali di monitoraggio che sono comunemente utilizzati sono limitati e soggetti a errori. Di conseguenza, la ricerca e lo sviluppo di algoritmi per il tracciamento automatico dei pasti al fine di supportare i pazienti in modo più efficace è molto presente e attiva negli ultimi anni. In questo contesto, il gruppo di bioingegneria del Dipartimento di Ingegneria dell'Informazione dell'Università di Padova ha sviluppato un algoritmo per la rilevazione dei pasti, basato su segnali fisiologici come la frequenza cardiaca e il glucosio. In questa tesi, si sono verificate le performance dell'algoritmo su popolazioni diverse da quelle di sviluppo e lo si è integrato in un'applicazione per l'utilizzo in tempo reale da parte degli utenti. La verifica è stata svolta su una popolazione di donne prediabetiche che hanno raccolto dati per una settimana con sensori di misurazione in continua della glicemia e uno smartwatch per la misura del battito cardiaco. L’algoritmo si è dimostrato efficace anche in questa popolazione, richiedendo minime modifiche in alcuni parametri, facilmente adattabili alla specifica popolazione in modo automatico. Attraverso la traduzione dell'algoritmo in un pacchetto Dart e lo sviluppo di un prototipo di interfaccia applicativa, siamo in grado di dimostrare la sua praticità e utilità potenziale in contesti reali. L’applicazione è stata sviluppata per raccogliere i dati in tempo reale dai sensori, eseguire l’algoritmo e restituire all’utente una lista giornaliera dei pasti identificati. In questo modo l’impegno dell’utente per il tracciamento delle proprie abitudini alimentari è ridotto e si garantisce una raccolta automatica di questa informazione cruciale per la terapia. L'algoritmo e la sua implementazione offrono una solida base per futuri studi e applicazioni nel campo della gestione delle malattie metaboliche.