Modelli ARMAX e ARIMAX per la predizione della glicemia in individui con diabete di tipo 1

This paper investigates the use of autoregressive models with exogenous inputs—ARMAX and ARIMAX—for short-term blood-glucose prediction in individuals with type 1 diabetes (T1D). Following a pathophysiological overview of the disease and its main complications, with particular emphasis on hypoglycaemic episodes and their clinical impact, the evolution of continuous glucose-monitoring (CGM) systems is reviewed, together with the crucial role these devices play in the day-to-day management of insulin therapy. The analysis highlights the strengths and limitations of current CGM technology, underscoring how physiological measurement delays and the need for timely interventions make reliable predictive tools indispensable. The methodological section describes the ARMAX and ARIMAX models, outlining their theoretical foundations, the treatment of exogenous inputs (e.g., administered insulin and carbohydrate intake), and parameter-identification strategies. It then details the dataset structure, pre-processing techniques, and evaluation criteria adopted for comparison. Finally, the study offers a critical discussion of the clinical applicability of linear models, considering real-world use scenarios, integration with personalised alerts, and potential developments toward automated decision-support systems. The discussion underscores the importance of interpretable predictive approaches—such as ARMAX and ARIMAX models—that can be integrated with current sensor technology and improve the quality of life of people living with type 1 diabete.

Questo elaborato indaga l’impiego di modelli autoregressivi con ingressi esogeni – ARMAX e ARIMAX – per la predizione a breve termine della glicemia in soggetti con diabete di tipo 1 (type 1 diabetes - T1D). Dopo un inquadramento fisiopatologico della malattia e delle sue principali complicanze, con particolare attenzione agli episodi ipoglicemici e al loro impatto clinico, viene esaminata l’evoluzione dei sistemi di monitoraggio continuo del glucosio (continuous glucose monitoring - CGM) e il ruolo cruciale che tali dispositivi rivestono nella gestione quotidiana della terapia insulinica. L’analisi evidenzia punti di forza e limiti dell’attuale tecnologia CGM, sottolineando come il ritardo fisiologico di misura e la necessità di interventi tempestivi rendano indispensabile lo sviluppo di strumenti predittivi affidabili. Nella parte metodologica si descrivono modelli ARMAX e ARIMAX, illustrandone i presupposti teorici, il trattamento degli input esogeni (ad es. insulina esogena e assunzione di carboidrati) e le strategie di identificazione dei parametri. Vengono poi delineate la struttura del dataset, le tecniche di pre-processing e i criteri di valutazione adottati per il confronto. Lo studio offre infine una discussione critica sull’applicabilità clinica dei modelli lineari, considerando scenari d’uso reali, integrazione con alert personalizzati e potenziali sviluppi verso sistemi di supporto decisionale automatizzato. La trattazione mette in luce l’importanza di approcci predittivi interpretabili, come i modelli ARMAX e ARIMAX, capaci di integrarsi con la sensoristica attuale e di migliorare la qualità di vita di chi convive con il diabete di tipo 1.