Dati su sonno e temperatura da dispositivi indossabili supportano la rilevazione non invasiva del diabete mellito in un’analisi retrospettiva su larga scala

Perché il tuo sonno e il calore corporeo potrebbero rivelare un diabete nascosto

Milioni di persone convivono con il diabete senza saperlo, in parte perché i test standard vengono di solito eseguiti solo dopo la comparsa di sintomi che destano preoccupazione. Questo studio pone una domanda semplice ma potente: gli anelli e gli orologi intelligenti che molte persone già indossano potrebbero segnalare in modo silenzioso i primi segni del diabete, molto tempo prima di una visita clinica? Analizzando mesi di dati su sonno, battito cardiaco e temperatura corporea provenienti da migliaia di volontari, i ricercatori mostrano che i comuni dispositivi indossabili possono cogliere cambiamenti sottili e persistenti nell’organismo che sono fortemente associati al diabete.

Anelli intelligenti come finestre sulla salute

Il team ha utilizzato i dati di oltre 33.000 persone che usano un popolare anello intelligente che registra la frequenza cardiaca, la variabilità della frequenza cardiaca, le fasi del sonno e la temperatura alla superficie del dito. Tra questi utenti, quasi 11.000 hanno dichiarato di non essere mai stati diagnosticati con il diabete, mentre 389 hanno riportato una diagnosi di diabete. Per oltre quattro mesi nel 2020, l’anello ha registrato quanto velocemente batteva il loro cuore di notte, quanto variavano quei battiti, quanto a lungo e con quale efficienza dormivano, e come la temperatura del dito aumentava e diminuiva tra giorno e notte. Da questi flussi continui, gli scienziati hanno costruito 36 misure notturne progettate per catturare non solo medie semplici, ma anche i ritmi giornalieri e la complessità delle variazioni di temperatura corporea durante il sonno.

Pattern nascosti nel sonno e nella temperatura corporea

Quando i ricercatori hanno confrontato i gruppi, le persone che dichiaravano di avere il diabete apparivano costantemente diverse rispetto a quelle senza diagnosi. In media avevano frequenze cardiache notturne più alte, una minore variabilità della frequenza cardiaca (segno di un sistema nervoso meno flessibile), un sonno leggermente più breve e un’ampiezza giorno–notte della temperatura del dito ridotta. Il team ha inoltre creato caratteristiche di temperatura più avanzate che descrivono quanto sia stabile il ritmo della temperatura su 24 ore e quanto sia intricato il modello minuto-per-minuto della temperatura nel cuore della notte. Queste misure più ricche si sono rivelate particolarmente informative, suggerendo che il diabete rimodella silenziosamente il modo in cui il corpo regola il calore e il sonno su molte notti, non solo in singoli istanti.

Addestrare algoritmi a riconoscere il rischio

Per verificare se questi segnali da indossabili potessero effettivamente distinguere gli individui con diabete, il team ha addestrato modelli di machine learning su finestre mobili di dati da 1 a 21 notti. L’idea era che se il diabete produce spostamenti piccoli ma persistenti nella fisiologia, diverse settimane di misurazioni dovrebbero rendere tali spostamenti più evidenti. Proprio questo hanno trovato: usare una sola notte di dati dava prestazioni modeste, ma inserire 14 o 21 notti consentiva al miglior modello di raggiungere un’elevata accuratezza (un AUROC di circa 0,88) e una buona precisione. In altre parole, oltre tre settimane di utilizzo tipico a casa sono state sufficienti perché l’algoritmo separasse le persone con diabete da quelle senza, molto meglio del caso.

Differenziare il diabete da altre malattie croniche

Molte condizioni croniche, come l’ipertensione o l’apnea notturna, possono anch’esse disturbare il sonno e i ritmi cardiaci. I ricercatori temevano che il loro modello potesse semplicemente rilevare lo “stato di malattia” in generale piuttosto che il diabete in particolare. Per testarlo, hanno esaminato persone che dichiaravano di non avere il diabete ma riportavano un’altra malattia cronica. Quegli individui non hanno ricevuto punteggi simili al diabete in modo significativamente più alto rispetto alle persone che non riportavano alcuna condizione cronica. Crucialmente, quando il team ha rimosso le caratteristiche di temperatura più avanzate dal modello, le persone con altre malattie croniche hanno cominciato a essere confuse più spesso per casi di diabete. Questo dimostra che i pattern dettagliati della temperatura corporea aiutano il sistema a essere più specifico per il diabete, invece di segnalare ogni tipo di problema di salute.

Cosa potrebbe significare per la salute quotidiana

Infine, gli autori hanno verificato quanto il loro miglior modello funzionerebbe in una popolazione più realistica, dove solo una minoranza di persone ha il diabete. Anche in questo test più impegnativo, usando migliaia di utenti in più e mantenendo un tasso tipico di diabete, il sistema ha comunque rilevato molto più segnale rispetto al caso. Per un lettore non esperto, il messaggio è chiaro: settimane di dati semplici e passivi da un anello o da un orologio — come dormi, come si comporta il tuo cuore di notte e come la temperatura della pelle sale e scende — contengono informazioni sufficienti a segnalare una fisiologia coerente con il diabete. Pur non sostituendo gli esami del sangue, questo indica una direzione futura in cui gli indossabili quotidiani suggeriscono in modo discreto chi dovrebbe sottoporsi ai test prima, e forse aiutano a monitorare le condizioni croniche sullo sfondo della vita di tutti i giorni.

Citazione: Viswanath, V.K., Navaneethan, S., Burks, J.H. et al. Sleep and temperature data from wearable devices support noninvasive detection of diabetes mellitus in a large-scale, retrospective analysis. Commun Med 6, 223 (2026). https://doi.org/10.1038/s43856-026-01501-0

Parole chiave: dispositivi indossabili, schemi del sonno, temperatura corporea, rilevazione del diabete, salute digitale