Ritmo circadiano e sindrome metabolica: studio su 272 adulti

Uno studio trasversale pubblicato su JMIR Medical Informatics (2025) ha analizzato i dati di 272 persone di una coorte di cittadini di Daejeon, in Corea del Sud: 88 con sindrome metabolica e 184 senza nessuno dei suoi criteri. Ognuna ha indossato un dispositivo da polso per almeno cinque giorni feriali, che registrava minuto per minuto battito, passi e sonno. Dai dati sono stati ricavati 26 indicatori, fra marcatori del sonno (orario di metà sonno, tempo totale di sonno) e marcatori del ritmo circadiano.

Per capire quali indicatori contassero di più, gli autori hanno usato modelli di intelligenza artificiale esplicabile (XAI). I marcatori del ritmo circadiano, soprattutto quelli ricavati dal battito, sono risultati più associati alla sindrome metabolica dei marcatori del sonno.

La sindrome metabolica è la combinazione di obesità addominale, resistenza all'insulina, ipertensione arteriosa, ipertrigliceridemia e basso HDL.

È associata a un rischio maggiore di diabete di tipo 2 e di malattie cardiovascolari.

L'intelligenza artificiale esplicabile (XAI): non solo risultati, anche spiegazioni

A differenza di molti modelli di intelligenza artificiale, la XAI non dà solo un risultato: mostra quali variabili hanno contato di più, in quale direzione e con quale peso. In medicina conta, perché chi legge un risultato deve capire perché il modello dice quello che dice. Lo studio ha usato tre metodi diversi: SHAP, explainable boosting machine e una rete neurale per dati tabellari.

In tutti i modelli, il marcatore più importante è stato uno nuovo, proposto dagli autori: l'energia del ritmo circadiano ricavata dal battito (CCE), più bassa nelle persone con sindrome metabolica. Hanno contato anche altri marcatori ricavati dal battito, come l'ampiezza relativa del ritmo e il periodo di minore attività.

I marcatori del sonno, invece, non hanno raggiunto la significatività statistica e sono comparsi solo come fattori secondari. Il CCE ha mantenuto il suo peso anche tenendo conto di età, sesso e indice di massa corporea. È uno studio trasversale: descrive un'associazione in un gruppo, non un rischio personale.

Battito e passi registrati da un orologio o da un braccialetto sono gli stessi tipi di dato usati in questo studio, ma gli indicatori circadiani dello studio non sono una funzione dell'app. Il Gemello Digitale mette in fila i dati che i tuoi dispositivi scrivono sul telefono, come passi, battito e sonno, e te ne mostra l'andamento nel tempo. Non stima il rischio di sindrome metabolica e non fa diagnosi: questa ricerca descrive gruppi di persone, non te. Per leggere i tuoi valori c'è il tuo medico.