Il numero di donne affette da diabete gestazionale è aumentato notevolmente negli ultimi 10 anni, sia in Finlandia che a livello mondiale. Nel progetto di sviluppo di CleverHealth Network, la gestione del diabete gestazionale viene supportata da un nuovo modello di servizio digitale in tempo reale.
Nell’ambito del progetto è stata sviluppata un’applicazione mobile a supporto del percorso terapeutico, che misura e registra in tempo reale sul cloud i livelli glicemici continui della madre, l’attività fisica, l’alimentazione, la frequenza cardiaca e il peso giornaliero. Uno studio randomizzato controllato condotto nell’ambito del progetto ha dimostrato che l’applicazione mobile migliora l’autogestione del diabete gestazionale.
– Intervenendo sugli stili di vita e sull’alimentazione durante la gravidanza, è probabile che si possa ridurre il numero di madri affette da diabete di tipo 2, nonché i rischi per la salute che si trasmettono al bambino, migliorando così anche la salute delle generazioni future. Abbiamo dimostrato, attraverso studi scientifici, che l’applicazione aiuta la paziente a comprendere in che modo l’alimentazione e l’attività fisica influenzano i livelli di glicemia e l’andamento del peso, e, di conseguenza, sull’andamento della gravidanza e sulla salute del neonato», spiega Saila Koivusalo, specialista in ginecologia e ostetricia e responsabile della ricerca del progetto.
Le informazioni vengono trasmesse in tempo reale tramite l’applicazione al personale sanitario, che, se necessario, può fornire indicazioni e supporto nell’apprendimento. L’applicazione si integra quindi nel percorso terapeutico senza risultare isolata, il che rappresenta il principale vantaggio rispetto ad altre applicazioni sanitarie.
– Grazie a questo servizio, possiamo offrire cure ancora migliori e all’avanguardia. Inoltre, l’introduzione del servizio renderà più efficiente il processo di cura delle pazienti affette da diabete gestazionale, poiché si prevede una riduzione del numero di visite che richiedono il ricovero in ospedale, afferma Koivusalo.
Nella fase successiva del progetto si ricorrerà all’apprendimento automatico, che consentirà di personalizzare l’assistenza e le cure in base al profilo di rischio del paziente e alle sue esigenze individuali. L’intelligenza artificiale consente inoltre di formulare previsioni sulla salute futura sia della madre che del nascituro.
– Ciò significa, ad esempio, prevedere i livelli futuri di glucosio e il peso del neonato in un modo senza precedenti. Grazie a queste previsioni, l’applicazione fornisce automaticamente un riscontro e offre consigli su come adottare scelte compensative, afferma Koivusalo.
PUBBLICAZIONI
Määttänen S, Koivusalo S, Ylinen H, Heinonen S, Kytö M. (2025). «Supporting Self-Management in Persons with Gestational Diabetes: The Effect of eMOM Mobile Application on Self-Discovery and Psychological Factors – A Mixed-Methods Study.» JMIR mHealth and uHealth (accettato per la pubblicazione). DOI: 10.2196/60855
Kytö, M., Hotta, S., Niinistö, S., Marttinen, P., Korhonen, T. E., Markussen, L. T., Jacucci, G., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Virtanen, S., Heinonen, S., & Koivusalo, S. B. (2024). L’applicazione mobile periodica (eMOM) con monitoraggio autonomo della glicemia e dello stile di vita migliora il trattamento del diabete gestazionale controllato con la dieta senza l’assistenza di un operatore sanitario: uno studio randomizzato controllato. American Journal of Obstetrics and Gynecology. https://doi.org/10.1016/j.ajog.2024.02.303
Hotta, S., Kytö, M., Koivusalo, S., Heinonen, S. e Marttinen, P. (2024). Ottimizzazione della previsione della glicemia postprandiale attraverso l’integrazione di dieta ed esercizio fisico: sfruttamento del transfer learning con dati dei pazienti sbilanciati. PLoS ONE, 19 (8 agosto). https://doi.org/10.1371/journal.pone.0298506
Kytö, M., Koivusalo, S., Tuomonen, H., Strömberg, L., Ruonala, A., Marttinen, P., Heinonen, S. e Jacucci, G. (2023). Supporto alla gestione del diabete mellito gestazionale attraverso un monitoraggio autonomo completo: studio con metodi misti sui sensori indossabili. JMIR Diabetes, 8, e43979. https://doi.org/10.2196/43979
Kytö, M., Strömberg, L., Tuomonen, H., Ruonala, A., Koivusalo, S. B. e Jacucci, G. (2022). App per il cambiamento comportamentale nella gestione del diabete gestazionale: analisi delle caratteristiche auspicabili. International Journal of Human-Computer Interaction, 38(12), 1095–1112. https://doi.org/10.1080/10447318.2021.1987678
Kytö, M., Koivusalo, S., Ruonala, A., Strömberg, L., Tuomonen, H., Heinonen, S. e Jacucci, G. (2022). App per il cambiamento comportamentale finalizzata all’autogestione del diabete gestazionale: progettazione e valutazione delle caratteristiche auspicabili. JMIR Human Factors, 9(4), e36987. https://doi.org/10.2196/36987
Kytö, M., Markussen, L. T., Marttinen, P., Jacucci, G., Niinistö, S., Virtanen, S. M., Korhonen, T. E., Sievänen, H., Vähä-Ypyä, H., Korhonen, I., Heinonen, S., & Koivusalo, S. B. (2022). Monitoraggio completo della glicemia e dello stile di vita tramite un’applicazione mobile nella gestione del diabete gestazionale: protocollo di studio per una sperimentazione clinica randomizzata controllata (studio eMOM GDM). BMJ Open, 12(11), e066292. https://doi.org/10.1136/bmjopen-2022-066292
Zhang, G., Ashrafi, R. A., Juuti, A., Pietiläinen, K. e Marttinen, P. (2020). Modellizzazione con errori nelle variabili delle traiettorie personalizzate di risposta al trattamento. IEEE Journal of Biomedical and Health Informatics, 25(1), 201-208.
Ashrafi, R. A., Ahola, A. J., Rosengård-Bärlund, M., Saarinen, T., Heinonen, S., Juuti, A., Marttinen, P. e Pietiläinen, K. H. (2021). Modellizzazione computazionale dell’effetto dell’assunzione di carboidrati nella dieta, riferita dai pazienti stessi, sulle concentrazioni di glucosio in pazienti sottoposti a bypass gastrico Roux-en-Y rispetto a quelli sottoposti a bypass gastrico a singola anastomosi. Annals of Medicine, 53(1), 1885–1895. https://doi.org/10.1080/07853890.2021.1964035
In collaborazione con
Ulteriori informazioni
Mikko Kytö, responsabile dello sviluppo, ingegnere di tecnologia, docente associato, mikko.kyto[at]hus.fi
Saila Koivusalo, specialista in ginecologia e ostetricia, LT, docente associato, saila.koivusalo[at]hus.fi
