Una persona con diabete potrebbe un giorno controllare il rischio di ipoglicemia semplicemente soffiando in un dispositivo? L’idea sembra futuristica, ma nasce da un principio concreto: nel respiro sono presenti composti organici volatili, piccole molecole prodotte dai processi metabolici e trasportate fino ai polmoni. In uno studio pubblicato il 2 agosto 2026 su Scientific Reports, ricercatori dell’Università di Berna hanno analizzato gli “spettri chimici” del fiato di persone con diabete di tipo 1 attraverso una tecnica chiamata gascromatografia-spettrometria di mobilità ionica. Una rete neurale convoluzionale ha poi cercato di capire in quale dei tre stati si trovasse ogni partecipante: digiuno, periodo successivo al pasto oppure ipoglicemia indotta con insulina. Il punto non è che l’IA abbia misurato direttamente il glucosio: ha riconosciuto la firma complessiva lasciata nel respiro dai cambiamenti metabolici.
L’esperimento ha coinvolto dieci adulti, sei donne e quattro uomini, con un’età media di 28,5 anni e un diabete mediamente ben controllato. Ognuno ha partecipato a due sessioni, durante le quali i ricercatori hanno raccolto campioni in condizioni standardizzate, portando la glicemia nella fascia ipoglicemica compresa fra 2,6 e 3,9 millimoli per litro. Il modello ha raggiunto un’accuratezza bilanciata media dell’86,6%, una misura che considera la capacità di riconoscere correttamente tutte le categorie, e una specificità superiore al 92%. Ma il numero più importante per interpretare il risultato è un altro: la sensibilità nel riconoscere l’ipoglicemia è stata del 78,3%, inferiore a quella ottenuta per il digiuno e per la fase post-prandiale. In termini semplici, nel test l’algoritmo non ha individuato correttamente circa un episodio ipoglicemico su cinque. Un modello informatico tradizionale ha inoltre ottenuto prestazioni numeriche leggermente migliori: il vantaggio della rete neurale è stato soprattutto riuscire a lavorare su dati poco pretrattati, resistendo meglio alle variazioni prodotte dallo strumento.
L’IA non si è limitata a fornire una risposta, ma ha evidenziato le zone dello spettro che pesavano maggiormente sulla classificazione. Acetone e 2-propanolo sono comparsi soprattutto nel digiuno, isoprene e metanolo durante l’ipoglicemia, mentre etanolo è stato associato alla fase successiva al pasto. Nessuna di queste molecole, presa da sola, può però essere considerata un “misuratore” specifico della glicemia: dieta, attività fisica, microbiota, malattie concomitanti e sostanze presenti nell’ambiente possono modificare il profilo del respiro. C’è poi un ostacolo decisivo. La maggior parte degli errori osservati all’inizio dell’ipoglicemia si è verificata subito dopo la somministrazione di insulina, quando il glucosio era già sceso ma il fiato non era ancora cambiato abbastanza. Il respiro potrebbe quindi mostrare l’ipoglicemia con un ritardo fisiologico, proprio nel momento in cui un sistema di allarme dovrebbe essere più rapido.
La prudenza è dunque essenziale. Si tratta di una prova di fattibilità monocentrica, condotta in laboratorio su dieci giovani adulti molto selezionati: erano esclusi fumatori e persone con complicanze diabetiche, malattie cardiache o polmonari. Il modello è stato valutato mediante validazione incrociata sugli stessi partecipanti, non su una popolazione esterna e indipendente, e il rapporto fra l’enorme quantità di dati analizzati e il numero di persone aumenta il rischio di sovradattamento dell’algoritmo. Gli stessi autori sottolineano inoltre che flusso dell’espirazione, durata del respiro, alimentazione, microbiota e condizioni ambientali non sono stati controllati completamente. Non esiste ancora un apparecchio tascabile capace di sostituire sensori sottocutanei o pungidito, né lo studio dimostra che il respiro possa prevenire in tempo reale un calo glicemico. Oggi l’ipoglicemia è definita da una concentrazione di glucosio inferiore a 70 mg/dL e deve continuare a essere verificata con i sistemi validati. La prospettiva più realistica è quella di un futuro “naso elettronico” complementare: non un sostituto dei dispositivi attuali, ma uno strumento aggiuntivo da sperimentare su centinaia di persone, a casa e durante la normale vita quotidiana.
⸻
Nicolier C., Kerber D., Bissoto A. et al., “Alignment-free convolutional neural network classification of glycemic states in type 1 diabetes from GC–IMS breath spectra”, Scientific Reports, pubblicato online il 2 agosto 2026. DOI: 10.1038/s41598-026-64471-2. Lo studio è una prova di fattibilità condotta su dieci persone con diabete di tipo 1 e non dimostra ancora l’efficacia di un dispositivo utilizzabile nella pratica clinica.