The Dematerialisation of Metabolism: Endocrine Digital Twins between Clinical Validation, AI-Spoofing and Healthcare Data Sovereignty
La tecnologia dei gemelli digitali sta emergendo come un paradigma trasformativo nella medicina di precisione, con implicazioni particolari per l'endocrinologia e la cura del diabete. Integrando dati continui provenienti da sensori, dispositivi indossabili, profili genomici e modelli di fisiologia computazionale, i gemelli digitali endocrini possono fornire una rappresentazione dinamica e individualizzata dello stato metabolico del paziente, supportando la previsione degli eventi, l'ottimizzazione terapeutica e la rilevazione precoce delle complicanze. Allo stesso tempo, la crescente complessità algoritmica dei sistemi a ciclo chiuso introduce nuove vulnerabilità: manipolazione avversaria degli input dei sensori (IA-spoofing), fallimenti di fiducia lungo la catena sensore–inferenza–azione e la sfida più ampia della sovranità dei dati nelle architetture sanitarie dipendenti dal cloud. Questi problemi acquisiscono una particolare rilevanza clinica nei sistemi di somministrazione di insulina a circuito chiuso, dove l'integrità dei dati condiziona direttamente la sicurezza del paziente e i risultati terapeutici. Questo articolo presenta una revisione narrativa strutturata del gemello digitale endocrino da quattro prospettive complementari: maturità clinica e metodologica, panorama delle minacce alla cybersecurity, quadro normativo (GDPR, UE AI Act, MDR 2017/745, NIS2) e governance dei dati sanitari nei contesti italiano ed europeo. Sono state identificate sei lacune critiche nella letteratura attuale e viene proposta un'agenda di ricerca insieme a una checklist per la governance operativa per guidare un'adozione clinica responsabile.
Authors
- J. Faroni
- Glauco Messina
Institutions
- IRCCS Istituto Auxologico Italiano (IT)
Publication Details
- Journal
- Zenodo (CERN European Organization for Nuclear Research)
- Published
- 2026-06-27
- DOI
- https://doi.org/10.5281/zenodo.20959239
- Primary Topic
- Diabetes Management and Research
- Type
- preprint