ANALISI E SVILUPPO DI RETI NEURALI MULTI-INPUT PER LA PREDIZIONE DEL LIVELLO GLICEMICO IN PAZIENTI DIABETICI DI TIPO 1 = ANALYSIS AND DEVELOPMENT OF MULTI-INPUT NEURAL NETWORKS FOR THE PREDICTION OF BLOOD GLUCOSE IN TYPE 1 DIABETIC PATIENTS

Il diabete mellito è una malattia che si vince solo quando la si conosce. La conoscenza passata permette di risolvere le complicazioni in atto, mentre la conoscenza del futuro permette di evitarle. E' proprio in questo scenario che si inserisce il lavoro Tesi, che si pone come obiettivo quello di approfondire e adattare le tecniche di Machine Learning per predire il livello glicemico di pazienti affetti da diabete mellito di tipo 1. I Una volta illustrate le basi della malattia e la teoria del neurone artificiale, saranno mostrati tutti gli elementi che caratterizzano le reti Convoluzionali, note come CNN, e un particolare tipo di rete ricorrente, nota come LSTM. I risultati mostrano che quest'ultima tipologia, inserita in un particolare costrutto chiamato encoder-decoder, raggiunge dei valori paragonabili allo stato dell'arte e si propone come una solida architettura per la costruzione di un modello che predice il livello di glucosio nel sangue sia nel corto che nel medio-lungo termine. La validazione avverrà secondo le più utilizzate e accettate metriche sia dal punto di vista analitico (RMSE, FIT, MAD, etc..) sia dal punto di vista clinico (Clarke Error Grid).