Previsione del peso corporeo informata dal dominio: sfruttamento di sequenze comportamentali e fisiologiche da dispositivi indossabili

La ricerca affronta una lacuna clinica rilevante nel monitoraggio ponderale personalizzato, dove l'indisponibilità di pesate frequenti limita l'uso pratico degli attuali approcci predittivi. Lo studio è innovativo nel suo disegno metodologico perché esclude deliberatamente il peso corporeo contemporaneo e l'IMC dai dati di input, costringendo il modello a inferire i modelli ponderali esclusivamente da variabili comportamentali e fisiologiche quali attività fisica, frequenza cardiaca, sonno e assunzione calorica. Questo rappresenta un cambio di paradigma rispetto agli approcci tradizionali che si affidano a misurazioni dirette del peso, rendendo il sistema più applicabile in contesti dove le pesate frequenti non sono praticabili. Il framework utilizza un'architettura LSTM (Long Short-Term Memory) particolarmente adatta alla modellazione di sequenze temporali, poiché può catturare dipendenze a lungo termine nei dati temporali. La metodologia include una rigorosa separazione a livello partecipante tra set di addestramento, validazione e test, prevenendo la contaminazione dei dati. Il dataset sintetico FitLife360 è stato utilizzato per lo sviluppo e il benchmarking, mentre la validazione reale su PMData con 16 partecipanti su 5 mesi fornisce evidenza di trasferibilità da ambienti controllati a scenari reali. I risultati mostrano che l'LSTM ha conseguito performance superiori rispetto ai modelli di confronto (Random Forest e XGBoost), con guadagni consistenti anche nell'analisi di ablazione delle feature. Tuttavia, gli autori forniscono un'interpretazione appropriatamente cauta, sottolineando che le previsioni a breve termine non devono essere interpretate come misure dirette di cambiamenti adiposi significativi o rischio cardiometabolico, poiché il peso corporeo giornaliero riflette anche variabilità fisiologica transitoria dovuta a fattori come idratazione, ritenzione di liquidi e movimenti intestinali. Lo studio fornisce quindi una fondazione metodologica robusta per future validazioni in coorti più ampie con contesti clinici più definiti.