SISTEMI DI SUPPORTO ALLE DECISIONI CLINICHE NEL DIABETE DI TIPO 1: ANALISI PREDITTIVA E RILEVAMENTO DELLE ANOMALIE MEDIANTE DEEP LEARNING E DATI MULTIVARIATI

This thesis focuses on the development of a clinical decision support system for the real-time monitoring of Type 1 Diabetes. The solution integrates a deep learning pipeline based on GRU networks with a double-attention mechanism, capable of predicting glycemic trends by analyzing multivariate time series comprising blood glucose and heart rate data obtained from sensors and wearable devices.

Il presente lavoro di tesi riguarda lo sviluppo di un sistema di supporto alle decisioni cliniche per il monitoraggio in tempo reale del Diabete di Tipo 1. La soluzione integra una pipeline di Deep Learning basata su reti GRU con meccanismo di Double Attention, in grado di prevedere l'andamento glicemico analizzando serie temporali multivariate formate da dati di glicemia e frequenza cardiaca ottenuti da sensori e dispositivi wearable. Il modello predittivo è integrato all'interno di un'architettura software moderna, il sistema include una dashboard web interattiva per la visualizzazione dei valori predetti e dell'andamento clinico.