ALGORITMI E SISTEMI DI CONTROLLO PER IL MONITORAGGIO DEL DIABETE

The goal of this thesis work is to present and describe automated approaches for diabetes control, and ultimately, to compare the accuracy among multiple Machine Learning (ML) models used for predicting whether a patient is in a diabetic state or not. The comparison of prediction models was conducted using Python. The research activities were supplemented through the analysis of scientific articles related to the studied topics, selected through scientific research web portals such as Google Scholar and IEEE Xplore. After an initial introduction to diabetes and the study methodologies used to address diabetes, the thesis work is divided into three additional chapters: in the second chapter, automated applications used for diabetes monitoring are discussed, along with examples and future research objectives; in the third chapter, all the data science processes performed on the initial dataset are detailed, leading to a comparison of the accuracy among the implemented Machine Learning algorithms; in the final chapter, the conclusions of the thesis work are presented.

L’obiettivo del lavoro di tesi è quello di presentare e descrivere gli approcci automatizzati per il controllo del diabete e, infine, confrontare l’accuratezza tra più modelli di Machine Learning (ML) utilizzati per la previsione di un paziente in stato diabetico o meno. Il confronto tra i modelli di predizione è stato effettuato con Python. Le attività di ricerca sono state integrate attraverso l’analisi di articoli scientifici inerenti alle tematiche studiate e selezionati attraverso portali web di ricerca scientifica quali GoogleScholar e IEEExplore. Dopo una prima introduzione al diabete e alle metodologie di studio usate per trattare il diabete, il lavoro di tesi è stato articolato in altri 3 capitoli : nel secondo capitolo vengono trattate applicazioni automatiche usate per il monitoraggio del diabete, con esempi e obiettivi futuri per la ricerca; nel terzo capitolo, tutte le lavorazioni di ‘data science’ fatte sul dataset di partenza, fino al confronto dell’accuratezza tra gli algoritmi di Machine Learning implementati; nell’ultimo capitolo le conclusioni del lavoro di tesi