Nel 2020 ho sviluppato il prototipo di un glucometro digitale: un Arduino, un sensore di corrente e tensione INA219 collegato via I²C, un display LCD 20×4 anch'esso su I²C e alcune parti meccaniche disegnate in CAD. Il codice è pubblico sul mio GitHub. Lo racconto perché in poche centinaia di righe contiene quasi tutti i problemi di un sistema embedded vero.
Il principio è quello delle strisce reattive: quando la goccia di sangue raggiunge la striscia, la reazione produce una piccola corrente, e la sua ampiezza dipende dalla concentrazione di glucosio. L'INA219 misura la tensione ai capi di uno shunt, cioè la corrente. Per avere più risoluzione sulle correnti piccole ho usato la calibrazione del sensore sul campo 16 V / 400 mA invece di quella predefinita.
Il firmware è una macchina a stati. Prima riconosce l'inserimento della striscia, da una tensione di shunt molto bassa ma non nulla, e chiede sul display di applicare il sangue. Poi aspetta la reazione, individua il picco di corrente e misura circa 4,5 secondi dopo il picco, usando millis() per il tempo. Infine converte la misura in mg/dL con una retta di calibrazione, mostra il risultato e resta in attesa.
Riletto oggi, il codice ha i difetti tipici del prototipo: la macchina a stati è nascosta in cicli while annidati, alcune soglie sono confronti esatti su valori analogici, e i numeri magici della calibrazione sono sparsi nel codice. Oggi lo scriverei con stati espliciti, timeout per ogni attesa, soglie con isteresi e i coefficienti di calibrazione in un unico posto, versionati e documentati.
La lezione più importante però riguarda la calibrazione. Una retta ricavata da poche misure di riferimento funziona per una dimostrazione, non per una persona. Temperatura, lotto delle strisce, ematocrito e tempo di reazione cambiano il risultato. Un dispositivo vero richiede campioni di riferimento, validazione clinica e la certificazione prevista dal regolamento europeo sui dispositivi diagnostici in vitro (IVDR). Questo era un prototipo di studio, non uno strumento per misurare la glicemia.
Perché parlarne in un sito dedicato all'intelligenza artificiale? Perché la stessa disciplina serve quando si mette un modello AI su dati di sensori: sapere da dove viene ogni numero, quanto è affidabile e cosa succede quando è sbagliato. È il filo che lega questo prototipo ai progetti embedded e IoT che seguo oggi.