Table of Contents

Το Διαδίκτυο των Πραγμάτων (IoT) έχει αναδειχθεί ως μια μετασχηματιστική δύναμη στην υγειονομική περίθαλψη, ιδιαίτερα στη διαχείριση χρόνιων καταστάσεων όπως ο διαβήτης. Με πάνω από 37 εκατομμύρια Αμερικανούς να ζουν με διαβήτη σύμφωνα με το Centers for Disease Control and Prevention[], η ανάγκη για κλιμακούμενες, εξατομικευμένες στρατηγικές θεραπείας δεν ήταν ποτέ μεγαλύτερη. IoT συσκευές ⁇ που κυμαίνονται από συνεχείς οθόνες γλυκόζης και έξυπνες συσκευές ινσουλίνης για να φθαρεί trackers καταλληλότητας ⁇ χρησιμοποιούνται ένα επίπεδο συλλογής και ανάλυσης δεδομένων σε πραγματικό χρόνο που ήταν προηγουμένως ανέφικτη.

Ο διευρυνόμενος ρόλος των συσκευών IoT στην φροντίδα του διαβήτη

Οι συσκευές IoT στην φροντίδα του διαβήτη δεν περιορίζονται πλέον σε βασικά μέτρα γλυκόζης αίματος. Σήμερα, ένα οικοσύστημα διασυνδεδεμένων αισθητήρων, εγχυτήρων και ανιχνευτών δραστηριότητας συνεχώς μεταδίδει δεδομένα ασθενών σε πλατφόρμες που βασίζονται σε σύννεφα όπου αναλύεται και λειτουργεί. Αυτή η συνεχής ροή πληροφοριών επιτρέπει στους παρόχους υγειονομικής περίθαλψης να δουν την πλήρη εικόνα της καθημερινής ζωής ενός ασθενούς ⁇ όχι μόνο στιγμιότυπα από επισκέψεις κλινικής. Με την ενσωμάτωση δεδομένων από πολλαπλές πηγές, η εξατομικευμένη ιατρική γίνεται μια ζωντανή, διαδικασία αναπνοής που προσαρμόζεται σε σχεδόν πραγματικό χρόνο.

Συνεχής παρακολούθηση της γλυκόζης (CGM)

Οι συνεχείς οθόνες γλυκόζης είναι ίσως οι πιο επιρρεπείς συσκευές IoT για τη διαχείριση του διαβήτη. Αυτοί οι μικροί, φορητοί αισθητήρες μετρούν τα διαστατικά επίπεδα γλυκόζης κάθε λίγα λεπτά, μεταδίδοντας μετρήσεις ασύρματα σε δέκτη, smartphone ή αντλία ινσουλίνης. Σύγχρονα συστήματα CGM όπως το ]Dexcom G7 και το FreeStyle Libre 3 του Abbott προσφέρουν υψηλή ακρίβεια, παρατεταμένες περιόδους φθοράς (μέχρι 14 ημέρες), και προαιρετικές δυνατότητες απομακρυσμένης παρακολούθησης. Για ασθενείς με διαβήτη τύπου 1, τα CGMs μειώνουν δραματικά το βάρος των τεστ δακτύλου και παρέχουν ειδοποιήσεις για επικίνδυνα υπογλυκαιμικά συμβάντα πριν εμφανιστούν συμπτώματα. Για ασθενείς τύπου 2, τα δεδομένα CGM αποκαλύπτουν πώς η διατροφή, η άσκηση και τα φάρμακα αλληλεπιδρούν καθ' όλη τη διάρκεια της ημέρας, επιτρέποντας στους κλινικούς να λεπτοπαθείς ή ινώδη σχήματα με ακρίβεια.

Η πραγματική δύναμη της CGM έγκειται στην ικανότητά της να ανιχνεύει τάσεις και μοτίβα. Ένας ασθενής μπορεί να παρατηρήσει ότι η γλυκόζη του αίματός τους αιχμές προγνωστικά μετά το πρωινό καφέ ή βουτιές κατά τη διάρκεια της απογευματινής άσκησης. Οπλισμένοι με αυτή τη γνώση, μπορούν να ρυθμίσουν την πρόσληψη υδατανθράκων ή το χρονοδιάγραμμα της ινσουλίνης boluses αναλόγως. Προηγμένα συστήματα CGM τώρα ενσωματώνουν προγνωστικούς αλγορίθμους που προβλέπουν επίπεδα γλυκόζης 20 ⁇ 30 λεπτά στο μέλλον, δίνοντας στους ασθενείς χρόνο να δρουν προορατικά. Όταν ενσωματώνονται με ηλεκτρονικά αρχεία υγείας (EHRs), τα δεδομένα CGM populate ταμπλό που επιτρέπουν ενδοκρινολόγους να παρακολουθούν εκατοντάδες ασθενείς εξ αποστάσεως, δίνοντας προτεραιότητα σε εκείνους με ανησυχητικές τάσεις.

Έξυπνες Πένες ινσουλίνης και Συνδεδεμένοι Έγχυοι

Ενώ τα CGMs παρακολουθούν τη γλυκόζη, οι έξυπνες συσκευές τύπου πένας ινσουλίνης παρακολουθούν την άλλη πλευρά της εξίσωσης: την παροχή ινσουλίνης. Αυτές οι συσκευές με δυνατότητα ενεργοποίησης Bluetooth καταγράφουν αυτόματα τη δόση, τον τύπο της ινσουλίνης, τη χρονική στιγμή της ένεσης, ακόμη και το σημείο της ένεσης του ασθενούς. Τα δεδομένα συγχρονίζονται με τις συνοδές κινητές εφαρμογές όπως το σύστημα InPen, το οποίο παρέχει υπενθυμίσεις για χαμένες δόσεις, υπολογίζει την πρόσληψη με βάση τα τρέχοντα επίπεδα γλυκόζης και καταγράφει την ιστορική χρήση. Για τους ασθενείς που εξαρτώνται από την ινσουλίνη, αυτό αφαιρεί την εικασία από τις αποφάσεις δοσολογίας και βοηθά στην πρόληψη της επικίνδυνης στοίβαξης ινσουλίνης λόγω ξεχασμένων δόσεων.

Ένας γιατρός που εξετάζει τα δεδομένα ενός ασθενούς μπορεί να δει ότι με συνέπεια υποδοσολόγηση κατά το μεσημεριανό γεύμα ή παραλείψτε τις ενέσεις πριν από το κρεβάτι, και μπορεί να αντιμετωπίσει αυτά τα πρότυπα συμπεριφοράς κατά τη διάρκεια των επισκέψεων τηλευγείας. Μερικές έξυπνες πένες είναι συμβατές με τα συστήματα CGM, δημιουργώντας έναν κύκλο ανατροφοδότησης κλειστού χρόνου όπου οι ενδείξεις γλυκόζης και οι δόσεις ινσουλίνης συσχετίζονται αυτόματα. Αυτή η ενσωμάτωση μειώνει το γνωστικό φορτίο στους ασθενείς και έχει αποδειχθεί ότι βελτιώνει το χρονικό εύρος (το ποσοστό των επιπέδων της γλυκόζης χρόνου παραμένουν εντός του στόχου) κατά 8-10% σε κλινικές μελέτες.

Φορητοί Εντοπιστές και Παρακολούθηση Δραστηριότητας

Η σωματική δραστηριότητα είναι ένας κρίσιμος τροποποιήσιμος παράγοντας στη διαχείριση του διαβήτη. Φορητοί ιχνηλάτες φυσικής κατάστασης ⁇ από προηγμένα smartwatchs όπως το Apple Watch σε ειδικές ζώνες όπως Fitbit ή Garmin ⁇ μέτρα βήματα, καρδιακός ρυθμός, ποιότητα ύπνου, ακόμη και επίπεδα στρες. Όταν συνδυάζονται με τα δεδομένα του διαβήτη, αυτές οι μετρήσεις παρέχουν πλαίσιο για διακυμάνσεις της γλυκόζης. Για παράδειγμα, μια υψηλή γλυκόζη κατά τη διάρκεια της νύχτας μπορεί να γίνει καλύτερα κατανοητή υπό το φως της κακής διάρκειας του ύπνου ή της αυξημένης καρδιακής συχνότητας ανάπαυσης λόγω της ασθένειας. Ομοίως, η προκαλούμενη από άσκηση υπογλυκαιμία μπορεί να αναμένεται με ανάλυση της έντασης της δραστηριότητας και του χρόνου σε σχέση με τα γεύματα και την ινσουλίνη.

Ορισμένες πλατφόρμες συνδυάζουν τώρα CGM και δεδομένα δραστηριότητας για να δημιουργήσουν εξατομικευμένες συστάσεις. Ένας ασθενής που κάνει 20 λεπτά με τα πόδια γρήγορα μετά το δείπνο μπορεί να δει έναν αλγόριθμο να προσαρμόζει την αναλογία ινσουλίνης- προς-carb για τα επόμενα γεύματα. Κατά τη διάρκεια εβδομάδων και μηνών, αυτές οι μικρο-ρυθμίσεις ένωση σε σημαντικές βελτιώσεις στον γλυκαιμικό έλεγχο. Επιπλέον, παρακολούθηση ύπνου βοηθά στον εντοπισμό συσχετισμών μεταξύ κακή ποιότητα ύπνου και υψηλότερα επίπεδα γλυκόζης νηστείας, προωθώντας παρεμβάσεις όπως ρυθμίσεις σνακ κατάκλισης ή συμβουλές υγιεινής ύπνου.

Πλατφόρμες ενσωμάτωσης δεδομένων και το ψηφιακό οικοσύστημα υγείας

Η πραγματική αξία του IoT στην φροντίδα του διαβήτη προκύπτει όταν τα δεδομένα από πολλαπλές πηγές συγκεντρώνονται και αναλύονται συνεκτικά. Πλατφόρμες όπως η Glooko, η Tidepool, και η εφαρμογή mySugr συλλέγουν πληροφορίες από CGM, έξυπνες πένες, trackers φυσικής κατάστασης, και ακόμη και εφαρμογές διατροφής, παρουσιάζοντας το σε ενοποιημένα ταμπλό. Αυτές οι πλατφόρμες χρησιμοποιούν τη μάθηση μηχανών για να δημιουργήσουν ενεργές διορατικές πληροφορίες - για παράδειγμα, επισημαίνοντας μια ασθενή της οποίας η μεταβλητότητα της γλυκόζης έχει αυξηθεί σημαντικά κατά την τελευταία εβδομάδα. Οι πάροχοι υγειονομικής περίθαλψης μπορούν να έχουν πρόσβαση σε αυτά τα ταμπλό μέσω ασφαλών πυλών, επιτρέποντας την προληπτική διαχείριση και όχι τις επισκέψεις αντιδραστικών.

Όταν η CGM και τα έξυπνα δεδομένα στυλό ρέουν απευθείας στο ιατρικό ιστορικό ενός ασθενούς, οι γιατροί μπορούν να λάβουν αποφάσεις που βασίζονται στα δεδομένα κατά τη διάρκεια των καθημερινών ραντεβού. Για παράδειγμα, ένας γιατρός πρωτοβάθμιας φροντίδας που βλέπει έναν διαβήτη τύπου 2 μπορεί να τραβήξει μια τάση CGM δύο εβδομάδων παράλληλα με το τελευταίο αποτέλεσμα HbA1c, προσαρμόζοντας τα φάρμακα επιτόπου. Αυτή η απρόσκοπτη ενσωμάτωση μειώνει το διοικητικό φόρτο και υποστηρίζει ένα μοντέλο φροντίδας που βασίζεται στην αξία, όπου τα αποτελέσματα, όχι όγκο, οδηγούν την επιστροφή.

Οφέλη του IoT στην εξατομικευμένη ιατρική διαβήτη

Η στροφή προς την εξατομικευμένη ιατρική με δυνατότητα IoT αποφέρει συγκεκριμένα, μετρήσιμα οφέλη σε όλη τη διαδρομή του ασθενούς.

Προσαρμοσμένη θεραπεία

Τα δεδομένα IoT αποκαλύπτουν μεμονωμένες απαντήσεις στα τρόφιμα, το άγχος, την άσκηση και τα φάρμακα. Οι γιατροί μπορούν στη συνέχεια να σχεδιάσουν σχήματα που ταιριάζουν με τη μοναδική φυσιολογία και τον τρόπο ζωής του ασθενούς. Για παράδειγμα, ένας ασθενής που εργάζεται νυχτερινές βάρδιες μπορεί να έχει εντελώς διαφορετικές ανάγκες ινσουλίνης από έναν 9- σε-5 εργαζόμενο γραφείου. Εξατομικευμένοι αλγόριθμοι μπορούν να προτείνουν βασικά ποσοστά, bolus χρονοδιάγραμμα, και προγράμματα δραστηριότητας που ελαχιστοποιούν εκδρομές γλυκόζης σε όλη τη διάρκεια ενός μη γραμμικού προγράμματος.

Πρόωρη Ανίχνευση και Πρόληψη των Επιπλοκών

Συνεχής παρακολούθηση αλιεύει λεπτές τάσεις που οι συμβατικές δοκιμές αστοχούν. Ταχεία αύξηση της μεταβλητότητας της γλυκόζης ή μείωση της νύχτας μπορεί να είναι πρώιμοι δείκτες των επικείμενων επιπλοκών, όπως η υπογλυκαιμία άγνοια ή διαβητική κετοξέωση. Τα συστήματα IoT μπορούν να ειδοποιήσουν τους ασθενείς και φροντιστές ώρες πριν από την ανάπτυξη μιας έκτακτης ανάγκης, επιτρέποντας προληπτικές προσαρμογές. Με την πάροδο του χρόνου, διατηρώντας σφιχτό γλυκαιμικό έλεγχο με τη βοήθεια των συσκευών IoT μειώνει τον κίνδυνο των μακροπρόθεσμων επιπλοκών όπως νευροπάθεια, αμφιβληστροειδοπάθεια, και καρδιαγγειακή νόσο.

Βελτιωμένη Προσκόλληση και Αρραβώνια Ασθενών

Οι έξυπνες συσκευές χρησιμοποιούν υπενθυμίσεις, οπτική ανάδραση και ευκρίνεια για να κρατήσουν τους ασθενείς απασχολημένους. Μια έξυπνη συσκευή τύπου πένας που δονείται αν λείπει μια δόση γεύματος ή μια εφαρμογή CGM που εμφανίζει ένα χαμογελαστό πρόσωπο όταν η γλυκόζη παραμένει σε εύρος για αρκετές ώρες, ενισχύει τις θετικές συμπεριφορές. Οι ασθενείς γίνονται ενεργοί διαχειριστές της υγείας τους και όχι παθητικοί αποδέκτες συνταγών. Μελέτες έχουν δείξει ότι οι ασθενείς που χρησιμοποιούν συνδεδεμένες συσκευές τύπου πένας ινσουλίνης επιτυγχάνουν υψηλότερα ποσοστά προσκόλλησης σε σύγκριση με τις παραδοσιακές συσκευές τύπου πένας, και οι χρήστες CGM εμφανίζουν 30 ⁇ 40% περισσότερο χρόνο σε εύρος σε σύγκριση με εκείνους που χρησιμοποιούν μόνο δοκιμές δακτύλου.

Ενισχυμένη Επικοινωνία μεταξύ Ασθενών και Παροχέων

Η τηλευγεία σε συνδυασμό με τα δεδομένα IoT επιτρέπει παραγωγικές, πλούσιες σε δεδομένα διαβουλεύσεις. Ένας ασθενής μπορεί να μοιραστεί τη γλυκόζη, τη δραστηριότητα και τα δεδομένα ινσουλίνης με τον ενδοκρινολόγο τους κατά τη διάρκεια μιας εικονικής επίσκεψης 15 λεπτών, επιτρέποντας εστιασμένες συζητήσεις σε συγκεκριμένες τάσεις. Αυτό αντικαθιστά αόριστες αναφορές ασθενών (“Νομίζω ότι το σάκχαρό μου ήταν εντάξει”) με αντικειμενικά στοιχεία, μειώνοντας την εικασία και επιταχύνοντας τις προσαρμογές της θεραπείας.

Προκλήσεις και Προκλήσεις στην Εφαρμογή IoT για Διαβήτη

Παρά τα σαφή πλεονεκτήματα, η ευρεία υιοθέτηση του IoT στην φροντίδα του διαβήτη αντιμετωπίζει αρκετά εμπόδια που πρέπει να αντιμετωπιστούν για να πραγματοποιηθούν πλήρως οι δυνατότητές του.

Προστασία δεδομένων και ασφάλεια

Τα προσωπικά δεδομένα υγείας είναι μεταξύ των πιο ευαίσθητων πληροφοριών που διαθέτει ένα άτομο. Οι συσκευές IoT δημιουργούν μια συνεχή ροή αναγνώσεων γλυκόζης, δόσεων ινσουλίνης, προτύπων δραστηριότητας, και ακόμα και δεδομένων τοποθεσίας (αν συγχρονίζονται με smartphones). Αυτά τα δεδομένα αποθηκεύονται σε υπηρεσίες νέφους και μεταδίδονται μέσω ασύρματων δικτύων, δημιουργώντας πιθανά σημεία έκθεσης. κανονισμοί όπως η HIPAA στις Ηνωμένες Πολιτείες απαιτούν αυστηρές διασφαλίσεις, αλλά το οικοσύστημα των κατασκευαστών συσκευών, προγραμματιστών εφαρμογών και παρόχων νέφους πολλαπλασιάζει την επιφάνεια επίθεσης. Οι ασθενείς και οι κλινικοί πρέπει να επιλέξουν πλατφόρμες που προσφέρουν κρυπτογράφηση από το τέλος έως το τέλος, ισχυρή πιστοποίηση και σαφείς πολιτικές χρήσης δεδομένων.

Διαλειτουργικότητα και τυποποίηση δεδομένων συσκευής

Με δεκάδες μοντέλα CGM, έξυπνες πένες και trackers φυσικής κατάστασης στην αγορά, μια μεγάλη πρόκληση είναι να τους πάρει να μιλήσουν μεταξύ τους και με τα υπάρχοντα συστήματα πληροφορικής υγείας. Μορφές δεδομένων ποικίλουν ⁇ κάποια χρήση Bluetooth χαμηλής ενέργειας, άλλοι χρησιμοποιούν ιδιόκτητα APIs. Η έλλειψη καθολικών προτύπων σημαίνει ότι οι ασθενείς μπορεί να χρειάζονται πολλαπλές εφαρμογές για να δουν τα δεδομένα τους, και οι πάροχοι μπορεί να αγωνιστούν να ενσωματώσουν όλες τις πηγές σε μια ενιαία ροή εργασίας EHR. Πρωτοβουλίες όπως το HL7 FHIR πρότυπο και το Προφίλ Ιατρικής Συσκευής Bluetooth στοχεύουν στη βελτίωση της διαλειτουργικότητας, αλλά η πρόοδος είναι αργή. Μέχρι οι συσκευές να μοιραστούν απρόσκοπτα δεδομένα, η υπόσχεση ενός ενιαίου εξατομικευμένου ταμπλό ιατρικής παραμένει μερικώς μη πραγματοποιημένη.

Εμπόδια κόστους και πρόσβασης

Ενώ η τιμή των αισθητήρων CGM και έξυπνων στυλό έχει μειωθεί τα τελευταία χρόνια, εξακολουθούν να μην είναι καθολικά προσιτές ή καλύπτονται από την ασφάλιση. Πολλοί ασθενείς αντιμετωπίζουν υψηλό κόστος εκτός του πορτοφολιού, ειδικά για προηγμένα συστήματα με προγνωστική ανάλυση. Οι ανισότητες στην πρόσβαση υπάρχουν κατά μήκος κοινωνικοοικονομικών και γεωγραφικών γραμμών, με τους πληθυσμούς αγροτικών και χαμηλών εισοδημάτων λιγότερο πιθανό να επωφεληθούν από IoT-ενεργή φροντίδα. Η αντιμετώπιση αυτών των κενών απαιτεί αλλαγές πολιτικής, μεταρρυθμίσεις επιστροφής, και καινοτόμα μοντέλα παράδοσης, όπως υπηρεσίες συνδρομής συσκευών ή επιδοτούμενα προγράμματα για ανασφάλιστους ασθενείς.

Υπερφόρτωση δεδομένων και Κόπωση Αποφάσεως

Η συνεχής εισροή αριθμών και ειδοποιήσεων μπορεί να οδηγήσει σε κόπωση συναγερμού, άγχος και εξάντληση. Οι ασθενείς μπορεί να κατακλύζονται από την ανάγκη να παρακολουθούν συνεχώς και να αντιδρούν στις τάσεις της γλυκόζης. Τα αποτελεσματικά συστήματα IoT πρέπει να εξισορροπούν την πυκνότητα πληροφοριών με φιλικές προς το χρήστη διεπαφές που παρουσιάζουν ενεργές εννοιώσεις χωρίς θόρυβο. Οι μελλοντικές πλατφόρμες κινούνται όλο και περισσότερο προς την «παθητική» παρακολούθηση όπου το σύστημα προειδοποιεί μόνο όταν η ανθρώπινη παρέμβαση είναι πραγματικά απαραίτητη, στηριζόμενη στην AI για να φιλτράρει τις φυσιολογικές διακυμάνσεις.

Μελλοντικές οδηγίες: AI, Κλειστό-Λουπς, και πέρα

Το επόμενο σύνορο στην εξατομικευμένη φροντίδα του διαβήτη με δυνατότητα IoT είναι η ενσωμάτωση της τεχνητής νοημοσύνης και της μηχανικής μάθησης για τη δημιουργία πλήρως αυτοματοποιημένων συστημάτων κλειστού loop ⁇ συχνά ονομάζεται τεχνητό πάγκρεας. Αυτά τα συστήματα συνδέουν μια CGM με μια αντλία ινσουλίνης μέσω ενός αλγορίθμου ελέγχου που προσαρμόζει την παροχή ινσουλίνης σε απόκριση στα επίπεδα γλυκόζης σε πραγματικό χρόνο. Το Medtronic MiniMed 780G και Tandem t:slim X2 με Control-IQ είναι πρώιμα παραδείγματα που έχουν ήδη δείξει ανώτερα αποτελέσματα σε σύγκριση με την παραδοσιακή αντλία ή πολλαπλή καθημερινή θεραπεία ένεσης. Καθώς αυτοί οι αλγόριθμοι γίνονται πιο εξελιγμένοι, θα ενσωματώνουν δεδομένα από φθαρτά (δραστηριότητα, άγχος), υλοτομία τροφίμων (χρησιμοποιώντας αναγνώριση εικόνας), και ακόμη και ορμονικούς κύκλους για την πρόβλεψη εκδρομών γλυκόζης πριν εμφανιστούν.

Πέρα από κλειστούς βρόχους, εμφυτεύσιμοι αισθητήρες CGM που διαρκούν μήνες ή χρόνια βρίσκονται σε ανάπτυξη, μειώνοντας το βάρος των συχνών αντικαταστάσεων αισθητήρων. Έξυπνα χάπια που μεταδίδουν θέση στο πεπτικό σύστημα για να πληροφορήσουν το χρόνο απορρόφησης της ινσουλίνης βρίσκονται επίσης στον ορίζοντα. Εν τω μεταξύ, αποκεντρωμένες κλινικές δοκιμές και μελέτες στοιχείων πραγματικού κόσμου είναι η μόχλευση δεδομένων IoT για την επιτάχυνση των εγκρίσεων και της παρακολούθησης μετά την κυκλοφορία. Ο συνδυασμός IoT και AI θα μετατοπίσει πιθανώς τη διαχείριση του διαβήτη από μια αντιδραστική πειθαρχία σε μια προγνωστική και προληπτική, όπου οι επιπλοκές αποτρέπονται πριν εκδηλωθούν.

Συμπέρασμα

Οι συσκευές IoT δεν είναι πλέον πειραματικά εξαρτήματα στην φροντίδα του διαβήτη ⁇ γίνονται απαραίτητα συστατικά εξατομικευμένης θεραπείας. Από τις συνεχείς οθόνες γλυκόζης που αποκαλύπτουν κρυμμένα μοτίβα σε έξυπνες συσκευές τύπου πένας ινσουλίνης που βελτιώνουν την προσκόλληση και τα φθαρτά που συντελούν στην επίτευξη των διακυμάνσεων της γλυκόζης, το οικοσύστημα δεδομένων δίνει τη δυνατότητα στους ασθενείς και τους παρόχους να εργάζονται μαζί με πρωτοφανή ακρίβεια. Ενώ οι προκλήσεις γύρω από την ιδιωτικότητα, τη διαλειτουργικότητα και το κόστος παραμένουν, η τροχιά είναι σαφής: Η εξατομικευμένη ιατρική με βάση το IoT θα συνεχίσει να εξελίσσεται, καθιστώντας τη διαχείριση του διαβήτη πιο αποτελεσματική, λιγότερο επαχθής, και τελικά πιο δίκαιη. Για τους ασθενείς, τους κλινικούς και τα συστήματα υγείας έτοιμα να αγκαλιάσουν αυτά τα εργαλεία, το μέλλον της φροντίδας του διαβήτη είναι ήδη εδώ ⁇ και είναι προσωπικό.