فناوری پانکوراس مصنوعی و نقش آن در کاهش پیچیدگی های طولانی مدت دیابت

تاثیر بر پیچیدگی های طولانی مدت دیابت

هدف نهایی درمان دیابت جلوگیری یا به تاخیر انداختن عوارض مزمن است که کیفیت زندگی را از بین می برد و منجر به مرگ و میر زودرس می شود. توانایی پانکراس مصنوعی برای دستیابی به کنترل پایدار و نزدیک به طبیعی گلیسمی آن را به عنوان یک ابزار قدرتمند در این مبارزه است.

Retinopathy

رتینوپاتی دیبیاتیک همچنان یک علت اصلی نابینایی در میان بزرگسالان کار-دمپاتی است (هر دو تشکیل میکروآرشیسم و ماکولا به طور مستقیم با قرار گرفتن در معرض هیپرگلیسمی تجمعی (A1c) مرتبط است. DCCT نشان داد که درمان فشرده (A1LT ~7٪) خطر پیشرفت رتینوپاتی را با 76٪ مقایسه با درمان معمولی (~0٪) به طور مداوم کاهش می دهد.

Nephropathy

بیماری کلیوی دیبیتیک تا ۴۰ درصد از افراد مبتلا به دیابت نوع ۱ را تحت تاثیر قرار می دهد و علت اصلی بیماری های کلیوی در مرحله انتهایی است. Hyperfiltration، گسترش mesangial Development و فیبروز نشان داد که در طول مدت نزدیک به nga در گروه DCCT، افزایش فیبروپاتی را کاهش می دهد که در حال حاضر به عنوان یک عامل کنترل مستقیم و گلییک بیماری است.

عصب شناسی

نوروپاتی محیطی دیبیتیک (DPN) باعث درد، از دست دادن احساس، و علت اصلی زخم پا و قطع عضو است. DCCT / گلیسمی نشان داد که درمان فشرده توسعه نوروپاتی بالینی تایید شده توسط 69٪ است.در حالی که اغلب طول می کشد سال به آشکار، حافظه متابولیک ایجاد شده توسط کنترل گلیسم زودرس و پایدار حیاتی است.

بیماری های قلبی عروقی

بیماری قلبی عروقی (CVD) علت اصلی مرگ در دیابت است. Hyperگلیسمی کمک می کند تا اختلال عملکرد پایان اندام، آترواسکلروز شتاب داده و آسیب پذیری پلاکی را افزایش دهد. DCCT /EDIC نشان داد که درمان فشرده خطر هر رویداد را با 42٪ کاهش می دهد و عوارض عمده قلبی عروقی (MACE) توسط 57٪ سیستم های پانکراس مصنوعی، که بیماران را قادر می سازد تا به اهداف واقعی برسند، جلوگیری از آن جلوگیری کنند، به کاهش می تواند کمک کند تا این مزایای بیماری های آلرژیک و بیماری های طبیعی کمک کند.

کاهش تنوع پذیری Glycemic

یک جنبه اغلب نادیده گرفته شده از جلوگیری از عوارض گلیسمیک variability (GV) - انگشتان بین بالا و پایین است. بالا GV با افزایش استرس اکسیداتیو و التهاب همراه است، مستقل از سیستم های ماکروواس، با طبیعت آنها، سفرهای گلوکز صاف، به ویژه مطالعات شبه و پس از آن نشان داده اند که سیستم های مسدود شده GV عروقی به عنوان کاهش ضریب میکرو (به احتمال زیاد) در کاهش مقیاس های کوچک (5٪) به طور بالقوه.

محدودیت های فعلی و چالش ها

علی رغم وعده های آنها، سیستم های پانکراس مصنوعی هنوز کامل یا در دسترس نیستند.

هزینه و دسترسی

هزینه پیش رو یک سیستم (CGM، پمپ، تدارکات) می تواند بیش از 6000 دلار باشد، با هزینه های جاری ماهانه برای سنسورها و مجموعه های تزریق. پوشش بیمه به طور گسترده ای متفاوت است و بسیاری از بیماران، به ویژه در کشورهای کم درآمد و متوسط، نمی توانند هزینه این سیستم ها را کاهش دهند و دسترسی را از طریق سیاست های درمانی و گزینه های عمومی گسترش دهند.

User Burden و Education

کاربران هنوز باید کربوهیدرات ها را حساب کنند، CGM (در برخی از سیستم ها) را کالیبره کنند و به هشدارهای هشدار دهند. شمارش صحیح کربوهیدرات یا اعلام غذا از دست رفته می تواند منجر به مصرف بیش از حدگلیسمی شود.با موفقیت نیاز به آموزش اولیه و سواد فنی دارد که می تواند مانعی برای بزرگسالان یا کسانی باشد که مهارت های محدود دارند.

دقت سنسور و قابلیت اطمینان

الگوریتم تنها به اندازه داده هایی که دریافت می کند خوب است. سنسورهای CGM می توانند به دلیل فشرده سازی، مداخله یا حرکت سنسور نادرست شوند.خوان های اررونی می توانند منجر به تحویل انسولین نامناسب در هر نقطه در سیستم شوند (اختلال سنسور، انحصار پمپ، عفونت) نیاز به کاربر برای بازگشت به مدیریت دستی.

غذا و ورزش

سیستم های هیبریدی فعلی بدون ورودی کاربر، سیستم های حلقه ای کاملا بسته با افزایش سریع گلوکز پس از یک وعده غذایی با کربوهیدرات بالا مبارزه می کنند، ورزش - که می تواند باعث کاهش سریع و تغییرات حساسیت به انسولین شود - باعث می شود که الگوریتم ها با یادگیری سازگار بهبود یابند، اما مداخله دستی اغلب مورد نیاز است.

عوامل روانشناختی

برخی از کاربران " خستگی سلاح" را تجربه می کنند یا بیش از حد به سیستم وابسته می شوند. اعتماد به الگوریتم برای تحویل انسولین به صورت خودکار می تواند دشوار باشد، در مقابل، بیش از حد اعتماد سیستم و نادیده گرفتن هشدار می تواند منجر به کتواس دیابتی (DKA) اگر تزریق شکست بخورد.

مسیر های آینده

این زمینه به سرعت به سمت سیستم های کاملا مستقل، دو و یکپارچه پیشرفت می کند.

سیستم های دوگانه-Hormone Systems

اضافه کردن گلوکاگون (یا یک آنالوگ پایدار) در کنار انسولین می تواند یک پانکراس مصنوعی واقعی دوگانه را فعال کند، این امر به نجات خودکار از هیپوگلیسمی و انجام بهتر ورزش و از دست دادن سیستم های تحقیقاتی مانند i اجازه می دهد تا بتا بیونیک ها در آزمایش های دیر مرحله ای قرار گیرند و نتایج بهبود یافته در مقایسه با سیستم های تنها انسولین را نشان دهند.

ادغام با بستر های بهداشت دیجیتال

سیستم های آینده با تلفن های هوشمند، ساعت های هوشمند و تجزیه و تحلیل داده های مبتنی بر ابر ادغام خواهند شد. نظارت از راه دور واقعی توسط مراقبان و ارائه دهندگان مراقبت های بهداشتی ایمنی را افزایش می دهد. هوش مصنوعی و یادگیری ماشین می تواند الگوریتم ها را برای الگوهای فردی بهینه سازی کند، پیش بینی غذا و ورزش از داده های رفتاری.

سنسور های غیر تهاجمی و غیر ایمپلنت

CGM های ایمپلنت طولانی مدت که نیازی به تغییرات مکرر سنسور ندارند می توانند بار تحقیقات را به سنجش نوری غیر تهاجمی یا الکترومغناطیسی کاهش دهند و نیاز به سنسورهای زیر پوستی را به طور کامل از بین ببرند.

فرمول های انسولین بهبود یافته

انسولین های سریع تر (به عنوان مثال، مارمولک های فوق العاده سریع) و انسولین های هوشمند که بر اساس سطح گلوکز آزاد می شوند می توانند عملکرد الگوریتم را بهبود بخشند.

گسترش Indications

کارآزمایی های بالینی در حال بررسی استفاده از پانکراس مصنوعی در دیابت نوع 2، به ویژه در بیماران مبتلا به اختلال کلیوی یا کسانی که نیاز به درمان انسولین فشرده دارند، نتایج اولیه نشان می دهد که کنترل گلیسمیک را بدون افزایش هیپوگلیسمی بهبود می بخشد. FDA [FLT 1 همچنان به حمایت از نوآوری از طریق مسیرهای تسریع شده برای این دستگاه ها ادامه می دهد.