مدیریت دیابت نوع 1 و به طور فزاینده دیابت نوع 2، نیاز به توجه بی رحم به سطح گلوکز خون، مصرف مواد غذایی، فعالیت فیزیکی و مصرف انسولین دارد، در حالی که این ابزارها قدرتمند هستند، افراد به نشانه های راهنمای دیابت، تزریق انسولین و اخیرا، مانیتورهای مداوم گلوکز (CGMs) و پمپ های انسولین وابسته هستند، در حالی که هنوز نیاز به مداخله قابل توجه کاربر با استفاده از دستگاه های کنترل الکترونیکی دارند (IoT) این سیستم های کنترل مستقیم است.

سیستم های تحویل انسولین بسته IoT-Powered-Loop چیست؟

یک سیستم حلقه بسته تحویل انسولین را بر اساس خواندن گلوکز در زمان واقعی خودکار می کند. حلقه اصلی شامل سه جزء است: CGM که اندازه گیری سطح گلوکز بین المللی، یک الگوریتم کنترل است که دوز انسولین جامع را محاسبه می کند و یک پمپ انسولین که این دوز را ارائه می دهد، هنگامی که این حلقه با قابلیت های IoT افزایش می یابد، بخش سیستم به یک سیستم عامل های اتوماسیون متصل می شود، به انتقال داده های قابل استفاده از راه دور و انتقال داده های مستقل را فراهم می کند و یک سیستم های اتصال فیزیکی و انتقال داده های مستقل را فراهم می کند که این دستگاه های اتصال و یک سیستم های مستقل را فراهم می کند.

تکنولوژی های پایه ای که سیستم های مدرن را قدرتمند می کنند

سیستم های حلقه بسته امروز بر اساس عناصر سریع سخت افزار و نرم افزار ساخته شده اند.هر عنصر باید در کنسرت کار کند تا ایمنی، قابلیت اطمینان و اثربخشی را تضمین کند.

Glucose Monitors پیشرفته (CGMs)

CGMs چشم سیستم حلقه بسته است. دستگاه هایی مانند Dexcom G7 و FreeStyle Libre 3 ، ارائه می دهد قند واقعی هر 1 تا 5 دقیقه دقت آنها، به معنی سنسورهای مطلق (mARD) اندازه گیری شده است که به طور مستقیم تجزیه و تحلیل های هوشمند را انجام می دهند.

پمپ های هوشمند انسولین

پمپ های انسولین از دستگاه های تزریق مداوم به سیستم عامل های تحویل پیچیده تکامل یافته اند. Tandem t:slim X2 با تکنولوژی کنترل حلقه-IQ و سیستم عامل (FLT:2Medtronic MiniMed 780G نمونه هایی از پمپ هایی هستند که به طور خودکار با قابلیت های انتقال بی سیم، اتصال به انسولین، و یا به طور کامل تنظیم میزان تحویل سریع، از طریق انتقال می شوند.

Backbone Wireless Connectivity

ارتباطات قابل اعتماد و کم اعتبار سیستم عصبی یک سیستم قفل بسته IoT (FLT:0) و کم انرژی (BLE) پروتکل غالب برای ارتباط دستگاه بسته به دستگاه های اتصال (CGM برای پمپ، پمپ به تلفن) به دلیل مصرف کم انرژی آن استفاده می شود.

پلتفرم های Cloud و Data Analytics

سیستم عامل های ابر مغزها در پشت اکوسیستم گسترده تر IoT هستند، مانند Tidepool ، ] ، و Dexcom Clarity ساده داده های کلی از CGMs، پمپ ها، پمپ ها و عفونت های بیمار را تنظیم می کند (این اطلاعات را به عنوان یک الگوریتم کنترل دقیق ذخیره می کند، یا به آنها دسترسی دارد.

الگوریتم های کنترل: از قوانین ساده تا AI سازگار

الگوریتم کنترل موتور تصمیم گیری سیستم حلقه بسته است.[۵] الگوریتم های سنتی شامل -Integral-Divative (PID) است که هزاران سطح گلوکز فعلی و میزان تغییر آنها را تنظیم می کند و [F:2.مدل پیش بینی کنترل پیش بینی (MPC) [F] [۳] که آخرین الگوریتم انتقال داده های ذخیره سازی شده توسط یک رژیم غذایی و تنظیم شده توسط یک رژیم غذایی هوشمند است.

روندهای نوظهور و قابلیت های آینده

نسل بعدی سیستم های حلقه بسته با پیشرفت در هوش مصنوعی، چند هورمون درمانی و ادغام عمیق تر با زندگی دیجیتال کاربر شکل خواهد گرفت.

هوش مصنوعی پیش بینی شده برای کنترل فعال

مدل های یادگیری ماشین در پیش بینی ساعت های گشت و گذار گلوکز آینده مهارت قابل توجهی دارند (با آموزش داده های بزرگ که شامل داده های CGM، ورود به انسولین، اطلاعات غذایی و حتی عوامل خارجی مانند الگوهای آب و هوایی و خواب هستند، این مدل ها می توانند پیش از وقوع، پیش بینی کنند که بیش از حدگلیسمی یا حوادث هیپوگلیسمی شدید قبل از اینکه آنها رخ دهند، سیستم از یک موقعیت واکنشی به یک مثال فعال تبدیل می شود.

سیستم های Multi-Hormone-Loop

انسولین به تنهایی یک ابزار قدرتمند اما یک طرفه است که اضافه کردن یک هورمون دوم مانند گلوکاگون، می تواند یک شبکه ایمنی در برابر هیپوگلیسمی ارائه دهد. i اجازه دهید Bio Pancreas ، که توسط بتا Bionics توسعه یافته است، نمونه ای پیشرو از یک سیستم هورمون دو هورمون است که نتایج بالینی بی عیب و نقص را نشان می دهد (به طور کامل از Gagon استفاده می کنند).

ادغام با Wearables و سنسور های سبک زندگی

Smartwatchs، ردیاب های تناسب اندام و حلقه های هوشمند یک جریان غنی از داده ها را در ضربان قلب، دمای پوست، واکنش پوست گالوانیک، فعالیت فیزیکی و کیفیت خواب ایجاد می کنند. استفاده از این داده های حلقه با خواندن CGM می تواند به طور چشمگیری آگاهی زمینه از الگوریتم بسته شدن حلقه را بهبود بخشد. افزایش ناگهانی در ضربان قلب همراه با افزایش دما و گلوکز می تواند نشان دهنده شروع بیماری باشد، به طور واقعی باعث بهبود آگاهی از یک سیستم یکپارچه سازی موقت کاربر می شود.

پیشرفته Telehealth و بهینه سازی از راه دور

COVID-19 اپیدمی به طور دائمی نقش telehealth را در مدیریت بیماری مزمن تغییر داد (سیستم های حلقه بسته IoT به طور فعال برای این بیماران پارادایم جدید مناسب هستند. [۳] دسترسی به زمان واقعی به دستگاه های مراقبت از سیستم خود را تسریع در پردازش داده های سیستم خود را تشویق می کنند و هنگامی که پزشکان می توانند به طور فعال از معیارهای کلیدی مانند Time در محدوده (TIR) بازدید کنند [۳] [۳] [۳] [۳] دسترسی به طور دقیق و تنظیمات مورد نیاز است.

چشم انداز بلند مدت برای عملیات مستقل

سیستم های فعلی بسته حلقه هنوز نیاز به ورودی کاربر، به ویژه برای وعده های غذایی (ارائه مصرف کربوهیدرات) و ورزش.هدف نهایی یک سیستم کاملا مستقل است که مدیریت سطح گلوکز بدون هیچ مداخله دستی است. دستیابی به این نیاز به حل چالش های بسیار دشوار دارد: شناسایی دقیق و مدیریت غذاهای بدون اعلام، انجام نوسانات گلوکز ورزشی و مدیریت داده های IoT نقش کلیدی یادگیری را در اینجا ایفا می کند، و می کند، با شناسایی سیگنال های کنترل و کنترل غذا، و کنترل سیگنال های کاربر از رفتار تاریخی، می تواند از طریق سیگنال های کاربر و کنترل سیگنال های رفتاری تاریخی، و کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، و کنترل سیگنال های کاربر از رفتار تاریخی، کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، و کنترل سیگنال های رفتاری که به طور فزاینده ای از طریق رفتار کاربر، کنترل سیگنال های رفتاری که به طور دقیق و کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، کنترل سیگنال های کاربر، کنترل سیگنال های رفتاری تاریخی، کنترل سیگنال های کاربر و کنترل سیگنال های رفتاری تاریخی، کنترل سیگنال های رفتاری تاریخی، کنترل سیگنال های کاربر، کنترل سیگنال های رفتاری کلیدی، کنترل سیگنال های رفتاری تاریخی، کنترل سیگنال های کاربر و کنترل سیگنال های رفتاری که به طور فزاینده ای از طریق رفتار کاربر و مدیریت

پرداختن به چالش های بحرانی برای اتخاذ گسترده

علی رغم وعده های عظیم، چندین مانع مهم باید برای ایمن سازی سیستم های حلقه بسته IoT، قابل دسترس و قابل اعتماد توسط جامعه دیابت گسترده تر، برطرف شود.

امنیت سایبری و حریم خصوصی داده ها

اتصال بی سیم که این سیستم ها را هوشمند می کند، همچنین یک سطح حمله بالقوه ایجاد می کند. [۱] یک مهاجم پیچیده می تواند از نظر تئوری داده های گلوکز را ردیابی کند، ارتباطات بین دستگاه ها را مسدود کند، یا دستورات تحویل انسولین را تغییر دهد. FDA همچنین باید سیستم های امنیتی را بررسی کند و به کاربران امنیت سیستم های امنیتی نیاز دارد.

مسیر های نظارتی و نسل شواهد

سیستم های حلقه بسته به عنوان دستگاه های پزشکی متوسط به بالا طبقه بندی شده اند، که نیاز به شواهد بالینی دقیق برای نشان دادن ایمنی و اثربخشی دارند. سیستم مصنوعی Pancreas (APDS) هدایت سیستم آزمایش چند منظوره (FLT:1) را برای ارزیابی نتایج نظارت بر محیط زیست در تجزیه و تحلیل های مختلف در زمینه های نظارت بر تغییرات واقعی فراهم کرده است.

قابلیت دسترسی و دسترسی به توافق

هزینه یک سیستم حلقه بسته، از جمله سخت افزار، سنسورها و پمپ ها ([۱]، همچنان یک مانع قابل توجه است.هزینه های اولیه خارج از جیب می تواند از چند هزار دلار تجاوز کند و پوشش بیمه به طور گسترده ای متفاوت است.هزینه های تکراری سنسور های CGM و اتصال ابر می تواند تا صدها دلار در ماه اضافه کند. گروه های حامی مانند انجمن دیابت آمریکا [F:1]

قابلیت همکاری و استانداردهای باز

بسیاری از سیستم های فعلی اختصاصی هستند، به این معنی که CGM از یک تولید کننده ممکن است با پمپی از دیگری کار نکند، این بیماران را به یک اکوسیستم واحد قفل می کند و نوآوری را مختل می کند. (جامعه منبع باز قدرت همکاری سریع در پروژه های مانند (FLTH:0 OpenAPS [F:1] و (FLT:2Tpoolide) که اجازه می دهد تا کاربران استاندارد را به دست آورند و دستگاه های استاندارد مانند (F4)

ایجاد اعتماد کاربر و مدیریت عوامل روانشناختی

اعتماد به یک ماشین با زایمان انسولین زندگی نیازمند درجه بالایی از اعتماد است. کاربران باید اطمینان داشته باشند که سیستم تصمیمات ایمن را اتخاذ می کند، به ویژه در هنگام خواب یا ورزش، خستگی هشدار مکرر، خطاهای سنسور یا اتصال می تواند این اعتماد را از بین ببرد و منجر به سوزاندن کاربران در مورد چگونگی کار الگوریتم، آنچه در طول سناریوهای مختلف انتظار می رود و اینکه چگونه مشکلات کلیدی را برای بهینه سازی کاربران فراهم می کند، و ساده سازی، و اطمینان از سیستم های کلیدی آن ها، اطمینان است.

جاده Ahead: یک چاپ آبی برای مراقبت های مزمن متصل

آینده تحویل انسولین حلقه بسته IoT روشن است، اما موفقیت آن بستگی به تلاش چند ذینفعان شامل تولید کنندگان، توسعه دهندگان نرم افزار، تنظیم کنندگان، پزشکان و جوامع بیمار دارد که پیشرفت در اجرای تست دیسکوتیک (FLT:0) پردازش داده های دو گانه (FLT 1) اجازه می دهد برخی از پردازش داده ها به طور مستقیم بر روی پمپ یا CGM، کاهش تأخیر و بهبود مفهوم تغذیه دیجیتال (نسخه 3) انجام شود.

در نهایت، چشم انداز ایجاد یک اکوسیستم یکپارچه است که در آن مدیریت دیابت به بخش تقریبا نامرئی زندگی روزمره تبدیل می شود. سیستم های حلقه بسته IoT اولین گام حیاتی در این سفر هستند، آنها بیماران را با آزادی بیشتر و نتایج بهتر توانمند می کنند در حالی که ارائه بینش بی سابقه به سلامت روزانه بیماران خود ادامه می دهد، زیرا این سیستم ها همچنان به تکامل ادامه می دهند، نه تنها تغییر می دهند که چگونه درمان می شوند، بلکه همچنین یک طرح قدرتمند برای بهبود زندگی مداوم و همچنین از طریق بهبود شرایط دیگر زندگی مداوم و همچنین هدایت می شود.