توسعه یک پانکراس مصنوعی یک تغییر پارادایم در مراقبت از دیابت را نشان می دهد، حرکت از مدیریت انسولین دستی به تنظیم گلوکز خودکار، در زمان واقعی محققان در سراسر جهان این سیستم ها را اصلاح می کند تا دقت، قابلیت اطمینان و قابلیت استفاده را بهبود بخشد، با نظارت چند پارامتر متری ظهور به عنوان یک فعال کننده کلیدی، این مقاله به بررسی وضعیت فعلی فناوری پانکراس مصنوعی، چالش هایی که باقی مانده و ادغام سنسور های متنوع برای انتقال طبیعی است، به طور واقعی برای خود را به منظور تنظیم هدف شناختی و نه تنها به طور خودکار.

Pancreas مصنوعی چیست؟

یک پانکراس مصنوعی که به عنوان یک سیستم تحویل انسولین حلقه بسته نیز شناخته می شود، یک دستگاه پزشکی است که عملکرد یک پانکراس سالم را تکرار می کند، یک مانیتور گلوکز مداوم (CGMloop)، یک پمپ انسولین و یک الگوریتم کنترل برای تنظیم انسولین به طور خودکار بر اساس خواندن گلوکز در زمان واقعی، هدف این است که گلوکز خون را در محدوده هدف حفظ کند - به طور معمول - 70 میلی گرم - بدون پیش بینی می تواند برخی از مصرف کنندگان را تنظیم کند (سیستم های ورودی معمولی)

سیستم های AID مدرن به طور قابل توجهی از نمونه اولیه اولیه تکامل یافته اند.اولین سیستم حلقه بسته هیبریدی که در ایالات متحده تایید شده است، MiniMed 670G، کاربران را ملزم به نگه داشتن دستی برای وعده های غذایی جدید مانند Tandem t:slim X2 با Control-IQ و Omnipod 5، ارائه ویژگی های اتوماسیون، ارائه می دهد که پیشرفت های سنتی را در حال حاضر با استفاده از روش های مختلف از گلوکز، پیش بینی می کند.

تکامل سیستم های بسته - Loop

تحقیقات اولیه در پانکراس مصنوعی در دهه 1970 با دستگاه های مبتنی بر بیمارستان بزرگ آغاز شد، این "biostatorها" اولیه اندازه یخچال بود و از نمونه های خون به طور مداوم از یک رگ استفاده کرد، آنها برای استفاده روزانه غیر عملی بودند، اما امکان کنترل حلقه بسته را نشان دادند. مینیاتوری CGMs و پمپ های انسولین در 1990 و 2000 سیستم های تایید کننده اولیه را با سیستم های کنترل IPM670 بسته شده است.

جنبش منبع باز #We Are Not Expecting همچنین نوآوری شتاب زده است. [ الگوریتم های توسعه یافته جامعه مانند OpenAPS و حلقه نشان داد اتوماسیون ایمن و موثر در سخت افزار در دسترس تجاری، این تلاش های توده ای تولید کنندگان را تحت فشار قرار می دهد تا سرعت توسعه تجاری را تسریع کنند و داده های بیشتری را با کاربران امروز به اشتراک بگذارند، FDA سیستم های پانکراس مصنوعی را به عنوان یک دسته متمایز، ساده تر و ساده تر از طریق سیستم های یادگیری.

قطعات اصلی و چگونگی کار آنها با هم

یک پانکراس مصنوعی مدرن شامل سه جزء کاملا یکپارچه است:

  • نظارت بر گلوکز ثابت (CGM): اندازه گیری سطح گلوکز بین ارزش هر 1 تا 5 دقیقه است. دستگاه های فعلی مانند Dexcom G7 و ابوت لیبمر 3 دقت بالا (MARD <؛ 8٪) و حداقل الزامات کالیبراسیون. روند به سمت سایش طولانی تر (تا 15 روز) و کاهش بار مصرف کننده است.
  • داخل سولپویلین تحویل سریع سریع انسولین زیر پوستی به صورت خود را. پمپ می تواند بر اساس پچ پچ (به عنوان مثال، Omnipod) یا لوله (به عنوان مثال، Tandem tlim) باشد. هر دو دارای مخازن هستند که 2 -3 روز گذشته است.
  • ] الگوریتم کنترل: بر روی یک گوشی هوشمند یا پردازنده جاسازی شده اجرا می شود. الگوریتم داده های CGM را دریافت می کند، روند گلوکز (استفاده از کنترل پیش بینی کننده یا مدل مناسب) را پیش بینی می کند و دستور می دهد که پمپ برای تنظیم نرخ های تزریق پایه یا ارائه اصلاح بولوسها محدودیت های ایمنی بر روی تحویلگلیسمی برای جلوگیری از الگوریتم واقعی طراحی مغز است؛

ارتباط بین این ماژول ها می تواند بلوتوث یا بی سیم اختصاصی باشد.برخی سیستم ها از یک کنترل کننده اختصاصی استفاده می کنند؛ برخی دیگر به یک برنامه تلفن هوشمند متکی هستند.داده ها همچنین می توانند با مراقبان از طریق سرویس های ابر به اشتراک گذاشته شوند و نظارت از راه دور را قادر می سازد تا از دسترسی غیر مجاز یا دستکاری داده ها جلوگیری کنند، یک منطقه رو به رشد برای تولید کنندگان و تنظیم کنندگان.

چالش های توسعه

علی رغم پیشرفت سریع، ایجاد یک پانکراس مصنوعی قوی که برای همه افراد در همه شرایط کار می کند، دشوار است.چالش های کلیدی عبارتند از:

پیش بینی سریع Glucose Flucts

گلوکز خون می تواند به سرعت به دلیل وعده های غذایی، ورزش، استرس، بیماری یا تغییرات هورمونی تغییر کند. الگوریتم ها باید این تغییرات را با زمان کافی برای جلوگیری از تشخیص غذا هیپو یا هیپرگلیسمی، و استفاده خودکار برای وعده های غذایی بدون اعلام شده، مناطق تحقیقاتی فعال را پیش بینی کنند. برخی از سیستم ها در حال حاضر از داده های شتاب سنج برای زمان بندی غذا بر اساس حرکات دست به دهان، اما هنوز هم محدود است.

فعالیت فیزیکی و استرس

ورزش بر حساسیت به انسولین به طور غیر قابل پیش بینی تأثیر می گذارد.فعالیت هوازی به طور معمول گلوکز را کاهش می دهد، در حالی که ورزش هوازی می تواند باعث افزایش های ترانسی شود. الگوریتم هایی که شامل ضربان قلب یا داده های شتاب سنج می شوند می توانند تحویل انسولین را مطابق آن تنظیم کنند، اما مدل های قوی هنوز در حال ظهور هستند. A 2023 مطالعه از دانشگاه ویرجینیا نشان داد که اضافه کردن ضربان قلب و شمارش گام به کاهش الگوریتم کاهش یافته است.

دقت سنسور و قابلیت اطمینان

CGM ها کامل نیستند؛ آنها می توانند حرکت کنند، فشرده سازی تجربه را کم کنند یا به طور کامل شکست بخورند، سنسورهای ردموند و مکانیسم های ایمنی شکست خورده ضروری هستند. سیستم های چند پارامتری می توانند این را با خواندن گلوکز متقابل با معیارهای دیگر کاهش دهند.به عنوان مثال، اگر یک مطالعه CGM به طور ناگهانی کاهش یابد، اما ضربان قلب و دمای پوست پایدار باقی بماند، الگوریتم ممکن است تا زمانی که داده ها تایید شوند، به تأخیر بیفتد.

تنظیم مقررات و قابلیت های ما Hedles

تصویب نیاز به کارآزمایی های بالینی گسترده برای نشان دادن ایمنی و اثربخشی آموزش کاربر ضروری است، اما بسیاری از بیماران با خستگی زنگ خطر یا استفاده از سیستم های قطع می کنند، سیستم ها باید شهودی باشند و نیاز به حداقل نگهداری برای دستیابی به پذیرش گسترده دارند. FDA هدایت سیستم های پانکراس مصنوعی را صادر کرده است و آژانس پزشکی اروپا دارای چارچوب های مشابهی است، اما آسیب پذیری در سراسر مناطق همچنان یک چالش برای تولید کنندگان جهانی است، سیاست های بازپرداخت متفاوت است.

سیستم های نظارت چند متری

پانکراس مصنوعی سنتی تنها بر داده های CGM تکیه می کند. نظارت چند پارامتری جریان های داده فیزیولوژیکی را برای بهبود تصمیم گیری اضافه می کند.با استفاده از اطلاعات از سنسورهای متعدد، این سیستم ها می توانند زمینه را بهتر تفسیر کرده و دقیق تر انسولین را تحویل دهند، به عنوان مثال، ضربان قلب بالا همراه با افزایش تعداد گام ممکن است نشان دهنده ورزش باشد، باعث کاهش موقت در دمای پایین انسولین یا مصرف دقیق تر از طریق سیگنال های هشدار دهنده، همچنین سیگنال های هشدار دهنده ای فعال است.

انواع سنسور های اضافی

  • سنسور ضربان قلب: Photoplethysmography یا ECG مبتنی بر استفاده برای تشخیص ورزش، استرس و دستگاه های ساعت مچی در حال حاضر داده های ضربان قلب مداوم با دقت قابل قبول ارائه می دهد.
  • ردیاب های فعالیت فیزیکی: شتاب سنج و ژیروسکوپ تعیین شدت حرکت و نوع (پیاده روی، دویدن، خوابیدن).
  • [FLT: 1] سنسورهای تنوع زیستی یا واکنش پوست گالوانیزه می تواند نشان دهنده کمبود آب باشد که بر توزیع انسولین و متابولیسم گلوکز تأثیر می گذارد.
  • سنسورهای دمایی پوست: تغییرات سریع دما می تواند با هیپوگلیسمی یا عفونت در محل تزریق ارتباط برقرار کند.
  • نظارت های کتن ثابت: [FLT 1] تحت توسعه؛ کمک خواهد کرد تا کتواس دیابتی را زود تشخیص دهید، به ویژه در زمینه شکست پمپ یا بیماری.
  • سنسورهای گلوکز غیر تهاجمی: طیفوسکوپی Raman، نزدیک مادون قرمز، یا سنسورهای مبتنی بر مایکروویو هدف جایگزینی سوزن، اما دقت باقی می ماند یک چالش است.

ادغام داده ها و یادگیری ماشین

تجزیه و تحلیل داده ها از سنسورهای مختلف به یک مدل منسجم نیازمند الگوریتم های پیچیده است. [۱] یادگیری ماشین، به ویژه یادگیری عمیق و یادگیری تقویت، برای تشخیص الگوهای داده های چند منظوره زمان سری استفاده می شود.به عنوان مثال، یک شبکه عصبی تکراری می تواند توالی های مربوط به گلوکز، ضربان قلب، فعالیت و سابقه انسولین را برای پیش بینی سطوح گلوکز آینده دقیق تر از مدل های استفاده از محققان در مطالعه قلب (F) و تنظیم مقدار مطلق از آن (به این معنی است که مقدار داده های کنترل قلب را نشان می دهد.

چالش ترکیب داده های سنسور همچنین شامل هماهنگ سازی زمان و دست دادن داده ها است. فیلترهای Kalman و مدل های پنهان مارکوف برای شکاف های تکان دهنده و ترکیب جریان های سنسور پر سر و صدا استفاده می شود. یادگیری رزرو شده اجازه می دهد تا الگوریتم ها را بدون ارسال داده های خام به ابر، پرداختن به نگرانی های حریم خصوصی، به ویژه گروه OpenAPS، همچنین با به اشتراک گذاری تحقیقات چند متر واقعی برای تحقیقات چند متر برای تحقیقات جمع آوری واقعیت کمک کرده است.

مطالعات بالینی و نتایج واقعی جهان

چندین کارآزمایی بالینی بزرگ برتری سیستم های حلقه بسته هیبریدی را بر روی درمان سنتی نشان داده اند. DREAM 4 و 5 مطالعه نشان داده اند بهبود زمان در برد (70-180 میلی گرم / dL) توسط 10 - 15 درصد بدون افزایش هیپوگلیسمی موضعی اخیرا، آزمایش اصلی Omnipod 5 نشان داد که میانگین زمان-در محدوده 73٪ در مقابل 8.2٪ آزمایش مشابه با سیستم کنترل قبلی (TLT1) کاهش یافته است.

سیستم های چند پارامتری در حال حاضر وارد مطالعات آزمایشی می شوند. A 2023 کارآزمایی از استنفورد سیستم ترکیب CGM، ضربان قلب و شتاب سنج در شرایط زندگی آزاد را آزمایش کرد، دستیابی به > 75٪ زمان در برد با مداخلات کاربر کمتر، این نتایج نشان می دهد که الگوریتم های آگاه از زمینه می توانند عملیات کاملا بسته را به واقعیت نزدیک تر کنند.

داده های دنیای واقعی از جوامع کاربر نیز بینشی را ارائه می دهند. تجزیه و تحلیل بیش از 10 میلیون ساعت از داده های سیستم حلقه DIY نشان داد که اعتماد به نفس کاربر و کیفیت زندگی به طور قابل توجهی بهبود می یابد، اگرچه تنظیم الگوریتم مانع برخی از یادگیری مبتنی بر ابر برای بهبود عملکرد الگوریتم به طور خودکار در سراسر پایگاه کاربر خود است.

مسیر های آینده

دهه آینده احتمالاً شاهد این خواهد بود که سیستم های پانکراس مصنوعی کوچکتر، مستقل تر و قادر به مدیریت هورمون های متعدد با اکوسیستم های بهداشتی گسترده تر و پیشرفت های AI پیشرفت های بیشتری را به همراه خواهند آورد.

سیستم های دوگانه-Hormone Systems

پانکراس مصنوعی Bi-hormonal که هر دو انسولین و گلوکاگون را ارائه می دهد، Glucagon می تواند به سرعت گلوکز خون را در مواقع اضطراری افزایش دهد، کاهش خطر هیپوگلیسمی شدید، بتا بیونیک ها این تلاش را با دستگاه i Let هدایت می کند که با موفقیت مرحله 2 کارآزمایی را تکمیل کرده است. سیستم از یک پمپ دوگانه استفاده می کند و یک مشکل آنالوگ گلوک پایدار است که در آزمایش های مشابه در هفته های دانشگاه مابقی زندگی می کند.

دستگاه های کاملاً ایمپلنت

تزریق انسولین موضعی که ماه ها یا سال های گذشته و تزریق انسولین در حد رشدی می تواند کنترل بالایی را با تقلید از مسیر تحویل طبیعی انسولین ارائه دهد. The Eversense CGM که به طور مستقیم کاشته شده و تا 180 روز ادامه می یابد، در حال حاضر کار در مواد زیستی سازگار با طولانی مدت و انتقال قدرت بی سیم برای محققان ایمپلنت قابل استفاده در MIT هنوز هم به طور کامل توسط بدن مصنوعی، اما هنوز هم در حال توسعه است.

هوش مصنوعی و شخصی سازی

مدل های AI پارامترهای الگوریتم را بر اساس شیوه زندگی فردی، ریتم های روزانه و الگوهای حساسیت به انسولین شخصی سازی می کنند. یادگیری فدرال می تواند الگوریتم ها را در سراسر جمعیت بهبود بخشد در حالی که حفظ حریم خصوصی یادگیری تقویت کننده، که در آن الگوریتم می آموزد سیاست های بهینه از طریق محاکمه و خطا در شبیه سازی، یک منطقه تحقیق فعال است.

ادغام با سیستم های Broader Health Ecosystems

سیستم های آینده ممکن است با ساعت های هوشمند، مانیتورهای مداوم فشار خون، حتی مدیریت تغذیه حلقه بسته ارتباط برقرار کنند.یک مرکز بهداشت جامع می تواند چندین شرایط مزمن را به طور همزمان مدیریت کند - به عنوان مثال، تنظیم انسولین در پاسخ به سطوح استرس شناسایی شده توسط سنسورهای الکترواستروئیدی پوشیدنی، اپل Watch در حال حاضر پیگیری چرخه برای سلامت قاعدگی را فراهم می کند، که با حساسیت به انسولین مرتبط است و می تواند توسط سیستم های باز مانند Glucer برای هدف یکپارچه سازی این طرح استفاده شود.

امنیت سایبری و اعتماد کاربران

از آنجایی که سیستم های پانکراس مصنوعی به هم متصل می شوند، امنیت سایبری بسیار مهم می شود. FDA دستورالعمل هایی را در مورد امنیت سایبری برای دستگاه های پزشکی صادر کرده است و تولید کنندگان در حال اجرای رمزگذاری، تأیید اعتبار و تشخیص بی نظیر هستند. اعتماد کاربر به مدیریت داده های شفاف و عملکرد قابل اعتماد بستگی دارد. # ما انتظار نداریم که جامعه برای API های باز که به کاربران اجازه می دهند الگوریتم های خود را انتخاب کنند، اما این خطراتی را معرفی می کند که باید به رگولاتورها رسیدگی کند.

قابلیت دسترسی و دسترسی

هزینه همچنان یک مانع عمده است.قیمت لیست یک سیستم حلقه بسته هیبریدی می تواند بیش از 5000 دلار باشد، با سنسور مداوم و پمپ های اضافه کردن 300 تا 500 دلار در ماه. ابتکارات مانند پروژه Open انسولین با هدف کاهش هزینه ها از طریق سخت افزار منبع باز، اما پوشش بیمه گسترده و هزینه های تولید پایین تر برای دسترسی جهانی مورد نیاز است. JDRF بودجه برای نشان دادن هزینه های مقرون به صرفه برای پرداخت برخی از کشورهای اروپایی برای بازپرداخت سیستم های پرداخت.

نتیجه گیری

تحقیقات مصنوعی پانکراس مدیریت دیابت را تغییر داده است و نظارت چند پارامتری تنظیم شده است تا آن را بیشتر کند.با ادغام سیگنال های فیزیولوژیکی متنوع، این سیستم ها سازگارتر، ایمن تر و کاربر پسند تر می شوند. مسیر پیش رو شامل فن آوری سنسور اصلاح، پیشبرد الگوریتم های یادگیری ماشین و اطمینان از دسترسی عادلانه تر است، زیرا این نوآوری ها به عمل بالینی می رسند، آنها قول می دهند که بار دیابت را کاهش دهند و نتایج را برای تولید طبیعی در سراسر جهان بهبود دهند، نه تنها نیازهای زمان تحویل کاربر را به طور خودکار، بلکه دسترسی به طور خودکار، بلکه نیاز به طور خودکار، بلکه دسترسی به طور کامل تری دارند.

برای اطلاعات بیشتر، از انجمن دیابت آمریکا ، بازدید کنید، یا آخرین کارآزمایی های بالینی را در Trials.gov . ] و پزشکان همچنین بر روی استانداردهای آموزشی و فناوری در حال تکامل سریع در این زمینه و در حال تکامل است.