Table of Contents

תפקידו של JDRF בהבטחת אינטליגנציה מלאכותית עבור סוכרת מסוג 1

סוג 1 סוכרת (T1D) ניהול השתנה בעשור האחרון על ידי צגים גלוקוז רציף (CGMs), משאבות אינסולין ומערכות חד פעמיות היברידיות סגורות.אך הגבול הבא - טיפול אוטונומי, מונע על ידי AI - תלוי צינורות נתונים חזקים, אלגוריתמים חיזויים, ואימות קליני בקנה מידה גדול. JDRF (לשעבר קרן המחקר Juvenile סוכרת) הפך לכוח מרכזי במימון זה, ו- 1D) אשר משפר את הפחתת התוצאות היומיומיות של אינפלציה מלאכותית (הת של פרויקטים של אינטליגנציה מלאכותית.

האסטרטגיה של JDRF אינה רק לתמוך אבטיפוסים בינהיים מבודדים; היא להאיץ את המערכת האקולוגית כולה – מאוסף נתונים ופיתוח אלגוריתם לאישור רגולטורי ואימוץ עולם אמיתי. על ידי שיתוף פעולה עם חברות טכנולוגיה, מעבדות אקדמיות, וסטארט-אפים, JDRF מבטיח כי חידושים AI מתרגמים לכלים מעשיים עבור אנשים החיים עם T1D מאמר זה בוחן כיצד מימון, מחקר, יוזמות שיתופיות, ורשתות AI הם מובילים קדימה, וטכנולוגיות טיפול עצמיות.

המשימה של JDRF ומקרה עבור AI ב T1D

המשימה המוצהרת של JDRF היא להאיץ מחקר מרפא, מונע, ומתייחס ל-T1D ולסיבוכים שלו. AI משתלבת בריבועיות במשימה זו, כי T1D מייצרת כמויות עצומות של נתונים - קריאה צלולה, מינונים אינסולין, יומני ארוחות, רמות פעילות ועוד - שהם מורכבים מדי עבור כל אלגוריתם אינדיבידואלי או סטטי לניהול אופטימלי. AI, במיוחד למידה (ML) ולמידה עמוקה, יכול להתאים תבניות זמן מוסתרות, או טיפול אמיתי, או חיזוי.

"ההבטחה של AI היא לתת לאנשים עם T1D יותר חופש ותוצאות טובות יותר על ידי הפיכת המערכת חכמה יותר מכל תוכנית מבוססת כלל אחת", מסביר ד"ר אהרון קואלולסקי, מנכ"ל JDRF ותומך ותיק בטכניקה סגורה. "JDRF משקיעה בחזון הזה כבר שנים".

בין 2010 ל-2024, JDRF ביצע יותר מ-500 מיליון דולר למחקר T1D, עם חלק גדל מכוון למדע AI ונתונים.המאמצים של הקרן להתמודד עם שלושה אתגרים עיקריים: FLT:0.0.1 פיזור נתונים על פני מכשירים, FLT:2algorithm שקיפותFLT 3: עבור אמון קליני, ו-FLT:4-realation Actation:5-AI-FLT 5.

למה בינה מלאכותית חשובה לניהול T1D

ניהול סוכרת מסורתי מבוסס על בדיקות דם על האצבע ובדיקות אינסולין ידניות, אבל גם עם CGMs מודרני משאבות, אנשים מבלים רק 50-70% מהזמן בטווח הגלוקוז היעד (70-180 מ"ג / DL).

  • זיהוי דפוסי טרנדים של גלוקוז עדינים שבני אדם מתגעגעים אליהם.
  • התאמת אינסולין משלוח באופן פעיל לפני hypo- או hyperglycemia מתרחשת.
  • התאמה אישית של פרמטרים של טיפול מבוסס על פיזיולוגיה, פעילות ושינה בודדים.
  • צמצום הנטל הקוגניטיבי של קבלת החלטות מתמדת.

ההשקעות של JDRF כוונו לכל אחד מהתחומים הללו, במטרה להפוך את AI לעזר בלתי נראה אך עוצמתי בטיפול יומיומי T1D.

איסוף נתונים והתאמה: הקרן של AI

בניית נתונים באיכות גבוהה

מודלים של בינה מלאכותית הם רק טובים כמו הנתונים שהם מאומן על-ידי JDRF זיהה מוקדם כי נתונים של מכשירים שאינם מסובכים, לא-מבחנים היו צוואר בקבוק גדול.com:0Data innovation FundsFLT:1, JDRF תמך בפרויקטים המצטברים של CGM, משאבת אינסולין, והנתונים המוערכים על ידי המטופל לתוך גדול, סטנדרטי, מוכר מחדש אחד של 1Fide הוא דוגמה: 1F2 ימים של סוכרת אמיתית של נתונים שנאספו מ-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-of-idated נתונים שנאספו על ידי נתונים שנאספו על ידי נתונים שנאספו מ-of-of-of-of-of-of-of-of-of-of-of-of-of-of

על ידי הפיכת הנתונים האלה זמין לחוקרים ומפתחים, JDRF אפשרה את ההכשרה של מודלים AI חזקים יותר ובאופן כללי יותר.הבסיס גם תומך יצרני מכשירים לאמץ תקני נתונים משותפים (כגון IEEE 11073 ו-HL7 FHIR) כך אלגוריתמי AI יכולים ליישר מידע מכל קומונה CGM או משאבה.

איכות נתונים ולייבל

לצורך למידה ממוחשבת מבוקרת, יש לתייג נתונים במדויק – לדוגמה, זמנים שבהם אדם אכל ארוחה, מתוכנת או מנוסה hypoglycemia.JDRF מימון תרם לפיתוח של FLT:0semi-automated Labeling ToolsFLT:1 אשר משתמש אלגוריתמים לזיהוי אירועים כדי להפחית את הנטל ידני על החוקרים.

Analytics ותחזיות סיכון

אחת האפליקציות הישירות ביותר של AI ב-T1D צופה רמות גלוקוז בדם עתידיות.JDRF תמכו במספר קבוצות מחקר שעובדות על FLT:0re Current neuralרשתות (RNNs)BuildFLT:1 ו-FLT:2transformer ModelsFLT 3:0reentiral CGM כדי לחזות 15-60 דקות לפני החיזוי של גלוקוז הוא ידוע גם על ידי מערכות אינסולין אוטומטיות (AID) כמו גם על ידי מערכות אוטומטיות של אינסולין.

Hypoglycemiaחיזוי Algorithms

מחקרים במימון JDRF הראו כי AI יכול לחזות hypoglycemia מתעתעתדת גבוהה וספציפיות.לדוגמה, חוקרים מאוניברסיטת וירג'יניה, עם תמיכה JDRF, פיתחה מודל למידה מכונה המשתמש מגמות CGM, אינסולין על הסיפון, וקצב הלב פנויות להזהיר משתמשים 30 דקות לפני שסוג זה של התראה חיזוי נותן לאנשים זמן כדי למנוע פעולה, להפחית את התדירות נמוכה והפחדה של תדירות נמוכה.

אפשרויות לGlycemic Variability Scoring

מעבר לחיזוי פשוט, AI יכול לכמת FLT:0[עריכת קוד מקור]: ⁇ גליקוליום 1 – מדד הקשור לסיבוכים ארוכי טווח. JDRF מממן את יצירתם של ציוני יכולת מורכבת המשלבים מדדים מרובים של CGM-derived (סטיה סטייה סטנדרטית, MAGE, LBGI, HBGI) לקליניקה אחת ממוזגנת.

מערכות של JDRF: חתמת AI של JDRF

הצלחתה הגלויה ביותר של JDRF בטיפול מונע על ידי AI היא פיתוח של אלגוריתם (FLT:0hybrid Close-loop-loop (HCL) משאבות אינסולין מסוג 1, בדרך כלל נקראות מערכות pancreas מלאכותיות.מערכות אלה משתמשות באלגוריתמים AI כדי להתאים באופן אוטומטי את המשלוח אינסולין ביש מבוסס על קריאה בזמן אמת CGM, בעוד עדיין מאפשר למשתמש לחבושת באופן ידני עבור ארוחות.

מחקר על מערכות מסחריות

היוזמה הראשונה של JDRF, שהושקה בשנת 2006, יצרה צוותים הנדסיים באוניברסיטת קליפורניה, סנטה ברברה, ואוניברסיטת וירג'יניה.התוצאה הייתה בקרת מודל חיזוי מודל (MPC) אלגוריתם 1LT:1, אשר הפך לבסיס עבור כמה מוצרים מסחריים.

כיום, מערכות כמו Tandem t:slim X2 עם Control-IQ (אשר משלב מחקר במימון JDRF מאוניברסיטת וירג'יניה) מוכיחות את כוחו של AI בפועל.שליטה-IQ משתמש אלגוריתם צפוי כדי להתאים את שיעורי הבסטל, וכאשר יש צורך, לספק תיקונים אוטומטיים.FLT:0JDRF ממשיך להפיץ מידע על טכנולוגיות אלה FLT, עוזר להבין כיצד ספקים AI.

עקבו אחרי Fully Closed-Loop

המטרה הנוכחית של JDRF היא להשיג מערכת סגורה לחלוטין:0 loop System:FIRLT 1 הדורשת לאפליקציה למשתמש ארוחות או פעילות גופנית.זה כרוך בהתקדמות ב-AI כדי להעריך תוכן פחמימות מתמונות ארוחות, לזהות פעילות גופנית מהנתונים של חיישן, ולנהל ספייק גלוקוז הקשורים ללחץ. JDRF הוא מימון המשלב פרויקטים המשלבים חזון מחשב עם CGM כדי לחזות גודל הארוחה וקומפוזיציה, כמו גם אופטימיזציה לתנאי למידה אמיתיים של אלגוריתמים של מדיניות גלוקוז לא בטוחים.

יישומי ניהול סוכרת ו- Digital Coaching

מעבר לחומרה, JDRF תומך בתוכנה המופעלת על ידי AI המספקת המלצות פרטניות.אפליקציות אלה מנתחות נתונים ממקורות מרובים - CGM, משאבה, smartwatch, יומני ידני - כדי ליצור תובנות ניתנות לפעולה.

תפקיד הלמידה של Machine Learning ב-Daily Decision Support

אפליקציות כמו FLT:0GlookoFLT:1 ו-FLT:2Dex קלייריות FLT 3 (שני המחקרים הממומנים JDRF) משתמשים ב-ML כדי ליצור דוחות דפוס, כגון "הגלוקוז שלך נוטה לעלות באופן תלול לאחר ארוחת בוקר בסופי שבוע" או "אתה בסיכון גבוה יותר של שעות לילה נמוכות בימים עם פעילות גופנית, כמו גם על ידי שימוש בממשק טבעי, כמו למשל, על ידי שימוש בממשק של אינסולין, יכול להיות נגיש, כמו גם על פני כדור הארץ (ב) או "ה" (ביום רגיל, כמו גם על ידי שימוש טבעי, כמו גם על ידי שימוש טבעי, כמו גם על ידי שימוש בממשק טיפול תרופתי, כמו גם על ידי שימוש בממשק טיפול תרופתי, כמו גם על ידי שימוש בממשק טיפול תרופתי, כמו גם על ידי שימוש בממשק טיפול תרופתי, כמו גם על ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש בממשק טיפול תרופתי, כמו גם על ידי שימוש ב-ידי שימוש ב-ידי שימוש רפואי, כמו גם על ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-ידי שימוש ב-

התנהגות Nudges and Gamification

JDRF מזהה כי הטכנולוגיה לבדה אינה מספיקה - מעורבות משתמשים היא קריטית.חלק מהפרויקטים הממומנת שלה משלבת את ה-FLT:0) סוכני למידה כוח האדם בלבד (FLT:1) אשר לומדים אילו סוגים של תזכורות או עידוד עובדים בצורה הטובה ביותר עבור אדם. לדוגמה, AI עשוי ללמוד כי משתמש מגיב טוב יותר ל"אתה עושה מסר גדול" מאשר התראה קלינית זו יכולה לשפר את הדבקות לניטור ולהפחית את הגלוקוז.

שיתוף פעולה חדשני: JDRF כ- Catalyst

ההשפעה של JDRF על AI בטיפול T1D היא מוגברת על ידי תפקידו כקונפדן ומממן של שיתופי פעולה בין-מגזריים.הבסיס ביסס שותפויות אסטרטגיות עם:

  • (FLT:0)DexcomveFLT:1) - מחקר במימון משותף על אלגוריתמים מבוססי CGM.
  • (FLT:0)Insulet CorporationFLT:1 - תמיכה בפיתוח של מערכת העברת אינסולין אוטומטית Omnipod 5, אשר משתמשת בקר מבוסס אנדרואיד ולוגיקה מבוססת AI.
  • (FLT:0)Google ElementveFLT:1) - חקר מכונות למידה עבור תחזית גלוקוז ונתונים הקשורים לבריאות.
  • (FLT:0)TypeZero TechnologiesFLT:1 (כיום חלק מ-Tandem) - פרסום אלגוריתמי השליטה של אוניברסיטת וירג'יניה.
  • המרכזים האקדמיים כמו ה-FLT:0) Barbara Davis Center for DiabetesFLT 1 ו-(FLT:2Joslin Diabetes Center) 3 - ביצוע ניסויים קליניים עבור התערבות שניתן ל-AI.

JDRF Artificial Pancreas Consortium

הושק בשנת 2015, קונסורציום מביא יחד יותר מתריסר אתרי מחקר כדי לשתף נתונים, סטנדרטיזציה פרוטוקולי הניסוי, ואישור רגולטורי מהירות של מכשירים מונעי AI.מבנה שיתופי זה הפחית את הזמן מהמצאה לסימולציה קלינית על ידי שנים. חברי קונסורציונל פירסמו עשרות מחקרים אימות הבטיחות והיעילות של אלגוריתמים מבוססי AI בהגדרות ביתיות.

השפעות קליניות ו- Real-world Outcomes

ההשפעה של ההשקעות של JDRF של AI היא מדידה.על פי אנליזה של 2023 של JDRF במימון סגור-loop הניסויים, משתמשים של מערכות HCL השיגו FLT:0an ממוצע 12-15% עלייה בטווח הזמן (TIR)FLT:1 בהשוואה לטיפול במשאיבה חסון, עם ירידה המקבילה במחקרים hypoglycic חמורים יותר, אשר מופעלים על ידי חשיפה ל- AIRicropived.

תוצאות של המטופל הן חיוביות באותה מידה.נתוני סקר שנאספו על ידי JDRF מצביעים על כך שמשתמשים במכשירים AI-enhanced מדווחים על מצוקה סוכרתית נמוכה, שיפור איכות השינה, ואמון גדול יותר בניהול גלוקוז בהגדרות ציבוריות או חברתיות.

כלכלת בריאות ב-T1D

JDRF גם מממן ניתוחים כלכליים לבריאות מראה כי מערכות מונעות בינה מלאכותית יכולות להיות יעילות לאורך זמן על ידי צמצום ביקורים במחלקת חירום, אשפוזים עבור קטואידוזיס סוכרתית (DKA), ועלויות סיבוכות לטווח ארוך. A 2022 מחקר שפורסם ב-FLT:0 (Diabetes Technology & TherapeuticsFLT:1) העריכו כי אימוץ נרחב של AI-S יכול לחסוך מדי שנה.

אתגרים ושיקולים אתיים

למרות ההתקדמות, JDRF מכיר במספר אתגרים שיש להתגבר עליהם כדי לממש את מלוא הפוטנציאל של AI בטיפול ב-T1D.

פרטיות נתונים ואבטחה

מודלים של בינה מלאכותית דורשים כמויות עצומות של נתונים אישיים לבריאות.JDRF מימון מחקר ל-FLT:0 ,0 ,005d למידה ויזואלית FLT:1 גישות, שבו אלגוריתמים מאומן באתרים מרובים ללא נתונים גולמיים המשאירים שרתים מקומיים.

אלגוריג'ם ביאס וגישור כללי

מודלים של בינה מלאכותית המאומנו בעיקר על נתונים מאוכלוסיות לבנות, אוכלוסיות רבותי יכול להופיע בצורה גרועה בקבוצות מגוונות.JDRF הוא מימון פעיל פרויקטים לאסוף נתונים מאוכלוסיות הנמצאות תחת ייצוג (כולל מיעוטים גזעיים / אתניים, אנשים בעלי הכנסה נמוכה, ומבוגרים יותר) כדי להבטיח כי כלים AI לעבוד עבור כולם.הבסיס תומך גם במחקר על FLT:0 הוגן-aware Machine LearningLTFreas 1 כדי לזהות מודלים של גלוקוז ולהפחית מודלים.

« « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « « «

מכשירים רפואיים מונעים על ידי בינה מלאכותית חייבים לעבור סקירה קפדנית של ה- FDA. JDRF עובד עם הרגולטורים כדי לפתח (FLT:0adaptive trial designsFLT:1 ומסגרות ראיות בעולם האמיתי שיכולות להאיץ את אישור האלגוריתמים AI שמשפר לאורך זמן.הבסיס מספק גם משאבים חינוכיים עבור חוקרים ניווט המסלול הרגולטורי.

שילוב עם בריאות נפשית וחווית משתמש

מערכות בינה מלאכותית שמייצרות אזעקה תכופות או עצות מורכבות יכולות לתרום לעייפות ערנית.JDRF משקיעות במחקר עיצוב ממוקד אנושי כדי ליצור ממשקים אינטואיטיביים ומכובדים של תשומת לב המשתמש.

כיוונים עתידיים: מה JDRF משקיע ב- Next

מפת הדרכים הנוכחית של JDRF עבור AI ב-T1D כוללת מספר פרויקטים שאפתניים:

  • (FLT:0) למערכות סגורות של פסטל 1 (Pala) המשלבות glucagon או pramlintide כדי לנהל טוב יותר ספייקטים לאחר הליביד ושפלים הקשורים לפעילות גופנית.
  • (FLT:0) AI-Power Exercise זיהוי וניהול ניהול 1:1) באמצעות חיישנים בעלי לב (accelerometers, צגים בקצב הלב) כדי להתאים באופן אוטומטי את העברת אינסולין במהלך פעילות גופנית.
  • (FLT:0)Computer Vision Applicationsved 1:1 אשר מעריך את התוכן של פחמימות מתמונות סמארטפונים, משולב במחשבונים של בולוס.
  • (FLT:0) מודלים מועדפים לסיבוכים ארוכי טווח: 1 (FLT:0) שמשתמשים בנתונים CGM ומטבוליים כדי לזהות אנשים בסיכון גבוה לרטינופתיה או לנפרופתיה שנים לפני תחילתה הקלינית.
  • (FLT:0) תאומים דיגיטליים המבוססים על בינה מלאכותית (FLT:1) של חולים בודדים, המאפשרים למטפלים לדמות שינויים בטיפול ב-Silico לפני יישום אותם בעולם האמיתי.

JDRF חוקר גם את הפוטנציאל של מודלים שפה FLT:0 large (LLMs)teauFLT:1 לשמש מחנכים סוכרת שיחה, המסוגל לענות על שאלות מורכבות על מינון אינסולין, כללים ימי מחלה, והתאמות נסיעות עם דיוק גבוה.

כיצד קהילת T1D יכולה להיות מעורבת

JDRF מעודד אנשים עם T1D לתרום למחקר AI על ידי תרומת נתוני המכשיר שלהם באמצעות תוכניות כמו FLT:0Tidepool של פרויקט דו-הדומנט Big Data Donation Project (FLT:1 השתתפות מסייעת לחוקרים להכשיר מודלים טובים יותר תוך שמירה על הגנת הפרטיות הקפדנית. JDRF גם מפעיל ועדות ייעוץ סבלניות שמבחנות מחקרים AI, ומבטיחות כי נקודת המבט של המשתמש משולבת מההתחלה.

עבור חוקרים ויזמים, JDRF מציע מנגנוני מימון שונים - מ מענקים מוקדמים לגיוס פרסים בקנה מידה גדול - ממוקד במיוחד במדעי AI ונתונים.

מסקנה

התרומות של JDRF לפיתוח אינטליגנציה מלאכותית בטיפול ב-T1D הן בסיסיות ו מרחיקות לכת.ממנקה את המערכות ההיברידיות הסגורות הסגורות הראשונות לבניית תשתיות הנתונים הדרושות לאלגוריתמים הדור הבא, הקרן הציבה AI כמרכיב קריטי של ניהול הסוכרת המודרנית.בעוד אתגרים סביב הון, פרטיות וחוויית משתמש נותרו, ההשקעה המתמשכת של JDRF בשיתוף פעולה, אתיקה, ואת AI ממוקדת יותר, מציעה מציאות אוטונומית יותר.