人工膵臓の研究とマルチパラメータ監視システムの開発

人工膵臓の開発は、手動インシュリン管理から自動化されたリアルタイムグルコース規制に移行し、糖尿病ケアにおけるパラダイムシフトをマークします。研究者は、これらのシステムを精査し、精度、信頼性、および有用性を改善し、マルチパラメータ監視が重要なアクセプタとして新興しています。この記事では、人工的な膵臓技術、残り、多様な生理学的センサーを統合する方法を、重要なアクセシビリティを最適化し、個々の行動を最適化し、個々の行動を最適化するという目標を目標に変えるという目標を、個々の目標に、個々の目標を最適化するものではありません。

人工膵臓とは何ですか?

人工膵臓は、閉鎖ループインシュリンデリバリーシステムとも呼ばれ、健康な膵臓の機能を再現する医療機器です。それは、連続グルコースモニター(CGM)、インシュリンポンプ、制御アルゴリズムを組み合わせて、リアルタイムグルコースに基づいてインシュリンデリバリーを自動的に調整します。この目標は、ターゲット範囲内の血糖を維持することです。通常、70〜180mg/dL - 、ユーザーが入力するマニュアルをリクエストすることなく、特定の方法で測定するものです。(Floulin)。

現代のAIDシステムは、初期のプロトタイプから大幅に進化しました。米国で承認された最初のハイブリッドクローズドループシステム、MedtronicのMiniMed 670G、まだ手動で食事のためにボーラスを請求するために必要なユーザー。タンデムt:slim X2のような新しいシステムコントロールIQとオムニポッド5は、自動補正機能や適応性バサルレートなどの機能を提供し、予測されたグルコース傾向に反応しています。従来の車両は、従来の車両の需要に応じて調整する必要があります。従来の車両は、さまざまな種類の異なる種類の車両を事前に調整する必要があります。従来の車両は、従来の車両の交換を事前に確認する必要があります。

クローズドループシステムの導入

人工膵臓への早期研究は、大規模な病院ベースのデバイスで1970年代に始まりました。これらの初期の「バイオスターター」は、冷蔵庫のサイズと静脈から継続的に描画された血液サンプルでした。彼らは日常的な使用のために実用的だったが、クローズドループ制御の実現可能性を実証しました。 1990年代と2000年代のCGMとインシュリンポンプの小型化は、ウェアラブルシステムを可能にしました。最初のハイブリッドクローズドループシステム、Medtronicsのミニマタイリングは、FDAとISO5の承認を受けました。

オープンソースの動き #WeAreNotWaiting は、イノベーションを加速しました。 OpenAPS や Loop などのコミュニティ開発のアルゴリズムは、市販のハードウェア上での安全で効果的な自動化を実証しました。これらの草の根は、商用開発を加速し、より多くのデータをユーザーと共有するために、加圧メーカーの努力をしています。今日、FDA は、人工的な膵臓システムを異なるカテゴリとして認識し、承認経路を合理化]を新しいデバイス]のために。進化し続ける:次は、高分子システムが、より厳しい制御を促進します。

コアコンポーネントとどのようにして一緒に働くか

現代の人工膵臓は、 3 つのしっかりと統合されたコンポーネントで構成されます。

[連続グルコースモニター(CGM):[]は、交差性グルコースレベルを1〜5分ごとに測定します。 Dexcom G7やAbbott Libre 3などの電流装置は、高精度(MARD< 8%)と最小限の校正要件を提供します。傾向は、より長い摩耗時間(最大15日間)と工場の校正、ユーザーの負担を軽減します。
インシュリンポンプ:]は、急速作用インシュリンサブカットをサブカットして配信します。ポンプは、パッチベース(Omnipodなど)またはチューブド(例えば、タンデムt:slim)で使用できます。両方のタイプは、2〜3日続くリザーブライザーを持っています。ニューアポンプは、直接CGMと統合され、いくつかのケースでインターメディアリーコントローラーの必要性を排除します。
[ コントロールアルゴリズム:[は、スマートフォンや組み込みプロセッサ上で実行します。アルゴリズムは、CGMデータを受信し、グルコースの傾向を予測します(比例的な統合的またはモデル予測制御を使用して)、およびバサル注入速度を調整したり、修正ボラスを配信するためのポンプをコマンドします。安全制約は、低血症を避けるために、過度に配信を防止します。アルゴリズムは、そのシステムの状態の脳です。実際のパフォーマンスを決定する。

これらのモジュール間の通信は、Bluetoothまたは独自のワイヤレスであることができます。一部のシステムでは、専用のコントローラーを使用しています。他の人はスマートフォンアプリに依存しています。データもクラウドサービスを通じて介護者と共有することができ、リモート監視を可能にします。これらのコンポーネントの統合には、不正なアクセスやデータ改ざんを防ぐための強力なサイバーセキュリティが必要です。メーカーや規制当局の焦点の拡大領域。

開発課題

急速な進歩にもかかわらず、あらゆる状況ですべての個人のために働く強い人工的な膵臓を作成することは困難です。主な課題は次のとおりです。

急速なグルコースの変動を予測

血糖は食事、運動、ストレス、病気、ホルモンの変化によりすぐに変化する可能性があります。アルゴリズムは、低血症または高血糖症を防ぐ十分なリードタイムでこれらの変化を期待しなければなりません。食の検出と非異常な食事のための自動ボルアスは、アクティブな研究分野です。一部のシステムは、手口の妊娠に基づいて食事のタイミングを誘導するために、加速度計データを使用しますが、精度は制限されています。

身体活動とストレス

エクササイズは、予測不可能なインスリン感度に影響します。エアロビクス活性は、嫌気性運動が過渡性スパイクを引き起こす可能性がある一方で、通常、グルコースを低下させます。心臓率または加速度計データを組み込むアルゴリズムは、インスリンの配信をそれに応じて調整することができますが、堅牢なモデルは、まだ新興しています。バージニア大学の2023研究では、心臓速度とアルゴリズムの減少後の運動血症を30%削減し、g-only制御と比較して、心臓速度とステップカウントを追加したことが示されました。

センサーの正確さおよび信頼性

CGMは完璧ではありません。それらは漂流、圧縮の低音、または完全に失敗することができます。冗長センサーとフェイルセーフ機構が必要です。マルチパラメータシステムは、他のメトリックとクロスバリデーショングルコース読書によってこれを緩和することができます。例えば、CGM読書が突然低下するが、心拍数と皮膚温度が安定していると、アルゴリズムはデータが確認されるまで補正を遅らせる可能性があります。

規制とユーザビリティヒュールール

承認は、安全性と有効性を実証するために、広範な臨床試験が必要です。ユーザーのトレーニングは不可欠ですが、多くの患者は、警報疲労や使用を中止するのに苦労しています。システムは直感的であり、広範な採用を達成するために最小限のメンテナンスが必要です。 FDAは、人工膵臓システムに関するガイダンスを発足しており、欧州医学庁は同様のフレームワークを持っていますが、地域全体での調和は、グローバルなメーカーにとって課題です。さらに、払い戻し方針は変化し、患者のアクセスに影響を与える。

マルチパラメータ監視システム

従来の人工膵臓は、CGMデータにのみ依存します。複数のパラメータ監視は、決定的な作成を改善するために生理学的データストリームを追加します。複数のセンサーから情報を使用することにより、これらのシステムは、より詳細なインスリン投与を解釈し、より精密なインスリンを配信することができます。例えば、増加したステップカウントと組み合わせられた高架心拍数は、基礎インスリンの一時的な削減を促す運動を示すことができます。低皮膚温度または汗は、インペンデントの仮説を信号したり、胃の警告を促したり、胃の運動を促したり、胃の病気をしたり、または、胃の病気を促したりすることができます。

追加のセンサーの種類

ハートレートセンサー:]フォトプレシスモグラフィまたはECGベースの。運動、ストレス、睡眠状態を検出するために使用される。リストワーンデバイスは、許容精度で継続的な心拍数データを提供します。
[] 物理活性トラッカー:[ 加速度計とジャイロスコープは、運動強度とタイプ(歩行、走行、睡眠)を決定します。
水素化センサー:] バイオインピーダンスまたは亜鉛皮膚応答は、インスリン分布とグルコース代謝に影響を与える脱水を示すことができます。
]皮膚温度センサ:]急速な温度変化は、注入部位の血漿または感染症と相関することができます。熱センシングパッチは、継続的な監視のために開発されています。
連続ケトンモニター:[開発下;ポンプ障害や病気の状況で、早期に糖尿病性ケトチドーシスを検出するのに役立ちます。
[非侵襲性グルコースセンサ:[]ラマン分光、近赤外線、マイクロ波ベースのセンサーは針を交換することを目的としていますが、精度は課題を残します。いくつかの企業がこれらの技術に関する臨床試験にいます。

データ統合と機械学習

センサーを分離するデータを集合体モデルにすることで、洗練されたアルゴリズムが必要です。機械学習、特にディープラーニング、強化学習は、複数のモジュールのタイムシリーズデータでパターンを認識するために応用されています。例えば、再発ニューラルネットワークは、グルコース、心拍数、活動、インシュリンの歴史のシーケンスを取ることができ、グルコース単独でモデルよりも正確に予測されます。バージニア大学の研究者らは、VAT(F)を分析し、例えば、Anavart[F]を分析し、Anavart[F]を分析します。例えば、Anavart[F]は、Anavart[F]を分析します。

センサーデータの融合の課題は、時間同期と不足しているデータ処理も伴います。Kalman filterとMarkovモデルは、ギャップを差し込み、騒々しいセンサーストリームを組み合わせるために使われています。フェデレーションされた学習により、アルゴリズムは、生データをクラウドに送信することなく、人口を横断的に改善し、プライバシーに関する懸念を解決することができます。オープンソースコミュニティは、特にOpenAPSコホートも、研究のための実世界のマルチメーターデータセットを共有することによって貢献しています。

臨床研究と現実世界外出産

いくつかの大きな臨床試験では、従来の治療上のハイブリッドクローズドループシステムの優位性が示されています。 DREAM 4と5の研究では、低血糖値の増加なしで10〜15パーセントポイントで時間範囲(70〜180 mg / DL)を改善しました。最近、Omnipod 5 pivotal試験では、以前の治療で73.8% versus 60.0%の平均時間範囲が報告されました。 (TNCT04950)]が、HTCA-0.51で同様の結果が示されました。

多パラメータ式システムがパイロット研究に入ります。スタンフォードの2023試験では、CGM、心拍数、およびフリーリビング条件の加速度計を組み合わせたシステムがテストされ、ユーザー介入を数えながら、75%のタイムイン範囲を達成しています。これらの結果は、コンテキストアウェアアルゴリズムが現実に近い完全クローズドループ動作をもたらすことができることを示唆しています。ケンブリッジ大学の別の研究は、心臓速度を使用して、両方のストレスやストレスを調節するために、両方のストレスやストレスを調節するために、二重ホルモンシステムをテストしています。

ユーザーコミュニティからのデータもインサイトを提供します。DIY Loopシステムデータの分析は、ユーザーが自信と生活の質が大幅に向上していることを明らかにしました。アルゴリズムチューニングは、いくつか障壁を残しています。メーカーは、クラウドベースの学習を使用して、ユーザーのベース全体でアルゴリズムのパフォーマンスを自動的に改善しています。例えば、iLetシステムは、マニュアル入力なしで各ユーザーのインスリン感度要因を学習し、継続的にケアをパーソナライズします。

今後の方向性

今後10年は人工膵システムが小さくなる、より自律的、複数のホルモンを管理できる可能性があると思われます。より広範な健康生態系とAIの進歩との統合により、さらなる改善が加速します。

デュアルホーンシステム

両ホルモン人工膵臓は、インシュリンとグルカゴンの両方が開発されている。グルカゴンは、急速に緊急時に血糖を上昇させ、重度の低血糖症のリスクを軽減することができます。ベータバイオニクスは、そのiLetデバイスとこの取り組みを率いています。これは、成功したフェーズ2の試験を完了しています。システムは、デュアルチャンバーポンプと数週間の部屋の温度で安定しているグルカゴンアナログを使用しています。ケンブリッジ大学の他のグループは、およびオプアゴットの手順を管理する傾向があります。ホルモンは、ホルモンの不足とほぼ同じです。

完全インプラント対応装置

過去の月や年、イントラペリアルインシュリン注入が自然インシュリン送出経路を模倣することによって、優れた制御を提供することができるインプラントブルCGM。潜水的に注入され、最大180日持続するエバーセンスCGMは、現在利用可能です。作業は長期生体適合性材料とインプラントポンプのためのワイヤレス電力転送に継続します。 MITの研究者は、完全にインプラント可能な自己完結人工膵臓を発症していますが、体温がまだ体温暖かさが、この前方体温室効果が向上します。

人工知能と個人化

AIモデルは、個々のライフスタイル、サーカディアンリズム、インシュリン感度パターンに基づいてアルゴリズムパラメータをパーソナライズします。フェデレーションされた学習は、プライバシーを保護しながら、人口の横断のアルゴリズムを改善することができます。強化学習は、アルゴリズムがシミュレーションの試行錯誤を通して最適な投薬方針を学び、アクティブな研究領域です。SharecareやGlookoなどの企業は、複数のソースからデータを統合し、インシュリンドッキングよりもパーソナライズされた洞察を提供します。

ブロードワーヘルスエコシステムとの統合

将来のシステムは、スマートウォッチ、連続血圧モニター、クローズドループ栄養管理と接続することができます。包括的な健康ハブは、ウェアラブルな電極センサーによって検出されたストレスレベルに対応するインスリンを調整するなど、複数の慢性条件を同時に管理できます。 Apple Watchは、すでに月経の健康を追跡するサイクルを提供し、インスリン感度に相関し、将来のシステムによって活用される可能性があります。インターオペラブルグルコメータのようなオープン規格は、この統合をシームレスにすることを目的としています。

サイバーセキュリティとユーザー信託

人工膵システムは、より接続されるにつれて、サイバーセキュリティがパラマウントされます。 FDAは、医療機器のサイバーセキュリティに関するガイダンスを発行し、メーカーは暗号化、認証、異常検知を実行しています。ユーザーは、透明なデータ処理と信頼性の高い性能に依存します。 #WeAreNotWaiting コミュニティは、ユーザーが独自のアルゴリズムを選択できるオープン API を提唱していますが、これは規制当局が対処しなければならないリスクも導入しています。

手頃な価格とアクセス

コストは大きな障壁を保ちます。ハイブリッドクローズドループシステムのリスト価格は、毎月300〜500ドルの追加を継続してセンサーとポンプの供給で5,000ドルを超えることができます。オープンインシュリンプロジェクトのような取り組みは、オープンソースハードウェアによるコストを削減することを目的としていますが、広範な保険の適用範囲と生産コストがグローバルアクセスに必要です。JDRFは、支払いに費用効果の高い実証、およびAIDシステムのための一部のヨーロッパ諸国の既に払い戻しを行なっています。

コンテンツ

人工膵臓の研究は、糖尿病管理を変革し、マルチパラメータ監視はそれを取るために設定されています。多様な生理学的信号を統合することにより、これらのシステムはより適応性、安全、およびユーザーフレンドリーになります。パスフォワードは、センサー技術の精製、機械学習アルゴリズムの推進、およびequitableアクセスの確保を含みます。これらのイノベーションは、臨床的慣行に達すると、糖尿病の負担を軽減し、世界中の何百万もの結果を改善することを約束します。人工パンクテリアの次世代は、通常のシステムだけでなく、通常の配送を想定するだけでなく、通常のシステムに必要としているだけでなく、通常の配送を自動化する必要があります。

詳細は、【】American Diabetes Association]、 ]]]JDRF、または]に関する最新の臨床試験を探求するか、ClinicalTrials.gov[]。研究者や臨床医は、 Diabetes Technology Societyを迅速かつこの教育分野で急速に活用]に依存しています。