Table of Contents
糖尿病技術の隠された作業負荷
人工膵臓システムは、閉鎖ループインシュリン送出システムとも呼ばれ、近年10年間糖尿病治療において最も重要な進歩の1つです。これらのシステムは、連続グルコースモニター(CGM)、インシュリンポンプ、およびインシュリン送出を自動化するための制御アルゴリズムを組み合わせ、最小限のユーザー介入範囲内で血糖値を維持することを目的としています。ただし、フルオートメーションの約束は、現在のglucose値を観察することで、ユーザーは、正確な検査結果が確認され、その結果が確認されるように変化します。
クローズドループシステムにおける校正のマーチャの理由
連続グルコースモニターは直接血糖を測定しません。代わりに、それらは、電気電流を発生させる酵素反応を介して、間接流体におけるグルコース濃度を測定します。この電流は、口径測定アルゴリズムを介してグルコース読書に変換されます。生信号と実際の血糖間の関係は静的ではありません。それは、センサー老化、膜凝集、代謝変化、および環境要因による時間をかけて変化します。定期的な再較正なしで、危険性低下および低血糖値低下を引き起こします。
人工膵システムでは、制御アルゴリズムは、インシュリンデリバリーに関するリアルタイムの決定を行うために、CGMデータに依存しています。センサーが不正確である場合、アルゴリズムは、欠陥のある入力に基づいてインスリンを配信します。これは深刻な結果をもたらすことができます。したがって、校正は単なる利便性ではありません。つまり、クローズドループが許容されるリスク内で動作することを確認する安全批判的機能です。しかし、ユーザーは、指の複数の回を繰り返して、ユーザーは、マニュアルの作成と非段階的な手順を欠かせません。
従来の口径測定プロトコル
長年にわたり、CMCGMシステムは、特定の時間(例えば、食欲と食事の前に)で実行される、1日2本の指の口径測定を要求しました。 グルコースが急速に変化していたり、センサーの自信が低いときに、いくつかのシステムが追加の口径測定を操作しました。 これは、特に睡眠、運動、または病気の間に、ユーザーの重い負担を課しました。 研究は、キャリブレーションが時間とともに低下し、誤った口径測定は、センサーの精度の低下に直接相関するということを意味します。 小児科の生徒は、しばしばストレスやストレスを伴います。
ブルデンの定量化: 校正コストのユーザー
口径測定の負担は単なる認識ではありません。それは複数の次元にわたって測定可能です。まず、実用的な負担:各指棒は、洗浄針を必要とし、指先を圧迫し、血液サンプルを収集し、それをテストストリップに適用します。これはテストごとに1〜2分かかりますが、活動を中断し、社会的または専門的な設定で恥ずかしいことがあります。 1日4〜6指棒を実行するユーザーは、このことは、針を10〜20分に翻訳し、針を繰り返します。針の針の針は、針の針の負荷を繰り返すことはありません。
第二に、精神的負担:指棒テストは痛みを伴うと不安を生成し、特に針恐怖症または敏感な指先を持つ人のために。病気の状態の定数のリマインダーは、糖尿病のバーンアウトにつながることができます。第三に、認知負荷:ユーザーは特定の時間に目盛りを付け、食事のタイミングと運動を計画し、結果を解釈することを忘れないでください。この認知負荷は、特に、複数の健康状態、シフト労働者、または要求のジョブを持つ人々を管理する個人にとっては重大です。
経済の負荷: 指棒ストリップとランサーは、継続的なコストで消耗品です。 保険であっても、外ポケット費用はかなりかかります。 校正負担がテストをスキップし、センサーの不正確をもたらす場合、ユーザーは、グルコース制御のより有利な経験をし、合併症のリスクと全体的な医療コストを増加させる可能性があります。
APSの採用およびアウトカムへの影響
自動インシュリン配達の明確な利点にもかかわらず、糖尿病を持つ多くの人々は、校正による技術を採用するか、または放棄するかどうかを遅らせます。 で公表された研究は、糖尿病技術と検査;治療]]は、校正が有害であるので、より頻繁により時間が範囲が高かったり、より良好な腹部的な結果をもたらすユーザーであることを示しています。ただし、校正者がより多くをキャリブレーションする人は、センサーの問題や高機能障害をに対処することが多いため、または不明確に判断する結果が、両方の関係を改善することが示唆されています。
[ClinDiabetesによる研究は、キャリブレーションの負担が、ハイブリッドクローズループシステムを中止するための2番目に最も引用された理由であることを認識し、皮膚の反応を付着するだけでなく、ユーザーは「ironic」として要求を記述し、糖尿病管理の作業負荷を削減するシステムが、新しい毎日の要求に直面しています。 これらの調査では、校正ユーザーの負担を最小限に抑えることの重要性が強調され、APS技術の公衆衛生への影響を最大限に高めます。
校正バーデンの最小化技術
これらの課題に対応して、研究者やデバイスメーカーは、ユーザー・パーフォーメーション・キャリブレーションの必要性を削減または排除することを目的としたイノベーションのスレートを開発しました。これらの技術は、ハードウェアの改良、ソフトウェアアルゴリズム、システムアーキテクチャ、および完全に新しいセンサーパラダイムに及ぶ。
工場校正センサー
ユーザーの負担を軽減するための最も直接的なアプローチは、ユーザの口径測定を完全に排除することです。工場校正センサーは、センサー全体の摩耗時間に有効のままのプリセット校正パラメータで製造されています。これらのセンサーは、生産中の高度な品質管理を使用して、箱から信号の一貫性と精度を確保します。 DexcomのG6とG7のセンサーは、例えば、工場校正され、ほとんどのユーザーのための指棒校正を必要としません。これは、ユーザーエクスペリエンスでの主要な飛躍を促進します。 臨床検査では、G7〜9〜9月が、G7〜9月までの相対的な差をG7〜9月7月7日、つまり、G7〜9〜9〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7〜7
工場校正は、ユーザからプライマリの負担を取り除きますが、センサー製造とセンサー化学の激しい制約があります。センサー間のバリデーションは最小限に抑えられなければなりません。キャリブレーションアルゴリズムは、摩耗期間にわたってセンサーのドリフトを処理するのに十分な強度が必要です。システムが異常を検出した場合、一部のセンサーは時々指紋チェックを必要とするかもしれませんが、これらはルールの代わりに例外です。
マシン学習による自動校正
校正が必要なシステムや、ユーザー校正センサーの柔軟性を好むユーザーにとっては、機械学習アルゴリズムは、校正の頻度と認知負荷を軽減することができます。これらのアルゴリズムは、生センサー信号と参照のグルコース値間の関係を学び、感度漂流、遅延時間、騒音パターンなどのセンサー固有の特性に適応します。過去のデータ分析により、校正が必要なときにアルゴリズムが予測でき、誤差を最小限に抑える最適なタイミングを提案します。
バージニア大学のボリス・コバッチエフ博士と彼のチームは、機械学習を活用して、より少ない指棒で校正を処理するための統一された安全システムを開発しました。 彼らのアプローチは、センサーデータと時折参照測定に基づいて、リアルタイムで校正パラメータを更新するためにベイジアン・フレームワークを使用しています。 臨床試験では、システムは1日1回の校正で安全なグルコース制御を維持し、一日あたりの標準4と比較して、毎日1回の校正のみを維持しました。
より高度な実装は、アルゴリズムが複数のセンサー全体で信号の一貫性を分析し、またはインシュリンの配信データと交差レファレンスすることにより、明示的なラベルなしで校正エラーを検出する自己監視学習を使用します。例えば、インシュリンポンプが積極的に配信を増加している間、センサーが急上昇を報告する場合、アルゴリズムは、センサーの読み取りが誤って、それに応じて校正を調整することができることを推測することができます。これらの技術は、校正間隔を24〜48時間または安定した条件に延長することができます。
センサーの融合:データストリームを組み合わせる
センサーの融合は、複数のセンサーから情報を組み合わせて、現在のグルコースレベルのより正確で信頼性の高い推定値を生成する技術です。 APSのコンテキストでは、これは通常、異なるサイトに配置された2つの異なるセンサーからのデータを組み合わせた、または心拍数、皮膚の伝導、または加速度測定などの他の生理学的信号とCGMデータを統合する、同じセンサー内の複数の電極からデータを融合することを意味します。
センソニックスエバーセンスインプラントシステムで使用されるもの、インタースティチュアルスペース内の複数の深さでグルコースを測定するなど、複数のセンサーは、アルゴリズムがローカル組織の反応やモーションアーティファクトの修正を可能にします。 エバーセンスシステムは初期の校正期間を必要としますが、最大90日間大幅に削減されたフィンガースティック要件で動作します。 複数の電極からのデータの融合は、リアルタイムの欠陥の検出を可能にします。 1つの電極がアウトレイリアを生成する場合、自動でシステムが不要な場合は、システムが要求を除外し、不要なシステムが不要になるようにします。
心拍数、温度、および活動のためのボディ・ホーンのセンサーはAPSの生態系にますます統合されます。 状況を分析することによって、グルコースの傾向は食事療法の後に段階的な上昇を逆転させます-アルゴリズムはセンサーの漂流と真の生物的変化間のよりよく区別できます。 ケンブリッジ大学の研究者は、シミュレートされた閉鎖ループシステムで18%による可聴率データ減らされた口径測定の間違いを加えることを実証しました。 このコンテキスト・フュージョンは、追加のリブレーションなしで堅牢性が向上します。
予測校正スケジューリング
校正がまだ必要であっても、現代のシステムは、校正のプロンプトを中断を最小限に抑えるときにスケジュールすることができます。 固定された2回分の1日スケジュールよりもむしろ、予測校正アルゴリズムは、相対的な血糖安定性の窓を識別するためにユーザーの履歴パターンを分析します。 例えば、ユーザーが一貫して早い午後に安定したグルコースレベルを持っている場合は、システムが睡眠中に2:00の時点でではなく、その時に校正を促すことができます。 これは、欠落した校正の可能性と、露光度が低下する際の注意を低下させる。
タンデムコントロールIQシステムは、もともと定期的な校正を必要とする間、ユーザーが「委任された校正」アプローチを組み込むことによって、より頻繁に校正できるように進化しました。システムは累積的な校正の信頼性を追跡し、エラーのマージンがしきい値を超えたときに指紋を要求します。このユーザーインループアプローチは、固定されたスケジュールと比較して平均的な校正頻度を約40%削減し、タンデムのDiabet Carebetsが報告した実際の使用状況データによると。
移植性および長寿命センサー
センサーの長寿は直接口径測定の負荷に影響を与えます。従来のCGMセンサーは7–14日、各新しいセンサーとの頻繁な取り替えそして口径測定を要求します。Eversense E3のようなインプラントブル センサーは180日の摩耗期間を提供します。センサーが小さい切開とsubcutaneously置かれるので、最初の口径測定の負荷はより高いです(日1の指の一連の)、センサーが安定したら、口径測定の頻度は7–14日毎に一度に低下します。多くのユーザーのために、実質的な負荷は6か月の。
ノンインプラントセンサーのカテゴリ内でも、メーカーは摩耗を延ばすために押しています。 Dexcom G7は、工場出荷時の校正で10日間の摩耗を提供しています。将来の世代は14日間以上を目指しています。拡張摩耗の毎日は、センサーの開始回数と関連する校正手順を減らします。さらに、長期センサー寿命は無駄と供給糖尿病の環境影響を低減します。
クラウドベースの人口測定
新たなコンセプトは、個々のセンサーを校正するために、人口レベルのデータの使用です。クラウドに接続されたAPSでは、センサーの応答特性の「デジタルツイン」を構築するために匿名化されたデータを集計することができます。新しいセンサーがインサートされると、システムは、平均的な人口に基づいて校正パラメータで始まり、最小限のユーザー認証基準読み取り値(例えば、最初の日に単一のフィンガースティック)でそれらを refines します。このアプローチは、Android APS から商用体への移行を削減し、複数のコミュニティから複数のコミュニティに移行するだけです。
さらに、大規模なデータセットで訓練された機械学習モデルは、初期信号パターンに基づいてセンサーのドリフト軌跡を予測することができます。モデルが特定のセンサーが1日5で不正確に漂流すると予測した場合、システムは、ドリフトがしきい値を超えるのを待つよりも、日4で校正ウィンドウを積極的にスケジュールすることができます。この予測アプローチは、反応的なメンテナンスタスクから校正を積極的な最適化に変換します。
ユーザー中心のデザイン: 校正ワークフローの簡素化
基礎技術を超えて、キャリブレーションはユーザーの重要に非常に提示されます。歴史的に、キャリブレーションプロンプトは、監視アラーム、侵入通知、および厳格な時間ウィンドウを妨害しました。モダンシステムは、より多くのユーザー中心のデザイン哲学を採用します。キャリブレーションリクエストは、デバイスロック画面に表示され、構成可能な期間を延ばし、中断を減らすために他の通知とバッチ化することができます。Medtronic 780Gのようなシステムによっては、ユーザーは電話のストリーミングを行なうことなく、直接電話機に調整することができます。
音声対応の校正と手作業のないワークフローで、視覚障害や身体障害のあるユーザーも探しています。 FDAは最近、音声コマンドを使用して、校正を通したユーザーを誘導するシステムが消去され、それは、運動タスクに苦労する人に対する認知的および物理的な負担を軽減します。 これらのユーザーインターフェイスの革新は、必要に応じてマニュアルの手順を可能な限り摩擦しないようにすることで、アルゴリズム的な改善を補完します。
臨床アウトカム: 減らされた口径測定の負担はブドウ糖制御を改良しますか。
究極の質問は、校正の負担を軽減するかどうかがより良い臨床結果を生み出します。 証拠は奨励しています。 工場校正センサーをユーザー校正センサーに比較する研究のメタ分析は、工場校正センサーが同等の精度(MARD 8.6% vs 9.1%)であったことがわかりましたが、ユーザー満足度とセンサーウェアの摩耗時間を大幅に向上(15% は平均摩耗)。 より長い摩耗時間は、オープンループモードでより少ない時間につながり、直接時間と低時間範囲でHcrange1とHcrange1を削減する。
ハイブリッドクローズドループ試験では、平均で1日1回以上経過したユーザーが、毎日2回以上校正した人に対して64%に比べ、平均72%のタイムインレンジを達成しました。この相関は、より安定したユーザーがキャリブレーションを必要としていると、ユーザーはシステムとより一貫して作業できるようにする負荷を除去することも示唆しています。
Fiasp-with-APSコホートの[Bekiari et al.[]による研究では、ユーザキャリブレーション習慣がベースラインHbA1c後にタイムイン範囲の最も強い予測者であることがわかりました。 推奨間隔でキャリブレーションされた参加者は、5.2パーセンテージポイントの上昇率が増加し、キャリブレーションを遅延またはスキップした人と比較して、より高い時間範囲でした。 この効果は、ハイブリッドループから直接測定結果が確認されていない、アルゴリズムが直接確認されるのが、直接的な結果にすぎません。
規制と安全に関する考慮事項
校正の負担を軽減することは、安全を妥協してはならない。 FDA および他の規制機関は、CGM システムが初期摩耗とセンサーの寿命の両方に特定の精度基準を満たしていることを要求しています。 工場校正システムでは、ユーザーの介入なしに精度が維持されていることを証明する必要があります。例えば、急速なグルコース変更、高度、または運動中に、困難なシナリオ。 校正フリーシステムのための規制経路は、校正フリーシステムに対する非侵襲性を実証するために、頻繁な測定基準と広範な臨床検査を伴います。
トラクション獲得の1つのアプローチは「条件付き口径測定なし」のラベリングです。例えば、Dexcom G6はほとんどのユーザーに対してキャリブレーションフリーと見なされますが、症状が原因の不一致が起こるかどうか、一部の患者がキャリブレーションする必要があるという警告状態です。このバランスは、ユーザーの自律性による安全性です。将来的には、センサーの信頼性がリスクのしきい値下にある場合にのみキャリブレーションを必要とする場合があります。このことは、規制システムが95-98%を制限するのを制限します。
将来の方向: 完全自動校正に向けて
長期目標は、ユーザー・パーフォーメーション・キャリブレーションを完全に排除することです。 いくつかの並列研究ストリームは、この未来に向かってポイントを指しています。
非侵襲的な光学センサー
レイマン分光法、光音響検出、熱分光法に基づく光学センサーは、針を差し込みることなく皮膚を貫くグルコースを測定することができ、従って、校正を必要としている加硫と漂流を回避する。 ]のような企業は、DiaMonTechは、侵襲的CGMの精度にアプローチするプロトタイプ非侵襲的なセンサーを実証しました。 これらの技術が成熟した校正は、ユーザーを伴わないプロセスを一度に1回だけにすることができます。
人工知能と人口モデルによる校正
世界的な傾向、気象データ、食事ログ、遺伝学を組み込むAIモデルは、個々のセンサーのドリフトパターンを正確に予測することができ、参照指棒が不要なことが可能になります。 代わりに、アルゴリズムは、ユーザーの独自の履歴データを自己補正するために、人口モデルとともに使用しています。 これは、すでにバージニア大学のDIASシステムなどの研究システムでテストされています。校正アルゴリズムは、センサーデータとインスリンの配信履歴のみを使用して、任意の指の参考文献なしで9.5%のMARDを達成する。
双眼鏡・マルチセンサーシステム
グルコゴンまたは他のホルモンを含むシステムが冗長情報チャンネルを追加します。デュアルホルモンシステムでは、制御アルゴリズムには、フィードバック(CGMからグルコースとグルコゴンへの行動応答)の2つの独立したソースがあり、それはより確実に校正エラーを検出することができます。同様に、同時に2つのCGMセンサーを着用(例えば、腕上1つと腹部の1つ)は、システムを読み取りと比較し、失敗したセンサーを拒絶することを可能にする冗長性を作成します。この方法は、すでに50〜80%のリキャリブレーションが必要である「この方法」と、いくつかのアプローチを低減することができます。
脆弱な人口のためのユーザー テーラード 校正
小児、妊娠中の女性、および高齢者は、調整された校正アプローチを必要とするかもしれない明確なグルコース生理学を持っています。将来のシステムは、ユーザープロファイル、長期データ、および遺伝マーカーに基づいて校正周波数とプロトコルを調整する可能性があります。例えば、妊娠中の女性はより迅速なグルコース変更を経験し、より頻繁に校正を必要とするが、システムは、これらのデータを便利な時間にスケジュールし、負担を最小限に抑えるために音声ガイドされた手順を使用する可能性があります。古い成人には、デキステリティーの問題、ジェスチャーベースの(正式な校正)が完全にタップすることができます。
コンテンツ
校正の負担は、幅広い採用と人工膵システムの使用を持続する永続的な障壁でした。 しかし、イノベーションの軌跡は明らかです。毎年、センサーはより正確になり、アルゴリズムがよりスマートになり、ユーザーインターフェイスはより寛大になり、より多くの寛大なものになります。 工場校正センサー、機械学習自動校正、センサーの融合、およびクラウドベースの人口モデル化は、ユーザーが完全に排除されるように、すべての人が、あらゆるレベルの安全を保ち、あらゆる人々に、適切な行動を保ち、効果的に改善するだけでなく、あらゆる人々にもたらすことができる、あらゆる人の努力を続け、あらゆる人々に、適切な行動を促すことができるのです。