Table of Contents

Розробка штучних пристроїв підшлункової залози є одним з найбільш значущих досягнень в управлінні цукровим діабетом за останні десятиріччя. Ці системи автоматизують регулювання рівня цукру крові, зменшуючи необхідність частих пальцевих тестів і ручних ін'єкцій. У самому серці цих пристроїв лежить багатомодова система датчика, яка поєднує дані з декількох фізіологічних датчиків для підвищення точності і надійності. Як дослідження прискорює і технологія розвивається, майбутнє цих систем датчика обіцяє ще більшу точність, знижену інвазивність і персоналізовану допомогу. У статті досліджено сучасний стан багатомодових сенсорних технологій, інновації на горизонті, і труднощі, які повинні бути адресовані для життя людей.

Роль багатомодових систем датчика в штучних панкреаційних пристроях

Штучний підшлунок, також відомий як замкнено-опова система доставки, як правило, складається з безперервного монітора глюкози (CGM), інсулінового насоса, а також алгоритм управління, який автоматично регулює постачання інсуліну на основі одноразових глюкози читання глюкози. Багатомодальна система датчика відноситься до інтеграції декількох типів датчиків, які тільки глюкози, щоб забезпечити більш насичений, більш надійний потік даних для алгоритму. За рахунок включення додаткових фізіологічних параметрів, таких як лактат, кетони, частота серця або навіть температура, ці системи можуть краще очікувати метаболічних змін і запобігти небезпечними водними цукровими екскурсійами.

Наприклад, під час фізичних вправ людина з діабетом може випробувати швидку крапельу в глюкозі. Стандартний CGM може виявити зниження тільки після його початку, але багатомодальна система, яка включає монітор частоти серцевих скорочень або акселерометр може прогнозувати активність індукованої гіпоглікемії раніше і регулювати надбавку інсуліну заздалегідь. Аналогічно, рівень моніторингу кетонових може оповідати систему для розробки діабетичної кетоацидозу (DKA), життєздатного стану. Таким чином, багатомодове зондування мета полягає у створенні більш цілісної картини метаболічного стану пацієнта, що веде до безпечного і більш ефективного управління.

Сучасні технології в багатомодальних системах датчика

Сучасні комерційні системи штучного підшлункової залози - так, як мінімовані медтроничного типу 780G, контроль за тандемом - IQ, і Omnipod Insulet 5 - це в першу чергу на даних CGM, інтегрованих з насосами інсуліну. Ці ЦГМ використовують підшкірний електрохімічний датчик, який вимірює глюкозу в міжступінчастій рідині кожні кілька хвилин. Хоча високоефективні, вони мають обмеження: сенсорний відстав (затримка між змінами глюкози і міжступінчастими рідкими читаючими), калібрування дрейфта, а також періодичний сигнал знепадання. Для вирішення цих питань дослідники додають вторинні датчики для змішування.

Lactate і кетонові датчики

Рівень лактату може вказувати анаеробний обмін, який може виникнути при інтенсивній фізичній фізичній вправі. У тому числі датчик лактату, штучний підшлункової залози може відрізняти між крапельою в глюкози, викликаному фізичними навантаженнями і одними, викликаними перенадуванням інсуліну. Кетони датчики, з іншого боку, забезпечують раннє попередження для недостатності інсуліну. Деякі експериментальні системи поєднують глюкози і кетонесенси на один мікронедле патч, що дозволяє безперервно контролювати як біомаркери. Ці подвійні чутливі патчі все ще в розробці, але тримати обіцянку для зменшення потреби окремих кето-тестових смуг.

монітори частоти серцевих скорочень та активності

Зносні пристрої, такі як смарт-годинники та фітнес-групи, вже пропонують відстеження частоти серцевих скорочень та активності. Інтеграція цих потоків даних в алгоритм штучних підшлункової залози може підвищити точність прогнозування. Наприклад, різке збільшення частоти серцевого ритму може сигналізувати про початок гіпоглікемії, навіть перед реєстрацією CGM низький рівень глюкози. Комерційні системи почали включати такі дані; наприклад, система керування-IQ може регулювати цілі на основі користувацького вправи, але більш глибока інтеграція з постійним монітором частоти серцевих скорочень все ще з'являється.

Датчики температури та водовідведення

Температура тіла коливання може вказувати інфекції або підвищення температури тіла, які впливають на чутливість до інсуліну. Слабкі датчики, форма неінвазивного моніторингу, може вимірювати глюкозу, лактат і навіть кортизол в поті. Хоча все ще значно в дослідницькій фазі, ці датчики можуть в кінцевому підсумку забезпечити дані без необхідності підшкірного імпланта. Однак такі проблеми, як випаровування поту, роздратування шкіри і калібрування залишаються значними.

Обмеження сучасних багатомодових підходів

Незважаючи на потенціал, сучасні багатомодальні системи стикаються кілька практичних перешкод. Датчик fusion — це компоненти даних з дискретних джерел — вимагають складних алгоритмів, які можуть зважити надійність кожного датчика. Наприклад, якщо монітор частоти серцевих скорочень звітує про шип, але CGM показує стабільний глюкоз, алгоритм повинен визначити, який датчик більш надійний. Калібрація невідповідностей, датчика дрифту, а також відмінності затримки затримки ускладнюють прийняття рішень в режимі реального часу.

Додатково споживання енергії збільшується з кожним додатковим датчиком, що впливає на життя батареї. Користувачі вже повинні заряджати їх інсуліновий насос і іноді окремий ресивер. Додавання більш датчиків може знадобитися більші батареї або більш часта зарядка, яка може зменшити прихильність. Безпека даних також стає більш складним: кожен сенсорний потік представляє потенційний вектор атаки для шкідливих акторів, і система повинна шифрувати і передавати чутливі дані для здоров'я надійно.

Вартість є ще одним бар’єром. Багатомодальні датчики є більш дорогими для виробництва, і вони можуть бути повністю покриті страховкою. Необхідність для частих замін датчиків (вже 7-14 днів для CGM) додає постійний рахунок. До економіки масштабних і нормативних загоджувань приводять ціни, загальне прийняття буде обмежене.

Інновації та перспективи майбутнього

Наведено, що в рамках проекту «Науково-інформаційна підтримка» є одним із ключових тенденцій, які формують майбутнє.

Неінвазивні та мініінвазивні датчики

Можливо, найбільш очікуваний прорив є розвитком дійсно неінвазивного контролю глюкози. Технології, які слідують за дослідженням:

  • Опттичні датчики з використанням параметроскопії ближнього інфрачервоного або ромського випромінювання для вимірювання глюкози через шкіру без розриву поверхні.
  • Мікрохвильові датчики, які виявляють зміни діелектричних властивостей судин в шкірі.
  • Вилучення міжрідних рідин через мікронедле масиви, які менш болючі, ніж поточні нитки CGM.
  • Контакти датчиків об'єктивів, які вимірюють глюкозу в сльозах (підібрані проектами, такими як розірвання смарт-контакта об'єктива Google, але продовжується дослідження).

Незважаючи на те, що не повністю неінвазивний датчик ще досягається точності, необхідної для дозування інсуліну, проводиться швидкий прогрес. Компанії, такі як DiaSense і академічні групи MIT, досліджуються мікронедири мікронідри підміліметра, які можуть відчувати глюкозу, лактат і кетони одночасно з мінімальним дискомфортом. Якщо успішним, ці системи можуть різко поліпшити досвід користувача і відповідність.

Інтеграція штучного інтелекту та машинного навчання

Штучний інтелект (AI) є центральним для еволюції багатомодових сенсорних систем. Моделі машинного навчання можуть бути навчені на великих датах, що містять глюкози читання, інсулінові дози, журнали харчування, дані активності та сенсорні виведення. Ці моделі вивчають візерунки та кореляції, які можуть бути неможливі для традиційних алгоритмів на основі правило, щоб захопити.

В рамках проекту «Експоцентралізація» будуть представлені наступні системи:

  • Прогностування глюкози з використанням рецидивних нейромереж (RNNs) або моделей трансформатора для прогнозування рівня глюкози 30–60 хвилин попереду з високою точністю.
  • Основні бази та болусні налаштування, які адаптуються до унікальної чутливості кожного користувача, циркадієвих ритмів та способу життя.
  • Виявлення та перевірка датчиків, де AI порівнює декілька потоків датчиків для виявлення та виключення помилкових даних, поліпшення загальної надійності системи.
  • Anomaly Definition] для ранньої попередження несправностей датчиків або фізіологічної кризи (наприклад, введення DKA).

Одним з нездатних розробок є використання глибокого навчання армування для оптимізації доставки інсуліну в режимі реального часу, балансування цілей з щільного глікологічного контролю та уникнення гіпоглікемії. Ранні випробування, такі як університет Кембридж і Університет Вірджині, показали перспективні результати в імітаційних середовищах та невеликих клінічних дослідженнях. Завдання полягає в забезпеченні цих AI-систем є прозорими, врізноманітні та безпечні, особливо коли вони працюють автономно.

Системи інтеграції даних та даних

Для того, щоб сенс кількох вхідних датчиків, платформи з'являються, що сукупні дані з CGM, інсулінових насосів, трекерів активності та навіть моніторів безперервного артеріального тиску. Ці платформи використовують хмарну аналітику для оновлення алгоритмів з часом, процес іноді називається "легкий контроль". Наприклад, Jaeb Center for Health Research має перевизнання декількох випробувань таких інтегрованих систем.

У майбутньому ми можемо бачити єдиний зносний пристрій, який поєднує всі необхідні датчики— глюкоза, лактат, кеттони, частота серця, температура і, можливо, навіть артеріальний тиск—в компактному, водонепроникному пакеті. Компанії, такі як Dexcom] і Medtronic, які вкладають багатофункціональні та багатосенсорні платформи. Така інтеграція спростить досвід користувача і зменшить навантаження управління декількома пристроями.

Закриті системи з адаптивним управлінням

Кінцева мета - це повністю автономна система закритого типу, яка вимагає мінімального введення користувача. Сьогодні гібридні замкнені системи все ще вимагають ручних шрот і калібрування пальників. Завтра системи аспірують бути повністю автоматизованими, використовуючи багатомодальні сенси для виявлення їжі, регулювання для вправ і ручки стресу або хвороби без втручання користувача.

Адаптивний алгоритм керування — так як модель предиктивного контролю (MPC) і нечітко Логіка — рафінована для обробки властивої непередбачуваності фізіології людини. Алгоритм MPC, наприклад, може використовувати модель динаміки глюкози-інсуліну для прогнозування майбутніх станів і оптимізації поточного надходження інсуліну. При поєднанні з багатомодальними даними датчика модель стає більш точним і може адаптуватися до змінних умов (наприклад, явище світанку, менструації або перебігу хвороби).

Виклики та рекомендації щодо широкого застосування

Щоб зробити майбутнє багатомодових сенсорних систем на ринок, потрібно звернутися до дослідників, клінік та виробників пристроїв.

Датчик Точність і калібрування

Не датчик ідеально підходить. Додавання більш датчиків збільшує ймовірність, що принаймні один буде дрейф або не вдасться. Розробка надійних алгоритмів калібрування, які можуть автоматично перераховувати датчики, використовуючи крос-коригування між модалями, є активним районом дослідження. Наприклад, система може використовувати високу точність, але міжмітентне посилання (як традиційний пальчик) для виправлення дрейфу в безперервному, але менш точний датчик. Однак такі підходи додають складність і може знадобитися дотримання користувачів калібрування.

Безпека даних та конфіденційність

Багатомодальні системи генерують багатство персональних даних про здоров’я. Дані привабливі для кіберкриміналістів та повинні бути захищені кінцевими. Шифрування, безпечна передача даних на хмарні сервера, а також деідентифікація є необхідним. Крім того, користувачі повинні контролювати, хто отримує доступ до своїх даних. Регулятори, такі як FDA, підкреслюють кібербезпеку в схваленні пристрою. Системи майбутнього, ймовірно, будуть включати блокчейн або інші провідні технології для забезпечення протипожежних слухових причепів.

Обслуговування акумуляторів та пристроїв

Потужний багатомодовий систем, бездротовий зв'язок, а алгоритм управління вимагає енергії. Сучасні гібридні системи вимагають щоденної зарядки насоса і періодичної заміни датчика. Багатомодальні системи майбутнього можуть знадобитися інновації в збирання енергії (наприклад, від тепла або руху тіла) або більш ефективні електронні. Біосумісні, довголіття батареї також розглянуті. Графіки обслуговування повинні бути оптимізовані для мінімізації часу і навантаження користувачів.

Вартість та доступність

Розширені системи датчиків є дорогими. У багатьох країнах страхування покриття для штучних пристроїв підшлункової залози обмежена. Додана вартість багатомодових датчиків може розширити недоліки здоров'я. Для досягнення рівності виробники повинні працювати з платниками, щоб демонструвати економічності - переповідачі через знижені госпіталізації для діабетичних надзвичайних ситуацій. Уряди та неприбутки повинні також фінансувати дослідження в виробництво датчиків низької вартості, таких як друковані датчики або рецикльні компоненти.

Нормативно-діагностична перевірка

Штучні системи підшлункової залози - це методи III, які вимагають суворих клінічних випробувань. Впровадження декількох нових датчиків означає, що кожен повинен бути індивідуально діє для точності, безпеки та надійності в цільовому популяції. FDA видала настанову про використання AI в медичних пристроях, але шлях для систем, які навчаються та адаптуються протягом часу залишається складним. Реал-світні докази та післяпродажне спостереження будуть критичні для забезпечення довгострокової безпеки.

Досвід та приймання пацієнта

Технології не вистачає; досвід користувача є параmount. Багато людей з діабетом експрес-незалежності про повторення на автоматизованих системах, зокрема, коли вони мають досвідчені сенсорні збої або тривожної втоми. Багатомодальні системи, що знижують помилкові сигналізації, перехресні дані датчика можуть покращити довіру. Крім того, інтерфейси користувачів повинні бути інтуїтивно зрозумілими і налаштованими. Деякі користувачі воліють повністю автоматизований "сет-і-забут", а інші хочуть залишитися в контрольному режимі.

Учбові та навчальні заклади будуть ключовими. Клініки повинні розуміти, як інтерпретувати багатомодові дані та допомогти пацієнтам налаштувати налаштування. Системи підтримки печінки, такі як ті, що знайшли в онлайн-спільнотах діабету, можуть також прискорити прийняття шляхом обміну кращими практиками.

Напрямки майбутнього: За типом 1 діабет

Хоча штучний підшлунок, перш за все, призначений для діабету 1 типу, базова багатомодова технологія датчика має застосування в управлінні цукровим діабетом типу 2, інтенсивний контроль над лукозом (ICU) та навіть недіабетичні умови, такі як контроль гіпоглікемії у спортсменів або солдатів. Принципи синтезу датчика можуть бути адаптовані для моніторингу інших хронічних захворювань, таких як моніторинг лактату та pH у хворих на сепсис або кетони у дієтах з схуднення.

Крім того, поняття «бодіто-системний контролер», що інтегрує кілька фізіологічних петель, можуть переходити за межі глюкози: майбутні пристрої можуть координувати інсулін з глюконом (бі-гормонально штучних підшлункової залози), контролювати стресові гормони, а навіть автоматично адміністраторувати інші ліки. Такі системи вимагають ще більш витончених багатомодових сенсорів і алгоритмів управління.

Висновок

Майбутнє багатомодових сенсорних систем у штучних пристроях підшлункової залози є яскравими, керованими інноваційними інноваціями в неінвазивному сенсі, штучному інтелекті та інтеграції даних. Ці досягнення обіцяє зробити автоматизовану доставку інсуліну більш точним, персоналізованим та зручним, в кінцевому рахунку, поліпшення якості життя для людей з діабетом. Однак суттєві проблеми залишаються в надійності датчиків, безпеці даних, життєдіяльності батареї, вартості та клінічної перевірки. З продовженням інвестицій з промисловості, акадмії та постачальників охорони здоров'я, багатомодові системи датчиків стануть стандартом у догляді цукрового діабету, що блювить шлях до нової летені, автоматизованого управління здоров'ям.