Table of Contents

Приховане робоче навантаження технології діабету

Штучні системи підшлункової залози (APS), також відомі як системи збирання закривних систем, представляють собою одну з найбільш значущих досягнень в догляді за діабетом за останні десятиліття. Ці системи об'єднують безперервний контроль глюкози (CGM), інсуліновий насос, а алгоритм управління для автоматизації доставки інсуліну, спрямованих на збереження рівня глюкози в межах цільового діапазону з мінімальним втручанням користувача. Однак обіцянка повної автоматизації залишається частково неповним через стійкий вимогу: калібрування. Калібрація є процес вирівнювання датчика сирого сигналу з значенням глюкози, зазвичай отриманого з пальника. Хоча технологія калібрування статті продовжується.

Чому калібрувальні речовини в закритих системах

Безперервні монітори глюкози не вимірюють глюкози крові безпосередньо. Замість них вимірюють концентрацію глюкози в міжстиціальної рідини через ферментативну реакцію, яка генерує електричний струм. Цей струм перетворюється в глукозний читання через алгоритм калібрування. Зв'язки між сирим сигналом і фактичним глюкозом крові не статичні; змінюється з часом через сенсорне старіння, мембранний фольгування, метаболічні зсуви і екологічні фактори. Без періодичної рекалібрації, точність деградів, потенційно призводять до неправильного дозування інсуліну і небезпечного гіпо- або гіперглікемії.

У штучній системі підшлункової залози алгоритму спирається на дані CGM, щоб зробити реальні рішення про доставку інсуліну. Якщо датчик неточний, алгоритм буде доставлений інсулін на основі неправомого введення, який може мати серйозні наслідки. Калібрація тому не є простою зручністю - це функція безпеки, яка забезпечує закриту петлю, яка працює в межах прийнятних обмежень ризику. Однак вимога для користувачів, щоб виконати пальцеві тести, кілька разів на день переосмислює ручний крок, який APS був розроблений для усунення, підірвання досвіду користувача і створення циклу тягару і незбережності.

Традиційний протокол калібрування

Протягом багатьох років комерційні системи CGM вимагають двох калібрувальних помади в день, виконаних в конкретні часи (наприклад, при провансуванні і перед їсти). Деякі системи особливе додаткові калібрування при різкому швидкому зміні або коли рівень довіри був низьким. Це накладено важке навантаження на користувачів, зокрема під час сну, вправі або хвороби. Дослідження показали, що калібрування при цьому знижується з часом, з пропущеними калібруваннями безпосередньо корелює з погіршенням точності датчика. Для педіатричних користувачів тяга часто потрапляє на диференці, з'єднання стресу і шкільні виклики.

Кількісне очищення користувачів Burden: які витрати калібрування

Обтяження калібрування не просто сприйняття; це безглуздий по декількох розмірах. Спочатку практичне навантаження: кожен помада вимагає миття рук, обдуваючи пальцем, збираючи кровосос, і нанесіть його на тестову смугу. Це займає одне-два хвилин на тест, але також перерває діяльність і може бути розмазування в соціальних або професійних налаштуваннях. Для користувачів, які виконують 4–6 пальчиків на добу, це перекладається до 10-20 хвилин на день виділеного часу калібрування, не включаючи емоційне навантаження повторних голок.

По-друге, психологічне навантаження: пальники пальники болючі і виробляють тривожність, особливо для тих, хто з хокею фобії або чутливих пальців. Постійний нагадування стану хвороби може призвести до вигорання діабету. Третя, когнітивна тягар: користувачі повинні пам'ятати, щоб калібрувати в конкретні часи, планувати час і вправи їжі, і інтерпретувати результати. Цей когнітивний навантаження особливо важко для фізичних осіб, що володіють кількома умовами здоров'я, перемикання працівників або тих, хто вимагає робочих місць.

Четвертий, економічне навантаження: пальники та ланчі є витратними матеріалами з постійними витратами. Навіть з страхуванням, позашляховикові витрати можуть бути суттєвими. При калібруванні навантаження призводить до збитих випробувань і збиток датчика, користувачі можуть відчувати більш мінливість при контрольі глюкози, збільшення ризику ускладнень і загальної витрат на здоров'я.

Вплив на APS приймання та Outcoms

Незважаючи на чіткі переваги автоматизованої доставки інсуліну, багато людей з діабетом або затримкою, що приймають APS або відмовитися від технології через калібрувальні навантаження. Дослідження опубліковані в Diabetes Technology & Therapeutics вказує на те, що користувачі, які калібрують рідше мають більший час в діапазоні і краще глікомічні результати, не тому, що калібрування шкідлива, але тому що ті, хто калібрувати частіше виникають з проблем датчика або високої мінливості. Каузалізні відносини незнімні, але асоціація пропонує, що зниження калібрування може поліпшити як задоволення користувачів і клінічні результати.

Дослідження ClinDiabetes] виявило, що калібрування тягару було другим найбільш цитованою причиною припинення гібридних замкнених систем, за тільки шкірних реакцій на клею. Користувачі описують вимогу як "іронічний"—дозволяють систему для зменшення навантаження цукрового діабету тільки для обличчя нових щоденних вимог. Ці результати висвітлюють критичне значення мінімізації калібрування, що дозволяє максимально збільшити вплив здорового стану технології APS.

Техніка для мінімізації калібрування Бурден

У відповідь на ці проблеми, дослідники та виробники пристроїв розробили сланець нововведень, спрямованих на зменшення або усунення потреби у користуванні калібруванням. Ці методики пропагують апаратні удосконалення, алгоритми програмного забезпечення, системи архітектури та повністю нові методи датчика.

Фабричні датчики

Найпоширеніший підхід до зменшення навантаження користувачів полягає в тому, щоб повністю усунути калібрування користувачів. Фабричні калібровані датчики виготовляються з параметрів попереднього калібрування, які залишаються дійсними для всієї тривалості зносу датчика. Ці датчики використовують розширений контроль якості при виробництві, щоб забезпечити консистенцію сигналу та точність з коробки. Декском G6 і G7 сімейства датчиків, наприклад, є завод-калібровані і не вимагають будь-якого калібрування пальчиків для більшості користувачів. Це являє собою великий стрибок вперед у користуванні досвідом. Клінічні дослідження показують, що G7 досягає MARD (звичайна відносна відмінність) приблизно 8.7-9.1%, що є конкурентними з системами, які вимагають щоденного калібрування.

Калорійність виводить первинне навантаження від користувача, але воно має інтенсивні обмеження на виробництво датчиків та хімію датчиків. Варіабельність датчиків повинна бути зведена з мінімумом, а алгоритм калібрування повинен бути досить міцним, щоб впоратися з датчиком дрейфом протягом періоду носіння. Згодом деякі датчики можуть все ж вимагають періодичних перевірок пальців, якщо система виявить аномалії, але це виключення, а не правило.

Автокальібрація Використання машинного навчання

Для систем, які ще потребують калібрування або для користувачів, які віддають перевагу гнучкості користувацького калібрування датчиків, алгоритми машинного навчання можуть зменшити частоту і когнітивне навантаження калібрування. Ці алгоритми вивчають взаємозв'язок між сигналом сирого датчика і довідковими значеннями глюкози з часом, адаптуючи до сенсорних характеристик, таких як чутливість дрейфт, час відставання і шаблони шуму. При аналізі історичних даних алгоритм може прогнозувати при необхідності калібрування і навіть запропонувати оптимальний термін дії, щоб мінімізувати помилку.

Борис Коватчев та його команда в Університеті Вірджині розробили єдиний захисний комплекс для APS, який важіль машинного навчання для обробки калібрування з меншою кількістю пальчиків. Їх підхід використовує Байезіанську раму для оновлення параметрів калібрування в режимі реального часу на основі даних датчиків та періодичних вимірювань. У клінічному суді система підтримується безпечне регулювання глюкози з тільки одним калібруванням на добу, у порівнянні з стандартом чотири на добу.

Більш розширені впровадження використовують самовипробуване навчання, де алгоритм виявляє помилки калібрування без явних етикеток, аналізуючи консистенцію сигналів по декількох датчиках або шляхом перехресного рефрекрутингу з даними доставки інсуліну. Наприклад, якщо датчик повідомляє про швидке підвищення глюкози при цьому інсулін насос активно збільшується доставка, алгоритм може заважати, що читання датчика може бути помилковим і регулювати калібрування відповідно. Ці методи можуть розширювати інтервали калібрування до 24–48 годин або довше в стабільних умовах.

Датчик Fusion: комбіновані потокові дані

Датчик синтезу є технікою, яка поєднує інформацію від декількох датчиків, щоб виробляти більш точний і надійний рівень глюкози. У контексті APS це, як правило, означає, що fusing даних з декількох електродів в той же датчик, поєднує дані з двох різних датчиків, розміщених на різних сайтах, або інтегруючи дані CGM з іншими фізіологічними сигналами, такими як частота серця, швидкість шкіри, або акселерометрія.

Багатоелектродні датчики, такі як ті, які використовуються в Senseonics Eversense імплантованій системі, вимірюють глюкози на декількох глибинах в межах міжстимального простору, що дозволяє алгоритм виправити для локальних реакцій тканин і артефактів руху. Система Eversense вимагає початкового періоду калібрування, але потім працює з значно зменшеними вимогами пальника до 90 днів. Fusion даних з декількох електродів також дозволяє виявлення несправностей: якщо один електрод виробляє зовнішній зчитування, система може автоматично виключити його і спиратися на інші електроди, уникаючи непотрібних запитів для калібрування користувача.

Датчики тіла-worn для частоти серцевих скорочень, температури та активності все частіше інтегровані в екосистеми APS. В умовах контексту, що впливають на тенденції глюкози - швидке підвищення при здійсненні проти поступового підйому після їжі - алгоритм може краще диференціювати між датчиком дрифт і істинною біологічною зміною. Дослідники в університеті Кембриджа показали, що додавання зносних акселерометрових даних знизили помилки калібрування на 18% в імітованої замкненої системи. Цей контекстний фузія підвищує надійність калібрування без необхідності додаткових пальників.

Вирокова калібрація

Навіть коли калібрування все ще потрібна, сучасні системи можуть графікувати підказки в рази, що мінімізація порушення. Скоріше за фіксований двічі-даїсно графік, прогнозні алгоритми калібрування аналізують історичні візерунки користувача для виявлення вікон відносної глікемічної стабільності. Наприклад, якщо користувач послідовно має стабільні рівні глюкози в ранньому добу, система може підказати калібрування в той час, як в 2:00 AM під час сну. Це знижує ймовірність пропущених калібрувань і спокуси калібрувати під час швидкої екскурсії глюкози, яка деградує точність.

Система Tandem Control-IQ, при цьому спочатку вимагає регулярних калібрувань, що еволюціонується, щоб дозволити користувачам калібрувати рідше, за рахунок включення "делегованого калібрування" підходу: система відстежує довіру до кімулятивних калібрувальних систем і лише вимагає пальника при попаданні помилки перевищує поріг. Цей підхід користувача в режимі реального часу зменшує частоту калібрування на 40% порівняно з фіксованими графіками, відповідно до даних про використання в реальному світі, що повідомляються Тандем Діабетом.

Неплановані та довгі дистанції

Датчик довголіття безпосередньо впливає на калібрувальний тягар. Традиційні датчики CGM останні 7–14 днів, які вимагають частої заміни та калібрування з кожним новим датчиком. Неплановані датчики, такі як Eversense E3, пропонують 180-денний термін носіння. Оскільки датчик розміщується підшкірно з невеликою розрізністю, початковий калібрувальний тягар вище (серія пальників на добу), але один раз датчик стабільний, частота калібрування перепадає на один раз кожні 7-14 днів. Для багатьох користувачів, зменшення загального навантаження протягом шести місяців є суттєвим.

Навіть в межах категорії неімплантованих датчиків виробники штовхають до більш тривалого зносу. Dexcom G7 пропонує 10-денний знос з фабричною калібруванням. Майбутнє покоління, спрямованих на 14 днів або більше. Кожен день розширеного зносу зменшує кількість сенсорних ініцій та пов'язаних з ними заходів калібрування. Крім того, більш тривалий термін служби знижує відходи та вплив на навколишнє середовище цукрових виробів.

Хмарно-розмальова калібрація населення

Виникнення концепції – це використання даних рівня населення для калібрування індивідуальних датчиків. У хмарних підключених АПС, анонімізовані дані з тисяч датчиків можуть бути агреговані для побудови "цифрового близнюка" характеристик сенсорної відповіді. Коли вставлений новий датчик, система починається з параметрів калібрування на основі середньої кількості населення, а потім відновлює їх з мінімальною кількістю користувацького довідкового читання (наприклад, єдиний пальчик на перший день). Такий підхід, що вивчається спільнотою з відкритим вихідним кодом AndroidAPS і комерційними суб'єктами, може зменшити початковий калібрувальний тяг з декількох пальників, щоб просто один.

Крім того, моделі машинного навчання, що навчаються на масивних даних, можуть прогнозувати траєкторію дрейфта датчика на основі його ранньої моделі сигналу. Якщо модель прогнозує, що конкретний датчик буде дрейфувати до неточності на день 5, система може проактивно розкладати вікно калібрування на добу 4, а не чекаючи дрейфта, щоб перевищити поріг. Цей прогнозний підхід перетворює калібрування від реактивного завдання технічного обслуговування в проактивну оптимізацію.

Розробка сайту: підтримка сайтів

За базовою технологією, калібрування способу представлено до питань користувачів, які не мають сенсу. Історично, підказки калібрування були порушні — відбійні сигнали, непристойні повідомлення та жорсткі вікна часу. Сучасні системи приймають більш логічно створене проектування. Калібраційні запити показані на екрані блокування пристрою, можуть бути відкладені для настроювання, а також зараховуються іншими повідомленнями для зменшення переривання. Деякі системи, як Medtronic 780G, дозволяють користувачам калібрувати безпосередньо на насосі без необхідності доступу до телефону, що плине на робочий процес.

Також досліджено маніпуляцію голосу та без рукокрилі робочі процеси для користувачів з порушенням зору зору або фізичними обмеженими можливостями. FDA нещодавно очищає систему, яка використовує голосові команди для керівництва користувача шляхом калібрування, що зменшує когнітивний та фізичний тягар для тих, хто бореться з дрібними моторними завданнями. Ці інновації користувача доповнюють алгоритмічні удосконалення, роблячи необхідні ручні кроки, як нефрикційно.

Клінічні недоліки: Чи зводиться калібрування Бурден Поліпшення контролю глюкози?

Кінцеве питання – це зменшення калібрувальних тягарів, що виробляє краще клінічні результати. Свідчення є заохоченням. Метааналіз досліджень, що порівняють завод-калібровані датчики до каліброваних датчиків, виявили, що завод-калібровані датчики мали порівняльну точність (MARD 8.6% проти 9,1%) але значно вище задоволення користувачів і датчик зносу часу (15% довше середній знос). І більш тривалий час носіння призводить до меншого часу в режимі відкритої опи, що безпосередньо перекладається для поліпшення часу в діапазоні і нижньої HbA1c.

У гібридних закритих процесах, користувачів, які калібровані менше ніж раз на добу в середньому досягали 72% часу в діапазоні, порівняно з 64% для тих, хто калібрував більше, ніж двічі щодня. Хоча це кореляція може частково відображати, що більш стабільні користувачі потребують меншого калібрування, це також пропонує, що видалення навантаження дозволяє користувачам більш послідовно займатися системою.

Дослідження Bekiari et al] на Fiasp-with-APS cohort виявили, що звички калібрування користувачів були найсильнішим предиктором часу після базової HbA1c. Учасники, які калібровані за рекомендованими інтервалами, мали 5.2 процентних пунктів вище часу в порівнянні з тими, хто затримував або знежирений калібрування. Цей ефект захистив вплив зміни від базової гібридної петлі до передового алгоритму. Знаходження яроїдів, що полегшують калібрування, не просто про зручність, - це прямий драйвер гліко-гемічних результатів.

Нормативно-правові акти

Зменшення калібрувальних тягарів не повинно протистояти безпеці. FDA та інші нормативні органи вимагають, що системи CGM відповідають критеріям точності як при початковому носінні, так і на термін експлуатації датчика. Фабричні системи повинні довести, що їх точність підтримується без втручання користувача, включаючи складні сценарії, такі як швидка зміна глюкози, висока висота або під час фізичних вправ. Регульований шлях для калібрувальних систем передбачає великі клінічні дослідження з частими еталонними вимірюваннями, щоб демонструвати неінферентність до користувацького калібрування.

Один підхід, що набирає тяговий тракт, є маркуванням «безумовне калібрування». Наприклад, Dexcom G6 вважається безбарвним для більшості користувачів, але попереджувальні стани, які деякі пацієнти можуть знадобитися калібрувати, якщо виникає симптом-сенсорний невідповідність. Це балансує безпеку з автономією користувача. У майбутньому ми можемо бачити біометричну автентифікацію (наприклад, що вимагає калібрування тільки при дотриманні датчика нижче рівня ризику), як нормативний стандарт, який дозволить системам функціонувати калібрування безсплатно 95-98% часу при зберіганні безпеки.

Майбутні напрямки: Нагорода Повністю Автономна Калібрація

Довгострокова мета полягає в тому, щоб повністю усунути користувацьку калібрування. Кілька паралельних потоків досліджень точки до цього майбутнього.

Неінвазивні оптичні датчики

Оптичні датчики на основі спектроскопії ромського, фотоакустичного виявлення, або теплової спектроскопії можуть вимірювати глюкозу через шкіру без вставки голки, таким чином, уникнути фольгу та дрейфу, що неприпустимо калібрування альтенгетер. Компанії, такі як DiaMonTech, показали прототип неінвазивних датчиків з точним підходом до інвазивного CGM. Якщо ці технології зрілі, калібрування може стати одноразовим заводським процесом без залучення користувачів.

Калібрування за допомогою штучного інтелекту та моделей популяцій

Моделі AI, які включають глобальні тенденції, погодні дані, журнали харчування, генетики можуть прогнозувати індивідуальні моделі накопичувачів, так точно, що довідники стають непотрібними. Замість алгоритм використовує власні історичні дані користувача разом з моделями населення до самокоррекції. Це вже перевірено в дослідницьких системах, таких як Університет Діас Діас Діас Діас, де алгоритм калібрування оновлюється за допомогою тільки сенсорних даних і історії доставки інсуліну, досягнення MARD від 9.5% без будь-яких довідок пальців.

Бі-гормональні та багатосенсорні системи

Системи, які включають глюкон або інші гормони, додають надлишкові інформаційні канали. У двогормонній системі алгоритм керування має два незалежних джерела зворотного зв'язку (клекози з CGM і поведінкова відповідь на глюкон), що дозволяє виявити помилки калібрування більш надійно. Аналогічно, знос двох датчиків CGM одночасно (наприклад, один на руці і один на животі) створює почервоніння, що дозволяє системі порівняти читання і відхилити датчик не вдалося. Цей підхід "можливості голосування" може зменшити калібрування потреб 50-80% і вже використовується в деяких дослідницьких платформах.

Користувальницьке калібрування для вразливих популяцій

Діти, вагітних і старших дорослих мають відмінну фізику глюкози, яка може знадобитися індивідуальні підходи до калібрування. Системи майбутнього можуть регулювати частоту калібрування і протокол на основі профілю користувача, довгострокових даних і навіть генетичних маркерів. Наприклад, вагітні жінки відчувають більш швидке зміни глюкози, потенційно вимагають більш частого калібрування, але система може розкладати ці в зручний час і використовувати голосові керовані процедури для мінімізації навантаження. Для старших дорослих з проблемами з декстету, жест-на основі калібрування (наприклад, торкнутися датчика, щоб запустити цикл калібрування) може замінити пальники цілком.

Висновок

Калібрування навантаження є стійким бар’єром для загального прийняття та сталого використання штучних систем підшлункової залози. Так, траєкторія інновацій чітка: щороку датчики стають більш точними, алгоритми стають розумними, а інтерфейси користувачів стають більш привабливими. Фабричні калібровані датчики, автокальібраційні датчики, сенсорні фузія, хмарні популяції моделювання є переконливим для створення майбутнього, де калібрування невидиме до користувача, що продовжується повністю системою з мінімальними або без залучення користувачів. Для людей, які живуть з діабетом, ця еволюція зменшує щоденне навантаження і пропонує обіцянку дійсно автоматизованих підшлунків, одна перевага, що забезпечує безпеку, що забезпечує безпеку, що забезпечує безпеку, що забезпечує безпеку, що забезпечує безпеку.