Màn hình của người Ghicose hoạt động liên tục như thế nào

Thiết bị giám sát độ phân giải liên tục (CGM) dựa vào một bộ cảm biến điện tử thu nhỏ được đưa vào mô phụ để đo mức độ đường bán dẫn trong chất lỏng liên tục. Giá trị này tự động xảy ra mỗi một đến năm phút, tạo ra luồng tín hiệu điện tử liên tục. Bộ cảm biến này giao tiếp không dây với bộ truyền dẫn, chuyển đổi dữ liệu thành một ứng dụng nhận, thông minh hay insulin. Tuy nhiên, những tín hiệu thô này vốn là nhiễu và chủ đề để chuyển đổi, nhiệt độ và chuyển động. Không có các thuật toán, dữ liệu sẽ không thể được sử dụng để đưa ra quyết định lâm sàng. Các thuật toán chuyển đổi thô thành giá trị thô, ứng dụng và thông tin không có thể tạo ra các giá trị thời gian và các dự đoán, và các thiết bị định thời gian thực. Các thiết bị định có thể xác định này có thể xác định trước khi đọc và kiểm tra sức ép.

Vai trò chính của thuật toán trong các thiết bị CGM

Thuật toán hoạt động như là động cơ phân tích của mỗi hệ thống CGM, thực hiện nhiều lớp xử lý và giải thích tín hiệu. Mỗi lớp đối diện với một thách thức cụ thể vốn được gắn liền với cảm nhận về chất béo. Hiểu những chức năng này giúp người dùng hiểu tại sao thỉnh thoảng có sự khác biệt giữa việc đọc và đo bằng ngón tay, và cách mà các nhà sản xuất cố gắng giảm thiểu chúng.

Giảm nhiễu và lọc tín hiệu

Các dòng cảm biến thô bị nhiễm các nguồn nhiễu khác nhau: nhiễu điện từ từ từ các thiết bị điện tử gần đó, căng thẳng cơ học từ người dùng, và nhiệt độ tạm thời thay đổi tại nơi chèn. Bộ lọc cấp cao như bộ lọc Kalman - một bộ đo độ tự động được dùng để làm mịn tín hiệu trong khi bảo tồn các xu hướng sinh học liên quan. Bộ lọc Kalman hoạt động bằng cách kết hợp các độ ồn nhiễu hiện thời với một dự đoán dựa trên giá trị lọc trước, cân nặng theo tính chất riêng của mỗi bộ lọc. Tính năng này tạo ra một ước lượng ổn định, tính thời gian thực của hệ thống phân tích giao thoa. Khác, bộ lọc di chuyển trung bình hay bộ lọc trung bình, có thể được dùng song song với bộ lọc song song với các thiết bị nhạy hoặc cảm biến đổi hoặc cảm biến có hiệu quả. Không có khả năng đọc và giảm khả năng xử lý nhiễu, không có khả năng sử dụng bộ lọc âm thanh lọc.

Tính toán và sự chia rẽ

Tất cả các cảm biến CGM mờ dần dần mất độ nhạy trong thời gian mặc (thường 7–14 ngày) do sự biến đổi sinh học, thoái hóa mô cục bộ. Độ phân giải này phải được bù đắp để duy trì độ chính xác. Các bộ cảm biến bộ lọc dữ liệu cân chỉnh từ lượng máu dính ngón tay để điều chỉnh các tham số của bộ nhạy và bù đắp. Hệ thống CGM truyền thống đòi hỏi hai đến bốn vòng mỗi ngày, với thuật toán dùng sự khác biệt giữa giá trị tham khảo và bộ nhạy thô để sửa đổi đường cong. Thiếu protein trong công nghệ, có thể tránh càng nhiều trường hợp hấp dẫn, thuật toán học có thể xác định nhanh hơn.

Tính toán bù đắp và mũi tên thay đổi nhanh

Một trong những tính năng có thể hoạt động được cung cấp bởi thuật toán CGM là mũi tên thay đổi nhanh chóng, cho thấy hướng và vận tốc của sự chuyển đổi chất đường huyết. Thuật toán tính độ dốc của đường hồi quy trên cửa sổ của 15–20 phút gần đây của giá trị lọc. Tên được chuẩn hóa, như là “tọa độ phân hủy nhanh chóng (tọa độ tăng tốc độ tăng tốc độ của đường huyết áp; 2 mg/dL/min) hoặc“ giảm dần dần dần dần dần trong khoảng cách truyền tải (một mg2 mg/L/min), giúp đỡ dự đoán mức độ hấp thụ chất béo phì. Xu hướng này đặc biệt là ngăn cản sự chậm phát hoặc khả năng giảm huyết áp của các tính năng vận chuyển insulin.

Bệnh bạch cầu và bệnh tăng glycise

Báo động dự đoán đi xa hơn mức ngưỡng bằng cách dự đoán mức độ nguy hiểm trước khi xảy ra. Thuật toán này giải thích tốc độ thay đổi hiện tại trong tương lai (thường 20–30 phút) và kích hoạt cảnh báo nếu lượng đường phân chia đường huyết áp suất đã được dự đoán vượt qua ngưỡng người dùng. Lấy thí dụ, nếu chất đạm giảm xuống ở mức 1.5 mg/dL/min và giá trị hiện tại là 110 mg/dL, thuật toán sẽ dự đoán một mức dưới 70 mg/L trong vòng 27 phút và âm thanh báo động khẩn cấp. Tính năng này là quan trọng để an toàn qua đêm, nhiều tập tin bị giảm mạnh khi không có người đàn ông đang ngủ. Tính năng hợp pháp lý (thường xuyên thông tin về thời gian)

Kiểu thuật toán dùng trong hệ thống CGM

Các chồng thuật toán trong một thiết bị CGM hiện đại thường bao gồm một số thành phần toán học hoặc máy học riêng biệt, mỗi tối ưu hóa cho một nhiệm vụ cụ thể. sự kết hợp của các kỹ thuật này quyết định toàn bộ độ chính xác, sự đáp ứng, và trải nghiệm của người dùng của hệ thống.

Bộ lọc Kalman cho dự đoán Nhà nước

Bộ lọc Kalman là xương sống của các thuật toán CGM thương mại. Nó cung cấp một ước tính tối ưu về lượng đường cong liên kết thực sự bằng cách giả định nhiễu kiểu Gaussia và động lực tuyến tính. Bộ lọc hoạt động trong hai bước: dự đoán (dùng một mô hình đơn giản của hành vi lượng siêu lượng siêu lỏng để ước lượng giá trị tiếp theo) và sửa (có khả năng dự đoán dựa trên tính xác thực dựa trên tính không chắc chắn của mỗi người). Nhiều lần lặp lại bao gồm bộ lọc mở rộng của Kalman, có thể xử lý các thiết bị cảm biến không tuyến tính trong bộ lọc, và bộ lọc Kalman, hoạt động với hệ thống không có đường cong cao. Tính năng lượng lọc Kalman là cần thiết, và chạy không kiểm soát thấp bộ nhớ, sử dụng bộ nhớ thường xuyên trên bộ nhớ nhỏ hơn và bộ điều khiển của CM.

Mô hình máy học để nhận dạng mẫu

Các thuật toán học máy đã trở thành tích hợp để cải thiện độ chính xác và cá nhân hoá. Mô hình học siêu hình học được đào tạo trên các tập hợp dữ liệu lớn của các tín hiệu cảm biến cặp và các phép đo máu tham khảo (từ máy phân tích hoặc các cây gậy ngón tay). Những mô hình này học nhận ra các mẫu tinh tế cho thấy sự dịch chuyển cảm biến, nhiễu từ các chất như actaminophen, hoặc đồ tạo tác bằng acorbic. Lấy thí dụ, một lớp rừng ngẫu nhiên có thể phát hiện khi cảm biến được nén lại trên nệm, gây ra một sự giảm tín hiệu tạm thời, và hướng dẫn thuật toán để bỏ qua các dữ liệu. Các mạng thần kinh nghiêm trọng, đặc biệt mạng thần kinh (NN-N-Corbict) và bộ nhớ ngắn (tly-L) được sử dụng để tăng tốc độ hiệu hóa nhanh hơn khi hệ thống định lượng tử của một hệ thống thần kinh tuyến tính phức tạp hóa nhanh [t].

Thuật toán Hợp kim đa hợp nhất

Như công nghệ có thể mở rộng, các thuật toán tổng hợp các dữ liệu CGM kết hợp với dữ liệu CGM với các dữ liệu nhập từ các máy gia tốc độ, thiết bị theo dõi nhịp tim, cảm biến nhiệt độ da, và thậm chí liên tục hệ máy theo dõi chất ketone. Mục tiêu là cải thiện dự đoán ngữ cảnh. Lấy thí dụ, nếu dữ liệu đột nhập cho thấy hoạt động vật lý cao, thuật toán có thể điều chỉnh mức độ tiên đoán giảm thị lực thấp vì việc tập thể dục tăng lượng đường huyết áp. Tương tự, một sự tăng trong nhiệt độ với nồng độ tăng lên của các chất béo có thể là một sự nhiễm trùng hoặc bệnh xơ hóa. Một nghiên cứu từ [FL: 0] Bộ Die: Hiệp hội Die [FL] của Mỹ [Ftes] có thể] đã tìm thấy sự kết hợp thấp hơn 1% so với báo động hóa giả. Tương tự nhiên, một số thuật toán học giả có thể chỉ với sự tăng lên mức độ tăng lên của hệ thống định giới hạn 28G.

Thuật toán thích nghi và tự kỷ

Các thuật toán này dùng những kỹ thuật như đệ quy ít hình vuông hoặc xuống dốc trên mạng để điều chỉnh các hệ số cân chỉnh, định giá trị trong thời gian thực. Trong vài ngày đầu của bộ cảm biến, thuật toán “học cách thức chuyển đổi chất lượng của người dùng, thời gian ăn và tập luyện, cho phép nó cung cấp sự cảnh giác và đề nghị chính xác hơn.

Cách thuật toán làm tăng thêm kinh nghiệm người dùng

Các thuật toán CGM hiện đại chuyển dữ liệu thô sang các cái nhìn có thể hoạt động để cho phép người dùng quản lý tiểu đường với sự tự tin và chính xác hơn.

Hỗ trợ sự quyết định thời gian thực

Chẳng hạn, một “tên lửa va đập nhanh vào mũi tên và những giá trị dự đoán của chất đường huyết, trong khi một mũi tên có thể giúp người dùng có những quyết định sáng suốt về việc dùng insulin, hấp thụ khí cacbon, và hoạt động nhanh trước khi bệnh huyết cầu giảm thị giác phát triển.

Sự hiểu biết cá nhân và phân tích lại

Thuật toán có thể phân tích tuần hoặc tháng dữ liệu insulin để xác định các mẫu tái phát. Ví dụ, chúng có thể phát hiện các gai phát triển nhất định sau khi tan vỡ, cho thấy khả năng định thời gian không đủ chuẩn, hoặc giả tối định cho thấy quá nhiều insulin. Dữ liệu phân vùng thường được trình bày như là một hồ sơ phân loại (AGP), hiển thị chức năng thẩm định thời gian, và khả năng biến đổi thời gian trong một ngày tiêu chuẩn. Những thiết bị hình ảnh này giúp đỡ các bác sĩ và người dùng điều chỉnh kế hoạch trong khi thăm bệnh viện, giảm nhu cầu kiểm tra về việc thử nghiệm và kiểm tra.

Hợp nhất giao hàng tự động ở Insulin

Trong hệ thống đóng khép lại, như hệ thống Medtonic 780G hoặc Tandem Control-IQ, thuật toán CGM liên lạc trực tiếp với máy bơm insulin. Thuật toán này liên tục đọc giá trị của chất insulin, tính toán mức độ tương lai, và điều chỉnh khả năng tự động chuyển phát insulin bằng máy bơm. Một số hệ thống cung cấp các tính năng sửa chữa tự động khi lượng tử được dự đoán vượt quá ngưỡng mục tiêu. Cụ thể là hệ thống này đã cải thiện đáng kể trên 70% và giảm tốc độ của bệnh bạch cầu đặc biệt qua đêm.

Hiển thị trí nhớ và sự biến đổi

Thuật toán CGM nén hàng ngàn điểm dữ liệu vào các báo cáo dễ tiêu hóa. Tính năng như tổng quát ngày, biểu đồ giờ, và tỷ lệ phần trăm trên/tải thấp giúp người dùng nhanh chóng đánh giá chiến lược quản lý của họ hoạt động tốt như thế nào. Các thuật toán cấp cao có thể chứa các bản ghi hoạt động, các điểm thức ăn và thuốc thời gian để tiết lộ các mối quan hệ gây ảnh hưởng. Tính năng này giảm cân bằng nhận thức và làm cho dễ dàng chia sẻ dữ liệu với các nhà cung cấp chăm sóc y tế.

Những thử thách và giới hạn của thuật toán CGM

Dù các thuật toán CGM tinh vi nhưng không hoàn hảo, nhưng hiểu được giới hạn của chúng giúp người dùng giải thích chính xác dữ liệu và tránh sự quá đáng khi đọc đơn.

Hướng tương lai cho thuật toán trong thiết bị CGM

Thế hệ thuật toán CGM tiếp theo sẽ thúc đẩy những tiến bộ trong việc học sâu, tính toán cạnh và cảm biến đa động vật để đạt được sự chính xác chưa từng thấy và cá nhân hóa.

Học sâu cho dự đoán về Long-Horizon

Các mạng thần kinh hiện thời (RNs), biến đổi và mô hình tập trung đang được phát triển để dự đoán các cấp độ đường huyết áp cao đến 60–90 phút trước với độ chính xác cao. Bằng cách đào tạo dựa trên các bộ dữ liệu khổng lồ bao gồm các yếu tố khác nhau - kết hợp thư từ, insulin abrorpions, thực hiện cường độ, các điểm căng thẳng, và thậm chí các mô hình chu kỳ kinh nguyệt này có thể thu các động cơ phức tạp mà các mô hình truyền thống không hoạt động. Kết quả thử nghiệm sớm cho thấy các mô hình nghiên cứu sâu có thể giảm thiểu lỗi, 30–40% so với các phương pháp tự động, hiệu quả thực sự hiệu quả quản lý. Khi các mô hình này trở thành các thiết bị cảm biến hiệu quả hơn, hoặc không có điện thoại thông minh.

Chạy nền và xử lý các hành vi cạnh AI và Device

Chạy các thuật toán trên bộ phát sóng cảm biến hoặc điện thoại di động ( thổ ngữ Al) giảm sự phụ thuộc vào mây kết nối, giảm độ trễ và tăng tính riêng tư. Bộ điều khiển vi xử lý tế bào có thể thực hiện mạng thần kinh nhẹ trong thời gian thực tiêu thụ điện tối thiểu. Tính năng này cho phép khả năng như giảm đường huyết trong quá trình ngắt kết nối internet, và nó loại bỏ mối quan ngại về việc gửi dữ liệu nhạy cảm đến máy chủ ở xa. Các công ty như Dexcom và Abbott đang đầu tư rất nhiều vào khả năng AI cho thiết bị thế hệ tiếp theo.

Hợp nhất đa vệ sinh và hợp nhất với nhau

Các thuật toán tương lai sẽ kết hợp dữ liệu CGM với dữ liệu đầu vào từ đồng hồ thông minh (cơ thể biến đổi nhịp tim, nhiệt độ điện tử, nhiệt độ da), máy theo dõi huyết áp liên tục, và ngay cả bộ cảm biến quang học không xâm nhập. Việc tích hợp này có thể cung cấp cảnh báo sớm về chứng tăng đường huyết tiểu đường, giảm nhiệt độ, hoặc nhiễm trùng. Ví dụ, tăng đột ngột trong nhịp tim, có thể gây ra sự báo động về tình trạng thiếu máu dưới dạng đường huyết trầm trọng, cho phép người dùng có hành động ngăn chặn triệu chứng trước khi xảy ra. [FT] Viện nghiên cứu Sức khỏe [FL: 1] có nhiều dự án hỗ trợ về chức năng quản lý tiểu đường.

Tự học liên tục và cá nhân hóa

Thuật toán này cập nhật các thông tin liên tục thích nghi với hành vi của người dùng khác được biết đến như là việc học tập lâu đời. Không giống như mô hình tĩnh được đào tạo về dữ liệu dân số, các thuật toán này cập nhật các tham số sau mỗi phiên chạy nhạy, tổng hợp các mẫu mới như thay đổi trong chế độ ăn uống, tập thói quen, hay độ nhạy insulin do dao động hóa nội tiết. Các thuật toán đã được cá nhân hoá có thể cung cấp các thiết lập bơm insulin, các giá trị khuyến khích bữa ăn, và các ngưỡng đã tiến triển với người dùng. Một vài hệ thống đã cung cấp tính năng thích nghi hạn chế; vài năm tới sẽ xem nền tảng thích nghi hoàn toàn cần thiết để cấu hình thủ công cụ tối thiểu.

Thẩm tra thẩm định thẩm định

Vì thuật toán CGM ảnh hưởng trực tiếp đến các quyết định y tế - bao gồm insulin dosing - bao gồm cả việc giải quyết insulin - cơ thể bị kích thích cần bằng chứng nghiêm ngặt về độ chính xác và an toàn. Bộ xử lý này đòi hỏi nhà sản xuất điều khiển các cuộc nghiên cứu lâm sàng so sánh các dữ liệu với phương pháp tham khảo (v.g.g., Yellow Springs Insecy or venous mectry meer). Việc cập nhật phần mềm chính là bằng cách tăng cường tính năng, nếu tính chính xác, có thể cần thiết để sử dụng. Hơn nữa, thuật toán này phải cho phép hiệu suất trong phạm vi cấu hình y học và kỹ thuật bổ sung của người dùng phần mềm theo tiến bộ.

Lời khuyên thực tế cho người dùng để làm báp têm cho biểu hiện thuật toán

  • Giữ cho vùng nhạy sạch, khô và không có kem chống nắng hoặc dầu để giảm nhiễu tín hiệu.
  • Tính toán theo hướng dẫn của nhà sản xuất. Đối với các hệ thống cần cân chỉnh, dùng các số liệu có thể dùng khi lượng đường huyết áp ổn định không tăng hay giảm nhanh để ngăn chặn việc đưa ra lỗi.
  • Hãy dùng những mảnh thử nghiệm từ cùng một chỗ khi có thể giảm sự biến đổi.
  • Cập nhật ứng dụng CGM và nhận phần mềm ngay. Các nhà sản xuất thường phát hành các cải tiến thuật toán để tăng cường độ chính xác, thêm tính năng mới, hoặc sửa chữa lỗi đã biết.
  • Xem lại dữ liệu xu hướng với nhà cung cấp chăm sóc sức khỏe tại khoảng thời gian thường xuyên. tìm kiếm các mẫu trong thời gian-tiểu, thấp hơn một đêm, và các gai sau thời kỳ, để điều chỉnh liệu pháp dựa trên các sự hiểu biết về thuật toán.
  • Hãy biết những yếu tố có thể cản trở việc đọc: những loại thuốc thông thường như attaminophen, liều vitamin C cao, hoặc thậm chí biến thể Hmoglobin. Hãy kiểm tra nhãn hiệu cho những người có tiếng hoặc thảo luận những phương pháp khác với bác sĩ.
  • Nếu bạn nghi ngờ sự giảm nén thấp (glucose khi ngủ trên bộ nhạy), gỡ bỏ áp suất khỏi trang web và kiểm tra lại sau 15 phút. Thuật toán này sẽ phục hồi, nhưng lặp lại sự kiện nén có thể bảo đảm thay đổi bộ nhạy.

Kết luận

Thuật toán là những đối tác im lặng, không thể thiếu trong việc liên tục giám sát lượng đường huyết. họ dịch dòng điện thô thành những dự đoán, mũi tên, xu hướng, và cảnh báo, cho phép hàng triệu người bị tiểu đường quản lý tình trạng của họ với tính linh động chưa từng thấy. từ bộ lọc Kalman thuần hóa âm thanh cảm biến tới mạng lưới thần kinh sâu mà dự đoán các cuộc hành trình của các thiết bị sinh học trong tương lai, các mô hình toán học tiếp tục phát triển. trong khi những thử thách như sự can thiệp, tính khả năng cá nhân, tính cá nhân và sự riêng tư vẫn tiếp tục, quỹ đạo hướng về nhiều hơn, cá nhân hơn, và hiểu được cách thức các thuật toán này có thể cải thiện các kết quả của thiết bị CG và kết quả của cuộc sống.