Sự tiến hóa của việc phân phối hàng đóng cửa

Nhiệm vụ nhân bản chức năng sinh lý của tuyến tụy khỏe mạnh đã thúc đẩy công nghệ tiểu đường trong nhiều thập kỷ đầu các máy bơm insulin và các máy dò đường huyết liên tục (CGM) mỗi người cải tiến việc quản lý glycaemic riêng biệt, nhưng tuyến tụy nhân tạo - được biết đến như một hệ thống đóng kín - hiện diện một sự kết hợp thực sự của cảm biến, tính toán, và giao tiếp tự động. nghiên cứu gần đây đã chuyển hướng sự tập trung vào việc tổng hợp dữ liệu sống thực sang các thuật toán này, nhằm làm cho các điều chỉnh insulin không chỉ phản ứng mà còn dự đoán và thích nghi hằng ngày.

Trong khi hệ thống kín ban đầu chỉ dựa vào các thông số về đường ống của đường tiêu hóa đường kính tăng cường và chất hữu cơ insulin, họ không thể lường trước được những ảnh hưởng sâu sắc của việc tập thể dục, ăn uống, căng thẳng hoặc ngủ trên mức độ đường huyết. Thế hệ tiếp theo của công nghệ tuyến tụy nhân tạo tìm cách kết nối khoảng cách này bằng cách ăn mòn dữ liệu từ các cơ sở có thể mang, bản ghi thức ăn, và thậm chí cả các cảm biến sinh lý học để tạo ra vòng điều khiển vô tuyến và đáp ứng. sự tiến hóa này đánh dấu sự thay đổi chủ chốt từ một thuật toán chuyển đổi hoàn toàn từ một thuật toán chuyển đổi từ một lối sống sang một động cơ định hình dạng lối sống.

Làm thế nào một hàm số cơ thể nhân tạo

Ở lõi của nó, một hệ thống tuyến tụy nhân tạo gồm ba thành phần tích hợp nhất: một bộ phận liên tục theo dõi đường phân tích đường huyết (CGM) mà đo lường các chất hữu cơ liên tục trong một vài phút, một máy bơm insulin cung cấp insulin phản ứng nhanh, và một thuật toán điều khiển tính toán tính được liều insulin thích hợp. Thuật toán này thường dựa trên một hệ thống phân chia ngang (PID) hay một mô hình kiểm soát (PC), quyết định khi nào và bao nhiêu insulin để tiếp tục truyền trong phạm vi của một mục tiêu.

Hệ thống đóng kín đầu tiên đòi hỏi người dùng thông báo các bữa ăn bằng tay hoặc điều chỉnh tốc độ basatal tạm thời để tập thể dục- một giới hạn mà giảm tính tự chủ. nghiên cứu hiện đại kết hợp máy học và dự đoán phân tích tự động các quyết định. Bằng cách xử lý luồng dữ liệu cuộc sống, thuật toán có thể dự đoán các cuộc vận động phân hủy đường huyết trước khi họ xảy ra, cho phép các thay đổi insulin có khả năng bắt chước khả năng đầu vào tuyến tụy lành mạnh.

Điều khiển kiến trúc và dung lượng dữ liệu

Hai phương pháp thuật toán chính chiếm lĩnh lĩnh lĩnh vực. MPC sử dụng một mô hình toán học về động lực insulin-sulin để dự đoán mức độ trong tương lai và tối ưu hóa việc phân phối insulin trên đường chân trời lăn. Tính năng điều khiển định lượng protein tương ứng với lỗi hiện tại, tích phân (sự tính toán lỗi trong quá khứ), và đạo hàm (hình thức thay đổi). Ví dụ, kiến trúc được lợi ích từ dữ liệu bổ sung; cả công nghệ MPC có thể kết hợp các dự đoán về chất lượng dinh dưỡng và nhịp tim để luyện các dự đoán, trong khi đó có thể điều chỉnh các thông tin về hoạt động vật lý.

Kỹ thuật tổng hợp dữ liệu kết hợp nhiều luồng cảm biến - CGM, gia tốc gia tốc, theo dõi nhịp tim, nhiệt độ da, và thậm chí dẫn điện da vào một trạng thái ước tính. bức ảnh kết hợp của sự trao đổi chất của người dùng cho phép thuật toán phân biệt giữa một ngày nghỉ và một ngày lao động vật lý nặng nề, điều chỉnh độ nhạy của insulin phù hợp.

Vai trò quan trọng của việc theo đuổi lối sống

Quy định Glycaemic không chỉ là một chức năng của insulin và insulin; mà còn liên kết chặt chẽ với các hành vi hàng ngày. hoạt động vật lý làm tăng độ nhạy insulin trong giờ, đôi khi đến 12 giờ sau khi tự cắt giảm, rủi ro giảm thị giác thấp nếu insulin không phải là nguyên nhân của việc "bộ nhớ bị cắt giảm" hay là những người có chất béo và protein cao, có thể làm chậm việc lọc khí gas và có thể gây ra sự chậm phát triển tăng lượng cầu tiêu chuẩn mà các thuật toán có thể bỏ nếu họ chỉ dựa vào chất lượng Mê-xi-cô. căng thẳng kích thích và tăng lượng adrenaline, trong khi thiếu ngủ và thay đổi hóc môn lượng insulin và phản ứng thay đổi nội tiết.

Dữ liệu về lối sống hợp nhất cho phép tuyến tụy nhân tạo điều trị các yếu tố này không phải là dị thường mà là các biến số có thể đoán trước được hệ thống có thể học được các mẫu điển hình của người dùng -- cà phê điển hình, nghỉ trưa, giờ tập thể dục hàng tuần -- và các buổi tập thể dục hàng tuần -- và các mức độ điều chỉnh bậc thang hoặc ngưỡng. chuyển từ phản ứng sang kiểm soát chủ động là lời hứa cơ bản của sự sống- quá trình tự động

Tại sao thuật toán truyền thống lại giảm sút

Ngay cả những hệ thống chứa chất béo chỉ cao nhất cũng phải vật lộn với những bữa ăn không được dự phòng và tập thể dục không dự tính. không có dữ liệu lối sống, bộ điều khiển chỉ có thể phản ứng sau khi lượng đường huyết, hoặc giảm, dẫn đến chứng tăng đường huyết cao áp hay việc tập thể dục giảm đường huyết. gánh nặng đầu vào người dùng và là sai lầm. Ngược lại, hệ thống đọc số lượng đồng hồ kỹ thuật, tốc độ tim thay đổi, và phản ứng của da phụ thuộc vào việc vận động cơ thể dục hoặc điều chỉnh lượng thuốc giảm đau và điều chỉnh insulin.

Những loại dữ liệu về đời sống và ảnh hưởng của chúng

Các nhà nghiên cứu xác định được nhiều loại dữ liệu về lối sống đang được trộn vào các mẫu tự tụy nhân tạo.

  • dữ liệu hoạt động cơ bản : khả năng tăng cường, số bước, nhịp tim và các mẫu chuyển động giúp ước lượng năng lượng tiêu thụ và vận động cường độ. Dữ liệu này cho phép thuật toán giảm lượng insulin trong và sau khi tập thể dục, ngăn chặn sự giảm bạch cầu trong khi vẫn còn bao gồm các nhu cầu căn cứ.
  • dữ liệu liên quan đến ta ): khả năng đếm qua ứng dụng di động hoặc thậm chí tự động hóa thức ăn có thể cung cấp thành phần lớn của thức ăn. Tuy nhiên, hiệu ứng glycaemic của chất béo và protein khó để mô hình, vì vậy hệ thống đang bắt đầu kết hợp các dữ liệu nhập lẫn nhau để trì hoãn hay mở rộng insulin.
  • trạng thái cảm xúc ): cảm biến có thể đo được khả năng dẫn truyền da, nhịp tim, và chất lượng giấc ngủ có thể báo hiệu mức độ căng thẳng cấp tính hoặc mãn tính. Các biểu hiện này có thể tạm thời tăng độ nhạy cảm insulin hoặc tăng độ nhạy cảm cho giảm căng thẳng cao.
  • Hệ thống nhận dạng các thiết bị đo lường [FLT: 1]]: kéo dài, chất lượng, giai đoạn (REM vs. ngủ sâu) ảnh hưởng đến độ nhạy insulin và phản phản phản phản kích. Các hệ thống phát hiện giấc ngủ khó có thể điều chỉnh tỷ lệ nhiệt độ qua đêm để ngăn chặn hiện tượng bình minh hoặc tăng đường huyết tương đối xuyên suốt đêm.
  • và biến đổi cơ cấu ): Nghiên cứu cho thấy độ nhạy insulin ngày càng tăng thay đổi trong chu kỳ kinh nguyệt và trong thời gian mãn kinh.

Chẳng hạn, một hệ thống có thể biết được rằng một người dùng nào đó luôn trải qua một cuộc suy nghĩ dài 30 mg/dL tăng khi bắt đầu đi lại (một người gây stress tâm lý) và điều chỉnh tốc độ buổi sáng theo đúng cách.

Lợi ích của việc tự động hóa dữ liệu

Lợi ích chính của dữ liệu cách sống kết hợp được cải thiện kết quả glycaemic mà không làm tăng lượng nhận thức lên người dùng. Bằng cách tự động đưa ra quyết định đã được hướng dẫn (tin tức, thực hiện trước điều trị, quản lý stress), hệ thống giải phóng cá nhân khỏi cảnh giác liên tục. Các thử nghiệm lâm sàng đã cho thấy nhiều lợi thế.

  • Hệ thống sử dụng nhịp tim và gia tốc dữ liệu có thể giảm lượng insulin bậc thang bằng 50% trong khi hoạt động vừa phải, giảm nguy cơ lượng đường huyết thấp liên quan đến máu thấp đến 70% trong một số nghiên cứu.
  • Người điều khiển sau khi giải thích ): dự đoán làm dựa trên kích thước và hợp chất, kết hợp với phát hiện sớm lượng đường tăng lượng đường huyết, cải thiện thời gian trong tầm 10–15 phần trăm so với việc tự động chuyển hóa insulin.
  • Tốt hơn là nên tập trung chất lượng giấc ngủ và các điểm nhấn để ngăn ngừa hiện tượng bình minh và giảm lượng bạch huyết trong đêm, cải thiện việc đọc lượng đường trong buổi sáng.
  • chất lượng cuộc sống ): người dùng báo cáo ít đau tiểu đường, ít báo động hơn và tự tin hơn về khả năng xử lý sự biến đổi hàng ngày của hệ thống. Sự tự động hóa giảm thiểu nhu cầu kiểm tra huyết và sửa chữa ngẫu nhiên.
  • Khi thuật toán học mô hình của người dùng, nó có thể tự động điều chỉnh theo thói quen - chẳng hạn như một lịch làm việc mới, đi qua các vùng thời gian, hoặc biến đổi theo mùa trong hoạt động vật lý.

Những thử thách về nghiên cứu và lâm sàng hiện nay

Các nhóm nghiên cứu và các công ty đang tích cực nghiên cứu lối sống- hệ thống tuyến tụy nhân tạo. Viện Quốc gia của chẩn đoán và Các Bệnh viện khác nhau, cũng là một hệ thống thử nghiệm dựa trên tim và bước chân của MPC, dùng tốc độ và số đếm từ một đồng hồ thông minh đến quản lý tự động.

Một nỗ lực tiên phong khác đến từ Trung tâm chẩn đoán Joslin của Đại học Virginia và Harvard, nơi mà hệ thống tính toán một khối u để xử lý hiệu ứng glycaemic của các bữa ăn có chất béo cao. Kết quả ban đầu được xuất bản trong [FL: 0] Care [FL1] [FL1] cho thấy rằng người dùng đã dành thêm 12 thời gian trong phạm vi so với hệ thống đóng cửa không có hình ảnh trong bữa ăn.

Trên mặt trận thương mại, hệ thống MiniMronic của Med 780G đã cung cấp một dạng cơ bản của điều chỉnh insulin tự động, nhưng nó vẫn đòi hỏi thông báo bữa ăn. Trong khi đó, dự án Loop ibpool, một sáng kiến mã nguồn mở, đang được phóng to thành một sản phẩm thương mại cho phép tích hợp dữ liệu sống thêm. [FLT: 0] Bộ quản lý thực phẩm và thuốc phiện [FL:1] đã cung cấp hướng dẫn cho hệ thống đánh giá, khuyến khích người dùng bao gồm cả dữ liệu đã sử dụng và cảm biến trong thiết kế của họ.

Những thử thách và sự suy xét theo thực tế

Mặc dù lời hứa, một số rào cản vẫn còn trước khi hệ thống lối sống- dữ liệu được điều khiển bởi tuyến tụy nhân tạo trở thành phổ biến. [FLT: 0] sự riêng tư và an ninh là tối quan trọng: một hệ thống thu thập nhịp tim, vị trí GPS, cách thức ăn uống và chế độ ăn uống có thể tạo một hồ sơ sức khỏe rất nhạy cảm. [Không được phép truy cập có khả năng phân biệt đối xử trong việc bảo hiểm hay chủ nhân, hoặc thậm chí thao tác độc hại của insulin. Việc mã hóa, xử lý dữ liệu địa phương, và quản lý nội bộ nội bộ.

Độ chính xác và an toàn [FLT: 1] cũng gây ra những thách thức. Các mô hình học tập của máy có thể không nói chung cho những cá nhân có lối sống khác nhau, quá trình di truyền, hoặc sự tương tác. dương tính sai từ một bộ cảm biến căng thẳng hoặc ước tính sai số bữa ăn có thể gây ra lỗi nghiêm trọng. Các khung điều chỉnh phải tiến hóa để xác định hiệu chỉnh các thuật toán thay đổi theo thời gian, cần thiết loại bằng chứng bệnh lý mới hơn các thiết bị truyền thống.

Không thể bỏ qua gánh nặng và cảm biến người dùng [FLT: 1]. Trong khi mục tiêu là giảm nỗ lực của con người, một số dữ liệu - như ghi chép thực phẩm hoặc cảm biến - vẫn còn lại hướng dẫn chấp nhận. Những nhà thiết kế phải đặt sự cân bằng giữa sự giàu có và đơn giản. Hơn nữa, những người bị tiểu đường không thoải mái với công nghệ hoặc những người có khả năng hạn chế khả năng đọc tập tin kỹ thuật số có thể bị bỏ lại, mở rộng những sự khác biệt về sức khỏe hiện có.

Thành công và khả năng chi trả cũng là quan trọng. Hệ thống đóng kín hiện thời thì đắt đỏ, và thêm các cảm biến cấp cao như đồng hồ thông minh hoặc bộ theo dõi kỹ thuật phân tích siêu nhỏ thì tăng chi phí.

Những sự hướng dẫn và cải tiến trong tương lai

Nghiên cứu đang tăng tốc đến một tuyến tụy nhân tạo hoàn toàn tự động, một vài cải tiến thế hệ tiếp theo đang ở chân trời.

  • Hệ thống Multi-hormone : tăng glucagon hoặc pramlintide để bơm insulin có thể làm mịn đường dẫn đường đi của đường bán dẫn. Dữ liệu kiểu sống có thể hướng dẫn thời gian và liều lượng của các hóc môn phụ này [v.v. d. giảm lượng glucagon giao hàng trong khi cơ thể tự nhiên giảm sự sản xuất chất béo.
  • Hệ thống tương lai rất có thể sẽ kết hợp CGM, một bộ cảm biến nhịp tim, một bộ đo tốc độ ba trục, một bộ cảm biến nhiệt độ da, và thậm chí một bộ phân tích sinh học sinh học thành một bảng nhỏ liên lạc với thuật toán bơm. Các công ty như Google và Dexcom đang phát triển các cảm biến tích hợp như vậy.
  • Trình nền dựa trên AI suy luận [FLT: 1]: để bảo vệ cuộc sống pin và bảo vệ sự riêng tư, máy học tập trên mạng sẽ xử lý dữ liệu sống cục bộ thay vì gửi nó đến đám mây. Tính năng này giảm rủi ro độ bão hoà và bảo mật trong khi hiệu lực khả năng thích nghi thời gian thực ngay cả khi sự kết nối bị mất.
  • Dùng các phương pháp khác nhau để kiểm soát chúng trước khi áp dụng, dẫn đến việc kiểm soát an toàn hơn và hiệu quả hơn.
  • Bhavioral pulps ): ngoài việc tự động hóa liều lượng, hệ thống có thể cung cấp những khuyến cáo cá nhân - giống như gợi ý một snack trước khi-x thêm vào người dùng để phụ giúp khả năng hấp dẫn- dựa trên cùng lối sống. Điều này chuyển tuyến tụy nhân tạo từ một thiết bị y tế hoàn toàn sang một trợ lý khỏe mạnh vô tuyến.

Khi những cải tiến này được cải tiến, tuyến tụy nhân tạo rất có thể sẽ trở thành một thành phần tiêu chuẩn của việc chăm sóc tiểu đường, giống như máy bơm insulin và CGM hiện nay.

Kết luận

Việc tự động điều chỉnh lượng insulin dựa trên dữ liệu sống đại diện một sự thay đổi mô hình trong quản lý tiểu đường. bằng cách di chuyển vượt qua vòng phản hồi chỉ bán đường bán kính và tiếp cận với sự phong phú của thông tin ngữ cảnh - hoạt động vật lý, ăn uống, ngủ, và căng thẳng - tuyến tụy nhân tạo có thể cung cấp cá nhân, hoạt động, và tối thiểu là sự chăm sóc về tiểu đường. trong khi những thử thách xung quanh dữ liệu, tính chất lượng, thuật toán mạnh mẽ, và khả năng tiếp cận vẫn còn tồn tại, các công việc nghiên cứu đang tiến triển ổn định. thử nghiệm y khoa học tiếp tục cho thấy rằng hệ thống lối sống có thể cải thiện thời gian và giảm bớt gánh nặng của tiểu đường. Đối với những cá nhân, một loại, 2 loại insulin, chuyển đổi tiểu đường, thay đổi tính năng sống, thay vì tiếp tục tiến bộ, tiếp tục tiến bộ tự do thiết kế, và tiếp tục tiến bộ thiết kế để tạo tính toán, và duy trì sự sống của máy tính toán.

Để đọc thêm, xin xem nhật ký của Hiệp hội Nhân tạo Hoa Kỳ ) để biết thông tin về cuộc thử nghiệm mới nhất, hoặc thăm trang tuyến tụy nhân tạo [FLT:]. [FLT:] [FLT:]]