人工胰腺的开发标志着糖尿病护理的范式转变,从人工胰岛素管理转向自动化实时葡萄糖调控。 世界各地的研究人员正在完善这些系统,以提高准确性、可靠性和使用性,多参数监测正在成为关键增强因素。 本文探讨了人工胰腺技术的现状、仍然存在的挑战以及融合多样生理传感器如何为真正自主的糖尿病管理铺平道路。 最终目标不仅仅是实现胰岛素注射自动化,而是创建一个适应每个人动态生理学的系统,减轻不断自我管理的认知和情感负担。

人工活页岩是什么?

人工胰岛素,又称闭眼胰岛素提供系统,是一种复制出健康胰岛素功能的医疗设备,它结合了连续的葡萄糖监测器(CGM),胰岛素泵,以及根据实时葡萄糖读取自动调整胰岛素提供的控制算法,目的是将血糖保持在目标范围内——典型的70-180毫克/德升——而不需要用户经常人工输入。与常规胰岛素泵疗法不同,使用者必须计算并计划出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出出

现代的AID系统已经从早期的原型中大大地发展了起来. 在美国批准的首个混合闭路管系统Medtronic的MiniMed 670G需要用户仍然手动为膳用提供硼氢. Tandem t:slim X2 与Control-IQ和Omnipod 5等更新型的系统对自动化进行了精炼,提供了自动矫正的栓塞和适应性高压率等功能,以应对预测出葡萄糖趋势. iLet from Beta Bionics目前处于临床试验阶段,通过学习用户的胰岛素需要并调整交付,而不需要传统的碳水化合物计数,这些进步使得更多的人造胰岛体更容易被1型糖尿病患者所利用.

闭环系统的演变

早期的人工胰腺素研究始于20世纪70年代,使用大型医院设备。这些早期的"活体"是冰箱的尺寸,使用了从静脉中连续抽取出出血液样本,不切实际,但证明了闭锁管控制的可行性。 1990年代和2000年代CGM和胰岛素泵的小型化使得可穿戴系统成为可能。 首个混合闭锁管系统Medtronic的MiniMed 670G在2016年获得了FDA的批准。 从那时起,Tandem t:slim X2 与Control-IQ和Omnipod 5等系统已经进入市场,每个系统都完善了算法和用户经验。

开放源代码运动#WeAre Notwaiting also supply academy. OpenAPS和Loop等社区开发的算法在商业上可获取的硬件上展现出安全有效的自动化。这些基层努力迫使制造商加快商业开发,并与用户共享更多数据。 如今,FDA承认人工胰腺系统是一个独特的类别,简化了新设备的审批路径。 进化仍在继续:下一代系统正在纳入机器学习以适应性控制,双荷尔蒙设计正在测试,以更有效地处理严重的缺血症。

核心组成部分及其如何共同工作

现代人工胰腺由三个紧密结合的成分组成: 由外出出后形成.

  • 连续葡萄糖监测器(CGM): 每一至五分钟测量间质葡萄糖水平。 当前的设备,如Dexcom G7和Abbott Libre 3, 提供了高精度(MARD < 8%)和最小校正要求。 趋势是延长磨损时间(最多15天)和工厂校正,减轻用户负担。
  • 胰岛素泵: 分泌出快速活性胰岛素。泵可以以补丁(如Omnipod)或管(如Tandem t:slim)为基础。这两种类型的水库持续了2到3天。 较新的泵直接与CGM结合,在某些情况下不再需要一个中间控制器。
  • 控制算法:在智能手机或嵌入式处理器上运行,算法接收CGM数据,预测葡萄糖趋势(使用比例-内向-衍生或模型预测控制),并命令泵调整玄武输入率或提供修正的活塞. 安全限制防止过量交付来避免下垂性贫血. 算法是系统的大脑;其设计决定了现实世界条件下的性能.

这些模块之间的通信可以是蓝牙或专有无线. 有的系统使用专用控制器; 有的系统依赖智能手机应用. 数据也可以通过云服务与提供者共享,从而可以进行远程监测. 这些组件的整合需要强大的网络安全来防止未经授权的访问或数据被篡改,这是制造商和监管者的日益关注领域.

发展的挑战

尽管取得了迅速进展,但建立一种能为所有人在各种情况下服务的人造胰腺仍然困难重重。

预测快速葡萄糖起伏

血糖可以因膳食、锻炼、压力、疾病或激素变化而迅速改变。 算术必须用足够的准备时间来预测这些变化,以防止出现缺血或高血糖。 未经宣布的膳食的膳食检测和自动节奏都是活跃的研究领域。 现在,一些系统使用加速计数据来推断以手对口手势为基础的膳食时间,但准确性仍然有限。

体育活动和压力

运动影响胰岛素的敏感性,无法预测。 气活性通常会降低葡萄糖,而厌氧运动则会导致瞬时的发作。 吸收心率或心快计数据的算术可以相应调整胰岛素的提供,但强健模型仍在出现。 来自弗吉尼亚大学的2023年研究表明,在算法中增加心率和步数,与只控制葡萄糖相比,运动后期的心快计和步数降低了30%。

传感器准确性和可靠性

CGM 并不完美; 它们可以漂移,体验压缩低,或者完全失败。 重复传感器和故障安全机制是必要的。 多参数系统可以通过与其他度量衡交叉验证葡萄糖读取来缓解这种情况。 例如,如果CGM读取突然下降,但心率和皮肤温度保持稳定,算法可能会延迟修正,直到数据得到确认。

管制和使用权

批准需要广泛的临床试验来证明安全和有效性。 用户培训至关重要,但许多患者都挣扎于惊慌疲劳或停止使用。 系统必须直观,需要最低限度的维护才能实现广泛采用。 FDA发布了人工胰腺系统指南,欧洲药品署也有类似的框架,但各地区的协调性仍然是全球制造商的挑战。 此外,报销政策各不相同,影响了患者的获取。

多相径监测系统

传统的人工胰腺完全依靠CGM数据. 多参数监测会增加生理数据流以改善决策. 通过使用多传感器的信息,这些系统可以更好地解释上下文,并提供更精确的胰岛素剂量. 例如,心率高与步数增加相结合可能表明运动,促使玄武素胰岛素暂时减少. 低皮肤温度或过敏可能信号即将发生的伪真事件,触发主动警告. 先进系统也会考虑通过可穿戴相机或可摄取的传感器来检测胃pH或运动的与餐食有关的信号.

附加传感器的类型

  • 心率传感器:光谱摄影或ECG. 用于检测运动,压力和睡眠状态. Wrist-worn设备现在提供连续心率数据,其准确性可以接受.
  • 物理活性跟踪器: 加速计和陀螺仪决定运动强度和类型(行走,跑行,入睡).
  • 节能传感器: 生物障碍或伽梵克皮肤反应可以表示脱水,这影响了胰岛素分布和葡萄糖代谢.
  • 皮肤温度传感器: 快速温度变化可以与输液场的低血糖或感染相联. 正在开发热感应补丁以进行持续监测.
  • 连续酮监测器:[正在开发中;将帮助早期检测糖尿病克托酸症,特别是在泵衰或生病的情况下.
  • 无入侵葡萄糖传感器: Raman光谱仪,近红外线或微波传感器旨在取而代之,但准确性仍是一个挑战. 几个公司正在用这些技术进行临床试验.

数据整合和机器学习

将不同传感器的数据合并到一个团结模型需要复杂的算法。 机器学习,特别是深层学习和强化学习,正在应用于识别多模式时间序列数据中的规律。 例如,一个经常性神经网络可以把葡萄糖、心率、活性以及胰岛素历史的序列比仅使用葡萄糖模型更准确地预测出未来的葡萄糖水平。弗吉尼亚大学和其他地方的研究人员已经证明,增加心率和加速计数据可以将葡萄糖预测的平均绝对相对差(MARD)降低10–15% (见研究抽象)。 商业系统开始吸收这些数据;例如,Beta Bionics i允许在运动期间使用心率调整胰岛素,Tandem Control-IQ将Dexcom G7 伴用应用软件的活性数据整合。

传感器数据聚合的挑战还包括时间同步和缺失数据处理. Kalman滤波器和隐藏的Markov模型被用来来估计差距并结合噪音传感器流. Fonion学习可以让各种人群改进算法,而无需向云层发送原始数据,解决隐私问题. 开源社区,特别是OpenAPS群,也通过共享实时多参数数据集来进行研究来做出贡献.

临床研究和现实世界成果

几个大型临床试验都显示混合闭路系统比传统疗法优越。 梦幻4和5项研究显示,在不增加低血压的情况下,距离(70-180毫克/德克)提高了10-15个百分点。 最近,奥姆尼波德5号枢轴试验报告,在以前的疗法中,平均时间为73.8%,而60.0%(](NCT04129502)。 控制-IQ枢轴试验也显示,系统平均将HbA1c减少0.5-1.0%。

多参数系统正在进入实验研究。斯坦福2023年的试验测试了将CGM,心率和自由生活条件下的加速计相结合的系统,实现了>75%的时程,用户干预更少。这些结果表明,了解背景的算法可以使完全闭闭闭的运行更接近现实。剑桥大学的另一项研究是测试一个双荷尔蒙系统,它使用心率和皮肤导能来检测胰岛素和克卢卡贡的分泌压力并进行调整。

用户社区的真实世界数据也提供了深刻的见解. 对超过1000万小时的DIY Loop系统数据的分析显示,用户的信心和生活质量显著提高,尽管算法调和对一些人来说仍然是一个障碍. 制造商正在利用云学来自动地改善整个用户群的算法性能. 例如,iLET系统在一段时间内不进行人工输入而学习每个用户的胰岛素敏感系数,使护理不断个性化.

未来方向

在未来十年里,人工胰腺系统可能会变小、更自主、更有能力管理多种激素。 与更广泛的健康生态系统和AI的进步相结合将推动进一步的改善。

双联质系统

双激素人工胰腺同时能提供胰岛素和克卢卡贡. 格卢卡贡可以在紧急情况下快速地提高血糖,降低严重缺血的风险. Beta Bionics正在用它的iLET设备领导这一努力,它成功地完成了第二阶段的试验. 系统使用双激素泵和克卢卡贡模拟,在室温下稳定了数周. 剑桥大学和马约诊所的其他小组正在测试类似的方法. 挑战仍然是克卢卡贡的短时间和用相对抗的行动管理两种激素的复杂性.

完全可移植设备

长期生物相容材料和可植入泵的无线电能转移工作仍在继续。 麻省理工学院的研究人员正在开发一种完全可植入的自成一体的人工胰腺,由体热提供动力,但这仍然是临床前的。

人工智能和个人化

AI模型将基于个人生活方式、循环节奏和胰岛素敏感度模式的算法参数个性化。 联邦学习可以在保护隐私的同时改善整个人群的算法。 强化学习,即算法通过模拟中的试验和错误来学习最佳剂量政策,是一个活跃的研究领域。 Sharecare和Gloko等公司正在整合多种来源的数据,以提供个人化的洞察力,超越胰岛素剂量。

与更广泛的健康生态系统的融合

未来系统可能与智能表、连续血压监测器、甚至闭眼营养管理相接。 一个综合健康中心可以同时管理多种慢性病 — — 例如,根据可穿戴电极传感器检测出的压力水平调整胰岛素。 苹果观察已经提供了月经健康的周期跟踪,这与胰岛素敏感度相关,并且可以被未来系统所利用。 开放式标准,如互通性分光计倡议,旨在使这种融合无缝。

网络安全和用户信任

随着人工胰腺系统连接的加强,网络安全变得至高无上。 FDA发布了医疗设备网络安全指南,制造商正在实施加密、认证和异常检测。 用户信任取决于透明的数据处理和可靠的性能。 #WeAre Notwaiting社区主张开放API,允许用户选择自己的算法,但这也带来了监管者必须应对的风险。

经济适用性和获得性

成本仍然是一大障碍。 混合闭路系统的清单价格可以超过5000美元,持续使用的传感器和泵供应每月增加300-500美元。 开放胰岛素项目等举措旨在通过开放源码硬件降低成本,但全球接入需要广泛的保险和较低的生产成本。 JDRF已经资助了研究,以证明支付者的成本效率,一些欧洲国家已经偿还了AID系统的费用。

结论

人工胰腺研究改变了糖尿病管理,并且设定了多参数监测以进一步推进。 通过整合不同的生理信号,这些系统变得更加适应性、安全和方便用户。 前进的道路包括改进传感器技术、推进机器学习算法和确保公平获取。 随着这些创新进入临床实践,它们承诺减少糖尿病负担,改善全世界数百万人的成果。 下一代人工胰腺系统不仅会自动胰岛素的提供,而且会实时预测用户的需求,使糖尿病患者的生活感觉更加正常。

欲了解更多信息,请访问美国糖尿病协会,JDRF,或探索关于临床实验.gov的最新临床试验. 研究人员和临床医生也依赖Diabetes技术协会[,以制定这一迅速演变的领域的标准和教育.