通往完全自治的长途小道:平衡进步和持久之乱

对于数百万患有一等糖尿病的人来说,每天进行指棒测试、碳水化合物计数和人工胰岛素注射的负担是无情的。 完全自主人工胰腺的许诺 — — 一个自动监测血糖和提供胰岛素而无需用户输入的系统 — — 体现了医疗技术的划时代雄心。 这样一个系统不仅会改善糖的管制,而且从根本上改变生活质量。 然而,从目前仍然需要某种用户互动的胰岛素自动输送系统到真正手动的闭锁式装置,却充满了技术、生理和监管障碍。 与此同时,如果这些障碍能够清除的话,机会是巨大的。

完全自主的人工活体必须做到

完全自主的人工胰腺是网络物理系统的核心,它通过连续的葡萄糖监测器(CGM)不断测量间质葡萄糖,通过控制算法处理数据,并命令胰岛素泵提供将血葡萄糖保持在紧固生理范围内所需的精确剂量。 与目前需要人工宣布和进行警戒的混合闭眼系统不同,完全自主的系统将处理所有扰动 — — 膳食、压力、疾病、甚至睡眠 — — 而不使用任何用户输入。 该系统必须能够强大地感应噪音、泵位变化以及个人之间和一个人内部随时间推移而发生的巨大的生物变化。

包括Beta Bionics、Tandem糖尿病护理和Medtronic在内的几个研究团体和公司都取得了进步。 Medronic MiniMed 780G和Tandem控制-IQ等商业系统已经取得了显著的自动化水平,但它们仍然是混合的。 下一个前沿是完全自动化。

技术挑战:自主控制的核心

生理变化性和控制算法

人体的葡萄糖调节系统是一个复杂、非线性、时间变化多的生物过程。 循环节奏、胰岛素敏感度因运动或疾病而变化以及无法预测的膳食吸收等因素造成了一个比任何工业过程都更具挑战性的控制问题。 一个完全自主的系统必须实时预测和适应这些动态。

当前AID系统中的控制算法通常基于带有安全模块的模型预测控制(MPC)或比例-内置-衍生(PID)控制器。这些算法需要调整每个用户的生理学参数,通常需要定期重新校正。要完全自主,该算法必须不断学习和调整,而无需用户干预。 机器学习[ 方法,包括强化学习和神经网络,正在探索中,但引入了自身的挑战 — — 难以验证安全性,以及过度适应培训数据而可能无法捕获罕见但危险的事件的风险。混合方法,如实时更新模型参数的适应性MPC,可能提供一条中间路径。

传感器精确度和空闲度

CGM是系统的眼睛。 葡萄糖读数的任何延迟或出错都会导致算法做出不好的剂量决定。当前的CGM测量间歇性液糖,它比血糖慢了5至15分钟。在快速葡萄糖变化(比如在一顿饭后或运动期间)期间,这种滞后尤其成问题,因为传感器可能报告葡萄糖水平,而这种水平不能反映变化的真实方向和程度。传感器漂移、压缩文物(当用户在传感器上睡觉时)和信号中断是额外的可靠性问题。

为了实现完全自主,传感器的准确性必须提高到一个点,即即使没有人类验证,算法也能信任数据。 真正时间校准无误传感器[是研究方面的一个关键优先事项。诸如JDRF和[国家卫生研究所[等举措已经资助了多中心研究,以衡量在现实世界条件下传感器的性能,但目前传感器没有达到完全自主系统所需的近法无法标准。一些新技术,如以微纳为基的传感器或光糖监测,正在早期开发,但可能需要几年时间才能商业化。

胰岛素药用动力学和速度差距

当今泵中使用的胰岛素——即使是超快活性模拟物——具有远非理想的药效动力学特征。注射后,吸收高峰在60-90分钟左右,活取三至五个小时。这种缓慢发作和长时间的动作意味着算法只有在发生后很久才能纠正错误,往往导致反弹性下垂或高血压。一个完全自主的系统最好使用更快的胰岛素——或者类似长效或长效克洛贡的替代品,但还没有批准和广泛提供这种产品。 提供胰岛素和长效的双激素系统正在被研究,以解决这一缺口,但它们增加了复杂性(两个泵、两个水库)并增加了成本和可靠性问题。对于富拉普等胰岛素制剂的研究将发作期缩短到15分钟左右,但需要更快的动能。

安全诚信和容错

在完全自主的系统中,没有人类备份来赶取错误. 软件bug,泵被封存,或传感器故障可能导致分钟内严重低血糖或糖尿病克托酸化. 系统必须包含多层安全:冗余硬件,故障安全算法,以及强健的诊断常规. 风险管理框架[ FDA] 需要广泛的临床试验,包括在硅模拟中使用FDA-接受的UVA/Padova 1型糖尿病模拟器,但将这些模拟器转换为现实世界安全性很复杂. 完全自主系统的举证责任比任何现有的AID设备都要高. 渐进泵关机,克洛克斯预测警报等安全机制,以及人工超载选项必须从一开始就被构建到系统设计中去.

检测食物的挑战

完全自动化最困难的一面是未经用户通知处理餐食。一顿餐导致血液葡萄糖迅速上升,需要及时提供胰岛素以防止高血糖。胰岛素作用的滞后意味着餐食检测必须在吃后立即进行。 当前的研究侧重于使用CGM痕迹通过模式识别或机器学习来检测餐食的开始 — — 例如,寻找葡萄糖的特征上升和变化率的猛增。然而,这些方法可能会错误地将感官文物或非食用葡萄糖外出用于一顿餐,从而导致不必要的胰岛素分泌。 配有克兰卡贡的双荷尔蒙系统能够提供一个安全网,但只有在餐食检测算法非常可靠的情况下才能提供。

机会:充分自治能够提供哪些

近地晶体管控制并减少并发症

完全自主的人工胰腺的主要医疗好处是,几乎每天都能在非常紧的范围之内保持葡萄糖,比如70-140毫克/德克。 目前的混合系统可以实现70-180毫克/德克(TIR)的内程(TIR)约为70-80毫克/德克(DL),但完全自主的目标将大于95%。 这一水平的控制可以大大减少严重的低血糖和长期并发症的发病率,如复铁、肾上腺炎和神经病。 糖尿病控制和并发症试验(DCCT)的后遗症是明确的:HbA1c的每分提高一个百分点,减少并发症。 一个完全自主的系统可以使糖尿病患者进入接近正常的葡萄糖水平,而无需日常不断决策。

减轻糖尿病的心理负担

糖尿病自我管理在精神上是累累的。 持续的警惕检查葡萄糖、计算碳酸盐、担心运动、睡眠和压力导致高发糖尿病困扰和烧伤。 完全自主的系统可以消除与胰岛素注射有关的认知负荷。 使用者可以不先发制人、不先发制人地运动而睡觉而不担心夜行伪化。精神健康和生活质量的改善是投资于技术的最有力论据之一。临床研究已经表明,混合闭路系统可以减少焦虑并改进睡眠质量;完全自主可以扩大这些好处。

扩大高级治疗的获取途径

当前的免疫系统需要大量的培训和技术知识。 许多患者由于年龄、认知能力或仅仅是缺乏专用糖尿病诊所而被排除在使用系统之外。 一个完全自主的系统不需要用户投入或培训,就可以使获得胰岛素泵疗法的渠道民主化。 对于儿童、老年患者或有认知障碍的人来说,一个成套和遗忘装置可以改变生命。 如果这些系统能够负担得起并被保险覆盖,那么健康公平可以得到改善。远程医疗和远程培训也可以降低障碍,但用户体验的核心简化是主要杠杆。

管理和商业景观

林业发展局路径和iLET Bionic Pancreas 先例

林业发展局为人工胰岛素系统确定了一种前瞻性的监管路径,包括命名为] " 断裂装置 " ,以及自动胰岛素提供系统的专门分类(第二类)。 2023年批准iLet Bionic Pancreas[是一个里程碑:它只要求用户输入大致的膳食尺寸(作为定性的 " 食用 " 、 " 食用 " 或 " 大餐 " ),而不是精确的碳计数,这是朝着完全自主迈出的一步,但仍依赖用户输入。未来系统甚至不需要任何内容,就需要证明他们能够安全地管理膳食,这可能需要双荷尔蒙方法或更聪明的算法,能够检测出食用葡萄糖的痕量模式。

偿还和市场采用

尽管有临床证据表明福利,但保险并不普遍覆盖AID系统。 包括CGM、泵和消耗品在内的设备成本每年可达数千美元。 一个完全自主的系统,特别是双激系统,成本甚至更高。 以价值为基础的定价[ 模式将补偿与结果挂钩(例如低血糖住院减少),这可以帮助推动收养,但它们需要可靠的真实世界证据。 制造商需要说服付款人,预付投资被复杂成本的长期节省所抵消。 此外,Tandem、Metronic、Insulet和Beta Bionics之间的市场竞争可能会随着时间的推移而降低价格。

社会与伦理考虑

完全自动化提出了重要的道德问题。 当系统失灵时, 由谁负责呢? 制造商、 软件开发者、 开方医生或病人? 如果用户因软件错误导致过量使用而受伤, 责任是模糊的。 此外, 数据隐私是一个问题: 如果安全性不适当, 这些系统会产生大量可能被滥用的健康数据。 [[FLT: 0]] 网络安全[[[FLT: 1] 是另一个关键问题; 损坏的泵可能是致命的。 监管机构必须规定严格的加密和安全更新。 FDA的医疗设备网络安全指导[[FLT: 2] 需要持续监测和补丁管理,但实施方式各不相同。

过度依赖的风险也存在。 即使高度自主的系统也可能会遇到边缘情况 — — 传感器信号丢失、泵故障、不寻常的餐食 — — 需要用户干预。 完全自主的系统仍应当包括警报和故障安全模式,但设计“不用户输入”情景的人机接口却很困难。 用户培训必须从日常管理转向罕见的例外处理,这在一段时间内可能难以维持。

未来方向:未来十年

专家预测,至少还有十年时间里,完全自主的人工胰岛素系统将无法在商业上获得。关键里程碑包括开发出[超快速胰岛素[,在10分钟内发作,非侵入性或可植入性CGM[,这些CGM可以减少滞后,不需要校正,适应性算法[,能够处理人类活动的全部范围。像 OpenAPS社区已经证明了具有令人印象深刻的能见的DIY系统,其开源算法已经为商业产品提供了信息。NIH的人工泛克雷斯项目继续资助关键的临床试验,并且像T1D交换这样的大规模登记提供了真实世界数据来完善算法。

与此同时,人工智能的进步,特别是时间序列预测的深入学习,可以使膳食检测和葡萄糖个性化预测更加有力,但是,从研究到临床实施的道路很长,需要认真验证。 Hybrid方法[将生理模型与机器学习相结合,可以提供最佳的性能和安全平衡。管理机构也在为适应性算法制定框架,只要符合市场前性能标准,就能够在实地更新。

最终,完全自主的人工胰腺并不是单一的装置,而是CGM技术、胰岛素科学、控制理论和机器学习的不断发展的技术趋同。 挑战很大,但从糖尿病自我管理的持续需求中解放出数百万人的机会使其成为我们时代最重要的医疗工程目标之一。 感官可靠性、算法先进度和胰岛素速度的增量收益都使我们更接近一个胰腺最终能够休息的世界。