自动胰岛素输送系统中基于历史模式管理的餐食预知

《IFAC Journal of Systems and Control》:Historical pattern management for meal anticipation in automated insulin delivery

【字体: 大 中 小 】 时间:2026年10月24日 来源:IFAC Journal of Systems and Control 1.9

编辑推荐:

   **摘要** 由于胰岛素类似物吸收缓慢,1型糖尿病的餐后血糖波动控制仍然是大多数自动胰岛素输注系统面临的挑战。我们之前的工作表明,模型预测控制(MPC)框架能够通过利用历史数据预期餐食干扰,在不增加计算开销的情况下有效缓解餐后血糖波动。然而,其性能依赖于对未来干扰的准确估计

  **摘要**由于胰岛素类似物吸收缓慢,1型糖尿病的餐后血糖波动控制仍然是大多数自动胰岛素输注系统面临的挑战。我们之前的工作表明,模型预测控制(MPC)框架能够通过利用历史数据预期餐食干扰,在不增加计算开销的情况下有效缓解餐后血糖波动。然而,其性能依赖于对未来干扰的准确估计。在本工作中,我们引入了一种改进的历史干扰相似度度量来增强餐食干扰预测,并结合了一个预期系数,该系数反映了历史数据的可信度以及餐食发生的可能性。此外,我们研究了不同嵌入维度下的预期干扰,以实现信号平滑,并在可穿戴设备上实现基于神经网络的高效实施。所提出的方法使用UVA/Padova 1型糖尿病模拟器进行了评估,并通过UVA Replay Simulation平台在真实的餐食摄入和噪声条件下进一步验证。在UVA/Padova模拟器中,所提出的方法将中位血糖达标时间从69.0%提高到74.3%,同时未增加低血糖风险。在UVA Replay Simulation平台的验证进一步确认了在真实噪声和餐时变异性条件下的餐后血糖控制改善。这些结果表明,数据驱动的餐食预期能够显著增强全闭环胰岛素输注系统的性能,同时仍具有足够的计算可行性以满足可穿戴设备实施的需求。**引言**近期估计表明,美国约有4000万人患有糖尿病,占人口的近11.6%。其中约10%被诊断为1型糖尿病(T1D),这是一种自身免疫性疾病,身体会攻击并摧毁产生胰岛素的胰腺β细胞(美国疾病控制与预防中心,2024年)。因此,1型糖尿病患者必须完全依赖外部胰岛素输注来调节血糖。自动胰岛素输注(AID)系统通过将连续血糖监测仪(CGM)与胰岛素泵通过闭环控制算法集成,为这一需求提供了解决方案。这些算法根据实时血糖测量值动态调整胰岛素输注速率,血糖升高时增加输注量,血糖下降时减少输注量。临床研究表明,这种基于反馈的控制能够降低血糖变异性,改善处于目标范围内的时间——尤其是在夜间——并降低低血糖风险,同时提高用户舒适度(Bequette, 2012; Boughton和Hovorka, 2021; Brown等, 2021; Brown等, 2018; Salehi等, 2019)。尽管取得了这些进展,餐食相关的血糖波动仍然是AID系统面临的一大挑战(El Fathi等, 2018)。这一困难的根源在于碳水化合物消化与胰岛素吸收之间的时间不匹配。餐后血糖在10至30分钟内开始上升,而皮下输注的胰岛素通常需要30至60分钟才能达到峰值效果。现有的商业AID系统未能完全自动化餐食摄入过程中的胰岛素输注,因为这本质上存在困难,需要用户手动估算碳水化合物并施加适当的胰岛素剂量。一方面,由于AID算法依赖反馈,它们必须等到血糖出现可检测的升高后才做出响应,而此时胰岛素的吸收已经落后于消化过程。另一方面,AID算法无法仅从血糖数据中推断出碳水化合物的含量,因此难以确定正确的胰岛素剂量。因此,随着血糖升高,胰岛素是逐渐输注的,这加剧了延迟并损害了餐后血糖控制。为了缓解这一延迟,临床指南建议进餐前15分钟注射餐时大剂量胰岛素(美国糖尿病协会专业实践委员会, 2024年)。当正确执行时,提前注射可以显著减少早期餐后高血糖;然而,其效果依赖于准确的碳水化合物估算、一致的进餐时间和用户的依从性。在实践中,这些要求带来了显著的认知负担,且在日常生活中的维持较为困难,导致提前注射的执行不一致,这也凸显了自动策略的必要性——这些策略能够减轻用户负担,同时保持预见性胰岛素输注(Datye等, 2018; Lane等, 2021)。模型预测控制(MPC)已成为解决这一问题的一种有前景的方法,特别是针对未声明的餐食(Bondia等, 2018; Forlenza和Lal, 2022; Garcia-Tirado等, 2021; Hajizadeh等, 2019; Hughes等, 2011; Sun等, 2022)。主要探索了两种策略:反应式和预期式。反应式MPC使用内部模型预测未来血糖水平,并在餐后早期阶段通过给予更大剂量来补偿胰岛素延迟(Garcia-Tirado等, 2021; Villa-Tamayo等, 2022)。预期式MPC利用历史餐食模式来预测典型进餐时间,并提前输注胰岛素(Colmegna等, 2022; Corbett等, 2022; Hughes等, 2011)。虽然预期式MPC在改善血糖控制方面已显示出前景,但现有实现通常依赖于多模型概率(MMP)框架,这显著增加了计算需求,可能难以在可穿戴设备上部署。在我们之前的工作中(Castillo和Breton, 2025),我们提出了一种数据驱动方法来预测餐食干扰并将预期性胰岛素输注整合到MPC框架中。与之前的解决方案不同,我们的方法通过使用单一模型保持了原始MPC算法的计算简洁性,使其更适合在可穿戴AID系统中实时使用。在此基础上,本工作通过引入改进的历史干扰相似度度量和预期系数来提高干扰预期的准确性和鲁棒性,该系数根据数据相关性和餐食可能性调节置信度。此外,我们研究了嵌入维度对预期干扰的影响,以实现信号平滑并实现适合可穿戴AID系统的高效实施。使用UVA/Padova 1型糖尿病模拟器的模拟结果表明,血糖达标时间有显著改善,低血糖有所减少,并通过UVA Replay Simulation平台的额外验证确认了在真实噪声条件下的鲁棒性(Villa-Tamayo等, 2024)。**章节摘要****背景**在之前的工作中(Castillo和Breton, 2025),我们提出了一种将历史餐食干扰模式纳入AID系统MPC框架的方法。我们利用了线性化的血糖-胰岛素动态模型,并修改了干扰估计以包含当前干扰和历史干扰的加权平均。加权平均干扰使控制器能够根据过去的餐食模式预期未来的血糖波动,而不会增加与原始方法相比的计算复杂性。**方法**我们在Castillo和Breton(2025年)引入的干扰预期框架基础上,增强了历史干扰收集、相似度评分和预期系数计算的方法。本工作详细说明了相似度权重π?、预期系数φc以及历史数据集本身的计算方式。在3.1节中,我们描述了收集历史干扰数据的过程。我们还展示了如何清洗数据以去除伪影。**结果**表1总结了UVA/Padova模拟器场景的人群水平血糖结局。基线系统达到中位血糖达标时间(TIR)69.0%、低于目标范围时间(TBR)1.4%和高于目标范围时间(TAR)29.4%,而所提出的预期系统将TIR提高至74.3%,同时将TBR降低至1.0%和TAR降低至24.4%。这是血糖控制的大幅改善,配对TIR增加了4.9个百分点[3.6, 6.9],配对TBR变化为?0.25。**讨论**UVA/Padova模拟器场景的结果表明,所提出的预期方法可以大幅改善血糖控制效果。在受试者间配对比较中,系统将TIR中位数提高了4.9个百分点[3.6, 6.9](均值为5.3个百分点),同时将TBR降低了0.25个百分点[?0.86, 0.02]。这一增幅超过了国际共识认为的组间具有临床意义的效应——平均TIR变化3个百分点(Battelino等, 2023)。这表明……**结论**在闭环胰岛素输注系统中,管理餐时血糖波动仍然是一个重大挑战,部分原因是胰岛素吸收和作用的延迟。为此,我们开发了一种数据驱动的干扰预测方法,使控制器能够基于历史模式预期类似餐食的事件,而无需明确的餐食声明。我们在Castillo和Breton(2025年)之前的工作基础上进行了多项关键创新:(1) 一种HT校正方法来防止……**作者贡献声明(CRediT)****Elliott C. Pryor:** 写作——审阅与编辑,写作——初稿撰写,可视化,验证,软件,方法学,调查研究,形式化分析,数据管理,概念化。 **Alberto Castillo:** 写作——审阅与编辑,软件,方法学,形式化分析,概念化。 **Anas El Fathi:** 写作——审阅与编辑,指导监督,方法学,形式化分析,概念化。 **Marc D. Breton:** 写作——审阅与编辑,指导监督,项目管理,方法学,资金支持。**关于写作过程中生成式AI和AI辅助技术的声明**在准备本文过程中,作者使用了Microsoft Copilot和OpenAI ChatGPT来协助文本修订和代码语法格式化。使用此工具后,作者对内容进行了审阅和编辑,并对出版内容承担全部责任。**利益冲突声明**作者声明以下可能被视为潜在利益冲突的经济利益/个人关系:Elliott C. Pryor报告与Tandem Diabetes Care Inc的关系,包括:研究资助。Anas El Fathi报告与Tandem Diabetes Care Inc的关系,包括:研究资助。Anas El Fathi报告与Dexcom Inc的关系,包括:研究资助。Anas El Fathi报告与Novo Nordisk Inc的关系,包括:研究资助。**致谢**本项目由美国国立卫生研究院(NIH)资助,项目编号:5R01DK129553。感谢弗吉尼亚大学糖尿病技术中心成员的协助。**作者:** Elliott C. Pryor | Alberto Castillo | Anas El Fathi | Marc D. Breton
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号