一种构建反映真实世界糖尿病治疗结局的虚拟患者队列的方法学方法

《Scientific Reports》：A methodological approach for creating virtual patient cohorts reflecting real-world diabetes treatment outcomes

　　

摘要

虚拟患者（VPs）被广泛用于评估血糖控制策略的性能、范围和鲁棒性。然而，现有的虚拟队列通常包含的受试者太少，或者未能反映目标临床人群的多样性。因此，生成能够重现真实患者（RP）特征的新虚拟患者对于推进糖尿病疗法至关重要。我们提出了一种数据驱动的方法，利用常规治疗和结果数据构建与个体真实患者匹配的虚拟患者队列。从已发表的 Hovorka 模型参数的概率分布出发，我们通过蒙特卡洛采样生成候选虚拟患者，并仅保留生理上合理的参数集。对于每个真实患者，分别评估生理上合理的虚拟患者公共池。通过特定真实患者基础胰岛素预筛选的虚拟患者，随后在该真实患者数据衍生的进餐和运动场景下进行模拟。然后，我们使用约束满足问题（CSP）为每个真实患者选择最严格的相似度阈值，同时保留至少 20 个匹配的虚拟患者。相似度评估使用治疗参数和基于连续血糖监测（CGM）的结果。该方法使用巴塞罗那临床医院（Hospital Clínic of Barcelona）进行的一项临床试验中八名 1 型糖尿病（T1D）成年人的匿名数据进行了测试。在 20,000 个候选虚拟患者中，8,387 个通过了生理合理性筛选。基于 CSP 的过滤程序为每个真实患者保留了 20–43 个匹配的虚拟患者。选定的队列在患者层面使用治疗和基于 CGM 的指标进行了特征描述，包括基础胰岛素、达标时间（TIR）、低血糖、严重低血糖、高血糖和严重高血糖。在五个方案匹配的计算机模拟场景下，45 项终点与场景的比较中有 43 项在配对 Wilcoxon 符号秩检验中未达到名义显著性。场景 2 中的两项比较达到了名义显著性：严重高血糖和葡萄糖变异系数。这些发现支持了构建与个体真实患者概况匹配的虚拟患者队列的可行性，能够在方案匹配的条件下重现关键的治疗和 CGM 特征。该方法可能支持临床前控制器调优和鲁棒性评估，尽管需要在更大且更多异质性的数据集上进行进一步验证。