Модельное обнаружение и классификация неисправностей инсулиновой помпы и пропущенных уведомлений о приёме пищи в системах искусственной поджелудочной железы для терапии сахарного диабета 1 типа

Model-Based Detection and Classification of Insulin Pump Faults and Missed Meal Announcements in Artificial Pancreas Systems for Type 1 Diabetes Therapy
Simone Del Favero, Andrea Facchinetti, Lorenzo Meneghetti
2020-06-22

искусственная поджелудочная железаавторегрессионная модель скользящего среднегонепрерывный мониторинг глюкозынеисправности инсулиновой помпыпропущенные объявления о приёме пищи
ЦЕЛЬ: Искусственная поджелудочная железа (ИПЖ) представляет собой инновационную замкнутую систему для терапии сахарного диабета 1 типа, в которой инсулин вводится портативными помпами, а его доза регулируется алгоритмом управления на основе измерений, получаемых с помощью датчиков непрерывного мониторинга глюкозы (НМГ). На безопасность и эффективность систем ИПЖ могут влиять различные технологические факторы и проблемы, связанные с действиями пользователя, включая неисправности инсулиновой помпы и пропущенные уведомления о приёме пищи. В настоящей работе предложен алгоритм для обнаружения этих двух типов отказов в режиме реального времени. МЕТОДЫ: Алгоритм работает следующим образом. Сначала по историческим данным пациента идентифицируется персонализированная авторегрессионная модель скользящего среднего с экзогенными входами. Затем алгоритм в режиме реального времени прогнозирует будущие значения НМГ. После этого срабатывают сигналы тревоги, когда разница между прогнозируемыми и измеренными значениями НМГ превышает надлежащим образом установленные пороги. Кроме того, благодаря использованию двух различных наборов параметров алгоритм способен различать эти два типа отказов. Алгоритм был разработан и оценён в условиях моделирования in silico с использованием последней версии одобренного FDA симулятора T1D Padova/UVa. РЕЗУЛЬТАТЫ: При обнаружении неисправностей инсулиновой помпы алгоритм продемонстрировал среднюю чувствительность около 81,3% при среднем числе ложноположительных срабатываний около 0,15 в сутки. Пропущенные уведомления о приёме пищи обнаруживались с чувствительностью около 86,8% и 0,15 ложноположительного срабатывания в сутки. ЗАКЛЮЧЕНИЕ: Представленный метод позволяет в условиях моделирования in silico обнаруживать неисправности инсулиновой помпы и пропущенные уведомления о приёме пищи, корректно различая их. ЗНАЧЕНИЕ: Метод повышает безопасность систем ИПЖ, обеспечивая своевременную подачу сигналов тревоги человеку с диабетом и эффективно отличая неисправность помпы от ошибок пользователя.
1
Персонализированная авторегрессионная модель скользящего среднего с экзогенными входами в реальном времени прогнозирует будущие значения CGM на основе исторических данных пациента.
2
При моделировании с помощью одобренного FDA симулятора Padova/UVa T1D средняя чувствительность обнаружения неисправностей помпы составила около 81,3% при 0,15 ложного срабатывания в день.
3
Пропущенные объявления о приёме пищи обнаруживались со средней чувствительностью около 86,8% и 0,15 ложного срабатывания в день, что повышает безопасность систем искусственной поджелудочной железы.
4
Тревоги срабатывают, когда ошибка между прогнозируемыми и измеренными значениями CGM превышает заданные пороги, указывая на возможную неисправность насоса или пропущенное объявление о приёме пищи.
5
С использованием разных наборов параметров алгоритм различает неисправности инсулиновой помпы и пропущенные объявления о приёме пищи.

Системы искусственной поджелудочной железы для терапии сахарного диабета 1 типа, включая инсулиновые помпы, датчики непрерывного мониторинга глюкозы и их работу в замкнутом контуре

Обнаружение в реальном времени и различение неисправностей инсулиновой помпы и пропущенных объявлений о приёме пищи на основе расхождений между прогнозируемыми и измеренными значениями CGM

Publication Details
Publication Date
2020-06-22
Journal
Publisher
ISSN
Cited by
38
Access Type
Author Information
Authors
Simone Del Favero
Andrea Facchinetti
Lorenzo Meneghetti
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%