geralt / Pixabay
ABBA: un consulente flessibile bolo-basale dual mode basato sull’apprendimento rinforzato.
L’auto-monitoraggio della glicemia (SMBG) e il monitoraggio continuo del glucosio (CGM) sono comunemente usati dal diabete di tipo 1(T1D) dai pazienti per misurare le concentrazioni di glucosio.
L’algoritmo adattativo del bolo basale proposto (ABBA) supporta gli input da dispositivi SMBG o CGM per fornire suggerimenti personalizzati per la dose basale giornaliera e le dosi di insulina prandiali in base al livello di glucosio del paziente il giorno precedente. L’ABBA si basa sull’apprendimento di rinforzo (RL), un tipo di intelligenza artificiale, ed è stato validato in silicio con una popolazione accettata dalla FDA di 100 adulti in diversi scenari realistici della durata di tre mesi in processo simulativo.
Gli scenari prevedevano tre pasti principali e uno spuntino al giorno, oltre a diverse variabilità e incertezze per la sensibilità all’insulina, i pasti, la quantità di carboidrati e il tempo di misurazione del glucosio.
I risultati indicano che l’approccio proposto raggiunge prestazioni paragonabili con CGM o SMBG come segnali di input, senza influenzare la dose giornaliera totale di insulina.
I risultati sono una promettente indicazione che gli approcci algoritmici di AI possono fornire l’ottimizzazione personalizzata dell’insulina adattativa e ottenere il controllo del glucosio, indipendentemente dal tipo di tecnologia di monitoraggio del glucosio.
Il test è stato condotto dai tecnici del DTR Group, ARTORG Center for Biomedical Engineering Research, Berna, Svizzera. Il report è pubblicato nella rivista IEEE Explore del 21 dicembre 2018.