L’algoritmo di “rilevamento dei pasti” potrebbe essere il prossimo passo per il pancreas artificiale

Samantha Kleinberg, PhD, professoressa associata di informatica presso lo Stevens Institute of Technology di Hoboken, nel New Jersey, e colleghi hanno lavorato sul rilevamento dei pasti dal 2015, con l’obiettivo di sviluppare un “Fitbit per l’alimentazione”. Il loro lavoro più recente è stato studiare la capacità di identificare le dimensioni e i tempi dei pasti usando un algoritmo per aiutare un sistema di pancreas artificiale durante il processo di dosaggio dell’insulina. L’algoritmo, che Kleinberg ha in fase di elaborazione, tiene conto anche dell’attività fisica, segue il tema comune del lavoro di Kleinberg.

“La motivazione è sempre: con la rilevazione dei pasti, e quindi questo progetto, ci siamo chiesti se avremmo potuto riportare una precisione simile ma in modo meno invadente”, ci ha detto Kleinberg. “Stiamo cercando di identificare i pasti con meno peso e meno dispositivi.”

Lavorare in teoria e pratica

Kleinberg ha detto che l’algoritmo determina dove sono i livelli di glucosio nel sangue e dove dovrebbero essere, e quindi nel momento in cui c’è una grande differenza tra questi valori, i dati di simulazione aiutano a spiegare la differenza.

“Fondamentalmente, simuliamo ciò che sta accadendo. Inseriamo gli eventi reali, e quindi nel frangente in cui la simulazione differisce da ciò che stiamo osservando, testiamo se un pasto potrebbe spiegare quella differenza ”, ha affermato Kleinberg. “È così che funzionerebbe in pratica. Fondamentalmente, la simulazione sta procedendo in background e continua a verificare se il glucosio è diverso da quello previsto. “

Il sistema ha dimostrato che può funzionare anche oltre il teorico. Kleinberg e colleghi hanno scoperto che l’algoritmo impiegava una media di 25,7 minuti per identificare quando qualcuno mangiava rispetto a una media di 48,3 minuti usando la dimensione dello stato variabile, che è un altro tipo di sistema utilizzato per identificare quando le persone mangiano. Inoltre, le dimensioni dei pasti stimate dall’algoritmo erano fuori di una media di 1,2 g mentre le dimensioni dei pasti dall’altro sistema erano fuori da una media di 17,2 g.

“Non mi aspettavo necessariamente che l’errore di dimensione del pasto sarebbe stato così buono”, ha detto Kleinberg. “Quell’errore di dimensione è stato uno dei parametri più importanti.”

Kleinberg e colleghi hanno fatto un ulteriore passo avanti e testato l’algoritmo in 15 adulti con diabete di tipo 1, nell’ambito del programma di ricerca sulla tecnologia integrata della gestione del diabete. C’è stato un tasso di successo del 76,7% quando si è trattato di trovare pasti “plausibili” usando l’algoritmo rispetto a un tasso del 39,4% usando l’altro sistema.

“È positivo in quanto dimostra che potrebbe essere possibile migliorare i sistemi di pancreas artificiale in modo da non aver bisogno di annunci sui pasti: le persone avrebbero un sistema a circuito chiuso”, ha detto Kleinberg. “È emozionante che ciò possa essere fatto senza che le persone indossino ancora più dispositivi”.

Progetti futuri

Anche con risultati così positivi, Kleinberg prevede ancora una traiettoria da 3 a 5 anni prima che questo tipo di algoritmo possa essere utilizzato più ampiamente. Lungo la strada, dovranno essere condotte ulteriori ricerche, inclusi studi più ampi per periodi di tempo più lunghi e analisi tra gli utenti con diabete di tipo 2 e diabete gestazionale.

Kleinberg ha osservato che l’algoritmo stesso potrebbe richiedere una messa a punto, in particolare per quanto riguarda la personalizzazione, essendo più specifico sui macronutrienti e tenendo conto di fattori come il sonno e lo stress.

“Uno dei limiti qui è che un pasto è solo grammi di glucosio o carboidrati. Non tiene conto di proteine ??e grassi, che influenzano anche la risposta glicemica “, ha detto Kleinberg. “Non ti sta ancora dando una previsione di quanta insulina dovresti dare ed esattamente come dovresti darla, e penso che se incorporiamo la cosa del tipo di cibo, allora possiamo fare un poco meglio”.

Affinché l’algoritmo renda il sonno, lo stress e altri fattori parte dell’equazione, potrebbe essere necessario introdurre più dispositivi, il che sembra analogo a quello che Kleinberg e colleghi stanno cercando di realizzare. Tuttavia, ha affermato Kleinberg, con gli smartwatch sempre più popolari, questo potenziale svantaggio può essere ridotto, soprattutto quando i pazienti valutano i benefici.

“Per tutti i sistemi, pensiamo a quale sia il compromesso in termini di precisione con più sensori rispetto a meno. … Una persona può fare una scelta nel pensare a quale precisione sto rinunciando scegliendo questo sottoinsieme di sensori “, ha detto Kleinberg. “Le preferenze personali possono essere piuttosto importanti.” 

Riferimento: JAMA

Zheng M, et al. J Am Med Inform Assoc . 2019; doi: 10.1093 / Jamia / ocz159.