Microinfusore/CGM/Pancreas artificiale

Pancreas artificiale: algoritmo a prova di errore made in Padova

Rilevamento basato su modelli e classificazione dei guasti della pompa di insulina e annunci di pasti mancanti nei sistemi di pancreas artificiale per la terapia del diabete di tipo 1.

Il pancreas artificiale (AP) è un innovativo sistema a circuito chiuso per la terapia del diabete di tipo 1, in cui l’insulina è infusa da pompe portatili e il dosaggio dell’insulina è modulato da un algoritmo di controllo sulla base delle misurazioni raccolte dal monitoraggio continuo del glucosio ( CGM) sensori. La sicurezza e l’efficacia dei sistemi AP potrebbero essere influenzate da numerosi problemi tecnologici e relativi all’utente, tra cui guasti alla pompa dell’insulina e annunci di pasti mancati. Questo lavoro propone un algoritmo per rilevare in tempo reale questi due tipi di errore.

L’algoritmo funziona come segue. Innanzitutto, viene identificato un modello di media mobile autoregressiva personalizzata con input esogeni utilizzando i dati storici del paziente. In secondo luogo, l’algoritmo viene utilizzato in tempo reale per prevedere i futuri valori CGM. Quindi, vengono attivati ??allarmi quando la differenza tra i valori CGM previsti e misurati è superiore alle soglie opportunamente impostate. Inoltre, utilizzando due diversi set di parametri, l’algoritmo è in grado di distinguere i due tipi di guasti. L’algoritmo è stato sviluppato e valutato in silico utilizzando l’ultima versione del simulatore Padova / UVa T1D approvato dalla FDA.

Risultati: l’algoritmo ha mostrato una sensibilità di ~ 81,3% in media quando si rilevano guasti alla pompa di insulina con ~ 0,15 falsi positivi al giorno in media. Sono stati rilevati annunci di pasti mancati con una sensibilità di ~ 86,7% e 0,13 FP / giorno.

Il metodo presentato è in grado di rilevare guasti al microinfusore di insulina e annunci di pasti mancati in silico, distinguendo correttamente l’uno dall’altro.

Pertanto il metodo aumenta la sicurezza dei sistemi AP fornendo tempestivi allarmi al soggetto diabetico e discriminando efficacemente il malfunzionamento della pompa dagli errori dell’utente.

Il lavoro è stato sviluppato progettato da Lorenzo Meneghetti, Andrea Facchinetti, Simone Del Favero Dipartimento di Ingegneria dell’Informazione, Università di Padova, Italia e pubblicato in IEEE Xplore il 3 agosto 2020.