Microinfusore/CGM/Pancreas artificiale

Diabete Tipo 1: La strada verso il pancreas artificiale prosegue per la strada giusta

Il progetto Illinois Tech che utilizza l’apprendimento automatico per automatizzare completamente la somministrazione di insulina riceve finanziamenti NIH

La sovvenzione di 1,2 milioni di dollari del National Institutes of Health aiuterà a integrare il sistema di intelligenza artificiale nel pancreas artificiale, rendendolo più accurato e predittivo.

7 dicembre 2022 – Un  progetto  guidato dal professore di ingegneria chimica dell’Illinois  Ali Cinar  che mira ad alleviare il carico mentale delle persone con diabete di tipo 1 ha ricevuto 1,2 milioni di dollari dal National Institutes of Health nei prossimi quattro anni per svilupparsi un sistema di apprendimento automatico che può essere integrato nel suo  sistema di pancreas artificiale  per migliorare la precisione del pancreas artificiale.

La persona tipica con diabete di tipo 1 deve prendere tra le 100 e le 200 decisioni ogni giorno solo per mantenere stabili i livelli di glucosio. 

“Parte della funzione del loro pancreas viene trasferita al loro cervello”, afferma Cinar, che è anche la Hyosung SR Cho Endowed Chair in Engineering.

Se giudicano male o dimenticano di fornire la dose di insulina appropriata, possono manifestare debolezza, vertigini, svenimenti o sintomi più gravi quando i loro livelli di glucosio diventano troppo bassi. Le persone con livelli di glucosio che sono spesso al di fuori dell’intervallo target o sono troppo alti possono sperimentare complicazioni a lungo termine che vanno dalle malattie cardiovascolari e insufficienza renale alla retinopatia.

Cinar è all’avanguardia in questa tecnologia da molti anni. Il suo gruppo di ricerca è stato il primo a incorporare i dati sull’attività fisica ricevuti attraverso i sensori di sistemi indossabili come un braccialetto sportivo nel sistema di controllo del pancreas artificiale che eroga insulina. 

Questo progetto va oltre, analizzando il comportamento passato di una persona in modo più approfondito utilizzando l’apprendimento automatico e personalizzando l’algoritmo decisionale del dispositivo per migliorare la sua capacità di determinare se qualcuno è o sarà presto coinvolto in comportamenti che potrebbero influire sui livelli di glucosio. 

La capacità predittiva è importante perché c’è un ritardo tra quando l’insulina viene somministrata e quando inizia ad agire. 

“Se qualcuno pranza tutti i giorni a mezzogiorno e il pasto contiene solitamente da 20 a 30 grammi di carboidrati, allora se il suo attuale livello di glucosio nel sangue non è molto basso, alle 11:45 potremmo dire: ‘Tutto indica che l’andamento di questa giornata è un tipico giorno della settimana per questa persona, quindi diamo loro non l’intera dose di insulina, ma un po’ di essa in modo da attenuare l’effetto del pasto sul glucosio’”, dice Cinar. 

Algoritmi di machine learning e intelligenza artificiale sviluppati in collaborazione con il professore associato di informatica  Mustafa Bilgic abbineranno  il modello del giorno attuale ai modelli di comportamento dell’individuo specifico. 

Il sistema assegnerebbe una probabilità alla probabilità che la persona pranzerà presto in base al comportamento della persona nel giorno corrente e somministrerà una dose di insulina di conseguenza. Quindi continuerebbe a monitorare il livello di glucosio e se, come previsto, inizia a salire perché la persona sta mangiando, verrebbe somministrata ulteriore insulina. 

Gli attuali sistemi automatizzati di somministrazione di insulina sul mercato richiedono che l’utente calcoli i carboidrati nei propri pasti e li riporti manualmente al sistema. Si aspettano inoltre che l’utente effettui regolazioni manuali durante l’allenamento. Ciò richiede tempo e impegno e lascia questa funzione medica critica aperta all’errore umano. 

Alcuni gruppi come i bambini o le persone smemorate corrono un rischio sproporzionato di non inserire le loro informazioni sulle calorie o di inserirle in modo errato.  

Gli attuali sistemi di monitoraggio perdono anche molta complessità che può influire sui livelli di glucosio. Oltre al cibo e all’esercizio fisico, lo stress, il sonno e altri fattori possono aumentare o diminuire i livelli di glucosio. 

Una persona che gestisce manualmente la propria insulina può considerare questi fattori nel decidere la dose di insulina, ma Cinar mira a progettare il pancreas artificiale per rilevare e incorporare la presenza di questi fattori nel processo decisionale automatizzato.

Se una persona è sotto stress, un sistema che deduce l’attività fisica in base alle informazioni sulla frequenza cardiaca può presumere che si stia esercitando perché la frequenza cardiaca è elevata. Ma lo stress e l’esercizio esercitano un impatto sui livelli di glucosio in direzioni opposte, quindi il sistema può ridurre l’insulina e peggiorare le cose, aumentando ulteriormente la glicemia. 

Inoltre, più fattori possono verificarsi contemporaneamente. In una gara, il livello di glucosio di un corridore di lunga distanza potrebbe essere influenzato dall’effetto combinato di esercizio, stress e cibo che mangiano durante la corsa.  

“Ecco perché abbiamo davvero spostato la nostra attenzione dal semplice rilevamento dell’esercizio fisico al rilevamento dello stato della persona”, afferma Cinar. “E sta diventando sempre più interessante e stimolante.”

Con dati storici sufficienti, Cinar afferma che il sistema di apprendimento automatico potrebbe persino imparare a prevedere il comportamento di una persona con abitudini apparentemente irregolari. 

“Il vantaggio di potenti strumenti di apprendimento automatico è quello di essere in grado di estrarre le relazioni secondarie esistenti. Non importa quanto le persone affermino che il loro comportamento sia irregolare, ci sono sempre alcuni schemi che possono essere catturati “, afferma Cinar. “Potrebbero essere cinque modelli per qualcuno che è molto basato sulla routine e 15 modelli per qualcuno meno basato sulla routine. Il sistema può vedere come si sta sviluppando la giornata e poi guardare il dizionario degli schemi per dire: “Oh, questo è simile allo schema numero 17, quindi supponiamo che il resto della giornata andrà di conseguenza”.

In breve, Cinar vuole dare alle persone con diabete la possibilità di vivere la propria vita senza valutare costantemente se hanno bisogno di registrare ciò che stanno facendo nel loro sistema di somministrazione di insulina.

“Qualcuno potrebbe correre per prendere l’autobus perché l’autobus sta arrivando troppo presto o perché è uscito di casa in ritardo. Non è qualcosa che vogliono fermare a metà strada per regolare il dosaggio dell’insulina. Ecco perché vorremmo realizzare un sistema completamente automatizzato”, afferma Cinar.

I collaboratori di Cinar all’Illinois Tech includono Bilgic e il professore assistente di ricerca Mudassir Rashid . 

Dichiarazione di non responsabilità: “La ricerca riportata in questa pubblicazione è stata supportata dal National Institutes of Health con il numero di premio 1R01DK135116-01. Questo contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente il punto di vista ufficiale del National Institutes of Health.

Ali Cinar, “Integrazione di intelligenza artificiale e ingegneria dei sistemi per la regolazione del glucosio nel diabete”, National Institutes of Health; Premio numero 1R01DK135116-01

Ciao Pizza Blue Monday 15 gennaio Giornata mondiale della Neve
%d blogger hanno fatto clic su Mi Piace per questo: