CN101763464B - 糖尿病诊疗支援装置 - Google Patents
糖尿病诊疗支援装置 Download PDFInfo
- Publication number
- CN101763464B CN101763464B CN200910254160.8A CN200910254160A CN101763464B CN 101763464 B CN101763464 B CN 101763464B CN 200910254160 A CN200910254160 A CN 200910254160A CN 101763464 B CN101763464 B CN 101763464B
- Authority
- CN
- China
- Prior art keywords
- glucose
- module
- mentioned
- insulin
- concentration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
- G16B5/20—Probabilistic models
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Genetics & Genomics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供一种糖尿病诊疗支援装置,包括:诊疗支援信息生成部,根据再现对针对患者的糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型,生成上述患者的诊疗支援信息,上述生物体模型具有多个模拟器官模块,该多个模拟器官模块构成为在与其他模拟器官模块之间相互产生葡萄糖的流入流出和/或胰岛素的流入流出,上述多个模拟器官模块分别根据各模拟器官模块的葡萄糖流入流出量和/或胰岛素流入流出量,计算出各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素的积蓄量以及浓度中的至少一个。
Description
技术领域
本发明涉及糖尿病的诊疗支援中使用的装置以及计算机系统。
背景技术
作为糖尿病的诊疗支援中使用的系统,例如,已知美国专利公开No.2006-277015记载的系统。美国专利公开No.2006-277015记载的系统具备通过数学模型来表现了生物体器官的功能的生物体模型,使用该生物体模型通过计算机对生物体器官的功能进行仿真。
上述生物体模型具有表现了胰脏的功能的胰脏模块(block)、表现了胰岛素动态的功能的胰岛素动态模块、表现了末梢组织的功能的末梢组织模块、以及表现了肝脏的功能的肝脏模块这四个模块,通过这些模块来进行生物体的仿真。
在上述生物体模型中,上述胰脏模块根据从末梢组织模块中提供的血糖值,求出胰岛素分泌速度。向肝脏模块提供该胰岛素分泌速度。另外,上述肝脏模块根据从外部的葡萄糖吸收、从末梢组织模块中提供的血糖值、以及从胰脏模块中提供的胰岛素分泌速度,求出来自肝脏的实际葡萄糖放出以及通过肝脏后的胰岛素。向末梢组织模块提供来自肝脏的实际葡萄糖放出,向胰岛素动态模块提供通过肝脏后的胰岛素。
另外,上述胰岛素动态模块根据从肝脏模块中提供的通过肝脏后的胰岛素,求出血中胰岛素浓度以及末梢组织胰岛素浓度。虽然不向其他模块提供血中胰岛素浓度,但向末梢组织模块提供末梢组织胰岛素浓度。上述末梢组织模块根据来自肝脏模块的实际葡萄糖放出以及来自胰岛素动态模块的末梢组织胰岛素浓度,求出血糖值。向胰脏模块以及肝脏模块提供血糖值。
为了根据再现对针对各个患者的糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型,来高精度地生成糖尿病的病态分析用指标,反映了患者的各器官中的收支的葡萄糖/胰岛素的积蓄量或浓度是重要的。其原因为,可以成为糖尿病的病态分析用指标的葡萄糖/胰岛素的取入速度(消耗速度)依赖于各器官中的葡萄糖/胰岛素的积蓄量、浓度。
但是,在美国专利公开No.2006-277015的生物体模型中,为了以应求出葡萄糖/胰岛素的浓度的器官单位构成了构成生物体模型的多个模拟器官模块,在多个模拟器官模块各自中,没有求出考虑了收支的葡萄糖/胰岛素的积蓄量或浓度。
另外,为了在各模拟器官模块中求出考虑了收支的葡萄糖/胰岛素的积蓄量或浓度,在构成生物体模型的多个模拟器官模块各自中,取得葡萄糖/胰岛素的流入流出的收支是重要的。但是,在美国专利公开No.2006-277015中,在构成生物体模型的各模块间进行葡萄糖、胰岛素的交换,但在各模块中,重点地仅表现了各器官的功能,而并非在各模块中取得葡萄糖/胰岛素的流入流出的收支,来求出葡萄糖/胰岛素的积蓄量或浓度。
例如,美国专利公开No.2006-277015的肝脏模块根据流入的葡萄糖来仅单向地计算出所放出的葡萄糖的量,而并未考虑向该肝脏模块的葡萄糖流入流出的收支。因此,无法求出考虑了收支的肝脏模块中的葡萄糖的积蓄量或浓度。另外,美国专利公开No.2006-277015的末梢组织模块根据来自肝脏模块的葡萄糖放出量来仅计算了血糖值(血浆中的葡萄糖量),而并未求出考虑了收支的末梢组织自身的葡萄糖的积蓄量或浓度。
另一方面,在美国专利公开No.2006-277015的胰岛素动态模块中,虽然计算出胰岛素浓度,但没有反映其收支。
发明内容
本发明的保护范围仅由权利要求书限定,并且不受任何发明内容中的内容的影响。
本发明提供以下:
(1)一种糖尿病诊疗支援装置,包括:
诊疗支援信息生成部,根据再现对针对患者的糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型,生成上述患者的诊疗支援信息,
上述生物体模型具有多个模拟器官模块,该多个模拟器官模块构成为在与其他模拟器官模块之间相互产生葡萄糖的流入流出和/或胰岛素的流入流出,
上述多个模拟器官模块分别根据各模拟器官模块的葡萄糖流入流出量和/或胰岛素流入流出量,计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素的积蓄量以及浓度中的至少一个。
(2)在上述(1)的糖尿病诊疗支援装置中,其特征在于,
上述生物体模型具有肠模块,在该肠模块中,将上述糖负荷试验中的葡萄糖负荷量作为来自上述生物体模型外的外因性葡萄糖量而提供,
上述肠模块根据上述外因性葡萄糖量,计算向上述多个模拟器官模块中的至少一个提供的外因性葡萄糖流入速度。
(3)在上述(1)的糖尿病诊疗支援装置中,其特征在于,
上述多个模拟器官模块包括:与上述患者的肝脏对应的模拟肝脏模块;与上述患者的血浆对应的模拟血浆模块;以及与上述患者的末梢组织对应的模拟末梢模块。
(4)在上述(1)的糖尿病诊疗支援装置中,其特征在于,
上述生物体模型还具备模拟胰脏模块,该模拟胰脏模块对应于胰脏,根据从上述患者采血的血液中的葡萄糖浓度来分泌胰岛素,
上述模拟胰脏模块根据上述葡萄糖浓度和上述葡萄糖浓度的时间变动,来决定用于向上述多个模拟器官模块中的至少一个流入的胰岛素的分泌量。
(5)在上述(1)的糖尿病诊疗支援装置中,其特征在于,
上述诊疗支援信息生成部根据各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、各模拟器官模块中的胰岛素积蓄量以及浓度中的至少一个,生成上述患者的病态的分析中使用的指标。
(6)在上述(5)的糖尿病诊疗支援装置中,其特征在于,
上述诊疗支援信息生成部根据生成的上述指标,对上述患者的病态进行分类。
(7)在上述(1)的糖尿病诊疗支援装置中,其特征在于,
上述多个模拟器官模块包括与上述患者的肝脏对应的模拟肝脏模块,
上述模拟肝脏模块根据上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个,运算上述模拟肝脏模块中的表示肝糖取入的功能的值以及表示肝糖产生的功能的值中的至少一个,并且计算由上述肝糖取入的功能以及肝糖产生的功能中的至少一个引起的葡萄糖的积蓄量以及浓度中的至少一个的变动,并且计算上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个。
(8)在上述(1)~(7)中的任意一个所述的糖尿病诊疗支援装置中,其特征在于,
在上述多个模拟器官模块中,包括与上述患者的末梢组织对应的模拟末梢模块,
上述模拟末梢模块根据该模拟末梢模块中的葡萄糖的积蓄量或浓度,运算上述模拟末梢模块中的表示末梢糖取入功能的值,并且计算由上述末梢糖取入功能引起的葡萄糖的积蓄量或浓度的变动,并且计算上述模拟末梢模块中的葡萄糖的积蓄量或浓度。
(9)一种糖尿病诊疗支援装置,包括:
诊断支援信息生成部,根据再现对针对患者的糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型,生成上述患者的诊疗支援信息,
上述生物体模型具有肠模块,在该肠模块中,将上述糖负荷试验中的葡萄糖负荷量作为来自上述生物体模型外的外因性葡萄糖量而提供,
上述肠模块根据外因性葡萄糖量,计算外因性葡萄糖流入速度。
(10)在上述(9)的糖尿病诊疗支援装置中,其特征在于,
上述生物体模型具有多个模拟器官模块,该多个模拟器官模块构成为在与其他模拟器官模块之间相互产生葡萄糖的流入流出和/或胰岛素的流入流出,
上述多个模拟器官模块分别根据各模拟器官模块的葡萄糖流入流出量和/或胰岛素流入流出量,计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素的积蓄量以及浓度中的至少一个。
(11)在上述(10)的糖尿病诊疗支援装置中,其特征在于,
上述多个模拟器官模块包括:与上述患者的肝脏对应的模拟肝脏模块;与上述患者的血浆对应的模拟血浆模块;以及与上述患者的木梢组织对应的模拟末梢模块。
(12)在上述(10)的糖尿病诊疗支援装置中,其特征在于,
上述生物体模型还具备模拟胰脏模块,该模拟胰脏模块对应于胰脏,根据从上述患者采血的血液中的葡萄糖浓度来分泌胰岛素,
上述模拟胰脏模块根据上述葡萄糖浓度和上述葡萄糖浓度的时间变动,来决定用于向上述多个模拟器官模块中的至少一个流入的胰岛素的分泌量。
(13)在上述(10)的糖尿病诊疗支援装置中,其特征在于,
上述多个模拟器官模块包括与上述患者的肝脏对应的模拟肝脏模块,
上述模拟肝脏模块根据上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个,运算上述模拟肝脏模块中的表示肝糖取入的功能的值以及表示肝糖产生的功能的值中的至少一个,并且计算由上述肝糖取入的功能以及肝糖产生的功能中的至少一个引起的葡萄糖的积蓄量以及浓度中的至少一个的变动,并且计算上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个。
(14)在上述(10)~(13)中的任意一个所述的糖尿病诊疗支援装置中,其特征在于,
在上述多个模拟器官模块中,包括与上述患者的末梢组织对应的模拟末梢模块,
上述模拟末梢模块根据该模拟末梢模块中的葡萄糖的积蓄量或浓度,运算上述模拟末梢模块中的表示末梢糖取入功能的值,并且计算由上述末梢糖取入功能引起的葡萄糖的积蓄量或浓度的变动,并且计算上述模拟末梢模块中的葡萄糖的积蓄量或浓度。
(15)一种计算机系统,包括:
诊疗支援信息生成单元,根据再现对针对患者的糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型,生成上述患者的诊疗支援信息,
上述生物体模型具有多个模拟器官模块,该多个模拟器官模块构成为在与其他模拟器官模块之间相互产生葡萄糖的流入流出和/或胰岛素的流入流出,
上述多个模拟器官模块分别根据各模拟器官模块的葡萄糖流入流出量和/或胰岛素流入流出量,计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素的积蓄量以及浓度中的至少一个。
通过上述(1)的结构,可以在多个模拟器官模块中,取得葡萄糖的流入流出和/或胰岛素的流入流出的收支,所以可以计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素积蓄量以及浓度中的至少一个。因此,可以高精度地进行糖尿病患者的诊疗支援。
另外,通过上述(2)的结构,可以提供对必需考虑来自肠的葡萄糖吸收的患者有益的信息.
另外,通过上述(4)的结构,可以得到与依赖于从患者采血的血液中的葡萄糖浓度的胰岛素分泌灵敏度独立的分泌功能(依赖于葡萄糖浓度的时间变动的胰岛素分泌灵敏度)的信息。该信息对仅接着糖负荷后的早期的胰岛素分泌功能的解析是有用的。
另外,通过上述(5)的结构,可以高精度地求出用于病态分析的指标。
另外,通过上述(7)的结构,可以考虑肝糖取入功能、和/或、肝糖产生功能来计算肝葡萄糖积蓄量以及浓度中的至少一个。
另外,通过上述(8)的结构,可以考虑末梢糖取入功能来计算末梢葡萄糖积蓄量以及浓度中的至少一个。
另外,通过上述(9)的结构,可以在多个模拟器官模块中,取得葡萄糖的流入流出和/或胰岛素的流入流出的收支,所以可以计算出各模拟器官模拟中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素积蓄量以及浓度中的至少一个。因此,可以高精度地进行糖尿病患者的诊疗支援。
另外,通过上述(15)的结构,可以在多个模拟器官模块中,取得葡萄糖的流入流出和/或胰岛素的流入流出的收支,所以可以计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个、和/或、胰岛素积蓄量以及浓度中的至少一个。因此,可以高精度地进行糖尿病患者的诊疗支援。
附图说明
图1是糖尿病诊疗支援系统的硬件结构图。
图2是生物体模型的整体结构图。
图3是胰岛素动态部的模块线图。
图4是葡萄糖动态部的模块线图。
图5是糖尿病诊疗支援系统的功能框图。
图6是示出胰岛素动态部的生成处理的流程图。
图7是示出葡萄糖动态部的生成处理的流程图。
图8是示出从生物体模型中输出的葡萄糖浓度以及胰岛素浓度的曲线图。
图9是示出从生物体模型中输出的胰岛素分泌速度以及葡萄糖代谢速度的曲线图。
图10是示出诊疗支援信息生成以及输出处理的流程图。
图11是示出所输出的诊疗支援信息的图。
具体实施方式
以下,参照附图,对本发明的实施方式进行详细说明。
图1是示出本发明的一个实施方式的糖尿病诊疗支援系统(以下仅简称为“系统”)的硬件结构的框图。本实施方式的系统100由主要包括主体110、显示器120、以及输入设备130的计算机构成。主体110主要包括CPU110a、ROM110b、RAM110c、硬盘110d、读出装置110e、输入输出接口110f、以及图像输出接口110h,CPU110a、ROM110b、RAM110c、硬盘110d、读出装置110e、输入输出接口110f、以及图像输出接口110h通过总线110i可进行数据通信地连接。
CPU110a可以执行存储在ROM110b中的计算机程序以及载入到RAM110c中的计算机程序。之后,通过该CPU110a执行后述那样的应用程序140a,实现后述那样的各功能,计算机作为系统100而发挥功能。ROM110b由掩模ROM、PROM、EPROM、以及EEPROM等构成,记录有CPU110a中执行的计算机程序以及其中使用的数据等。
RAM110c由SRAM或DRAM等构成。RAM110c用于读出记录在ROM110b以及硬盘110d中的计算机程序。另外,在执行这些计算机程序时,用作CPU110a的工作区域。硬盘110d安装有操作系统以及应用程序等用于在CPU110a中执行的各种计算机程序以及该计算机程序的执行中使用的数据。后述的应用程序140a也安装在该硬盘110d中。
读出装置110e由软盘驱动器、CD-ROM驱动器、或DVD-ROM驱动器等构成,可以读出移动式记录介质140中记录的计算机程序或数据。另外,在移动式记录介质140中,存储有用于使计算机作为本发明的系统而发挥功能的应用程序140a,计算机从该移动式记录介质140中读出本发明的应用程序140a,可以将该应用程序140a安装在硬盘110d中。
另外,上述应用程序140a不仅可以通过移动式记录介质140提供,而且还可以从利用电气通信线路(有线、无线)与计算机可通信地连接的外部设备通过上述电气通信线路来提供。例如,还可以设为上述应用程序140a存储在因特网上的服务器计算机的硬盘内,计算机访问该服务器计算机,下载该应用程序,将其安装在硬盘110d中。另外,在硬盘110d中,安装有例如美国微软公司制造销售的Windows(注册商标)等提供图形用户接口环境的操作系统。在以下的说明中,本实施方式的应用程序140a在该操作系统上动作。
输入输出接口110f例如由USB、IEEE1394、或RS-232C等串行接口、SCSI、IDE、或IEEE1284等并行接口、以及包括D/A变换器、A/D变换器等的模拟接口等构成。在输入输出接口110f上,连接了由键盘以及鼠标构成的输入设备130,通过用户使用该输入设备130,可以向计算机100a输入数据。图像输出接口110h与由LCD或CRT等构成的显示器120连接,将与从CPU110a提供的图像数据对应的影像信号输出给显示器120。显示器120按照输入的影像信号,显示图像(画面)。
(本系统中的生物体模型)
本系统100根据再现对口服糖负荷试验(OGTT)等糖负荷试验的结果进行模仿而得到的虚拟响应的生物体模型M,生成与患者的糖尿病相关的病态分析中使用的指标,生成并输出与糖尿病相关的诊疗支援信息。以下,对本系统100中的生物体模型进行说明,之后,对系统100的其他功能进行说明。另外,作为糖负荷试验,有如口服糖负荷试验(OGTT)、进食试验(MT)那样通过口服摄取糖的试验。另外,糖负荷试验的结果是指,例如,通过采血测定的葡萄糖浓度(以下称为采血葡萄糖浓度)和/或通过采血测定的胰岛素浓度(以下称为采血胰岛素浓度)。
上述生物体模型M如图2所示,具有模仿了患者的器官(包括生物体的所有器官、部位)的多个模拟器官模块1、2、3、4以及5。这些模块1~5将器官的功能作为数学模型而进行记述。在模拟器官模块中,具有模仿了肝脏的模拟肝脏模块1(以下称为“肝脏模块”)、模仿了血浆的模拟血浆模块2(以下称为“血浆模块”)、模仿了末梢组织的模拟末梢模块3(以下称为“末梢模块”)、模仿了肠的模拟肠模块4(以下称为“肠模块”)、以及模仿了胰脏的模拟胰脏模块5(以下称为“胰脏模块”)。
生物体模型M具有对于各患者共同的基本结构(作为图2~图4的框图而示出的结构),生物体模型M的各模块1~5具有各患者共同的值(固定参数)、和各个患者固有的值(根据固定参数计算的设定参数以及可变参数)。在生成生物体模型M时,搜索并调整各个患者固有的可变参数,以再现口服糖负荷试验(OGTT)的结果即采血葡萄糖浓度以及采血胰岛素浓度,而生成适合于各个患者的生物体模型。另外,可变参数不限于本实施方式中的例示,也可以将本实施方式中的固定参数、设定参数的一部分设为可变参数。
另外,在模拟器官模块1~5中,在仅对肝脏模块1、血浆模块2、以及末梢模块3这三个模块进行总称的情况下,称为“第一模拟器官模块”,在仅对肠模块4和胰脏模块5这两个模块进行总称的情况下,称为“第二模拟器官模块”。如后所述,在第一模拟器官模块1、2及3和第二模拟器官模块4、5中,器官的表现方法不同。
另外,在本系统100中生成的患者的治疗支援中使用的生物体模型M表现各模拟器官模块1~5中的葡萄糖以及胰岛素的流向,被大致分为表示胰岛素的流向的胰岛素动态部M1、和表示葡萄糖的流向的葡萄糖动态部M2。肝脏模块1的与胰岛素相关的功能、血浆模块2的与胰岛素相关的功能、末梢模块3的与胰岛素相关的功能、以及胰脏模块5属于胰岛素动态部M1。肝脏模块1的与葡萄糖相关的功能、血浆模块2的与葡萄糖相关的功能、末梢模块3的与葡萄糖相关的功能、以及肠模块4属于葡萄糖动态部M2。
作为第一模拟器官模块的肝脏模块1、血浆模块2、以及末梢模块3并非仅简单地表现器官(肝脏、血浆、以及末梢组织)的功能,而且还表现在各器官(肝脏、血浆、以及末梢组织)中成为葡萄糖以及胰岛素的运输/积蓄媒体的间质液或血浆。具体而言,作为第一模拟器官模块1、2、以及3,采用以相同的单位维度计算出模块间的葡萄糖收支以及胰岛素收支,以第一模拟器官模块1、2、以及3单位计算葡萄糖以及胰岛素的积蓄状态的隔室模型(compartmentmodel)。即,构成为在第一模拟器官模块1、2、以及3中,表现葡萄糖以及胰岛素向这些器官中的间质液或血浆的流入流出、器官中的取入/消失等,计算出各器官的间质液或血浆中的葡萄糖以及胰岛素的积蓄量。这样在第一模拟器官模块1、2、以及3中,表现与血液循环相伴的间质液以及血浆中的葡萄糖以及胰岛素的移动。但是,作为器官,并不限于上述例子,也可以包括其他器官。
上述肝脏模块1根据葡萄糖以及胰岛素向肝脏中的间质液的流入流出、和通过肝脏的功能(肝糖取入/肝糖产生等)而从肝脏的间质液增减的量,表现肝脏的间质液中的葡萄糖以及胰岛素的积蓄量(浓度)等。
如图2所示,在肝脏模块1中,有来自肠模块4的葡萄糖流入X14以及来自血浆模块2的葡萄糖流入X12,有向血浆模块2的葡萄糖流出X21。另外,在肝脏模块1中,有来自胰脏模块5的胰岛素流入Y15以及来自血浆模块2的胰岛素流入Y12,有向血浆模块2的胰岛素流出Y21。
另外,血浆模块2根据葡萄糖以及胰岛素向血浆的流入流出,表现血浆中的葡萄糖以及胰岛素的积蓄量(浓度)等。如图2所示,在血浆模块2中,有来自肝脏模块2的葡萄糖流入X21以及来自末梢模块3的葡萄糖流入X23,有向肝脏模块2的葡萄糖流出X12以及向末梢模块3的葡萄糖流出X32。另外,在血浆模块2中,有来自肝脏模块2的胰岛素流入Y21以及来自末梢模块3的胰岛素流入Y23,有向肝脏模块2的葡萄糖流出Y12以及向末梢模块的葡萄糖流出Y32。
另外,末梢模块3在患者的身体器官(器官)中,主要模仿肌肉、脂肪。但是,作为末梢组织,也可以是肝脏模块以及末梢模块以外的可以消耗糖的组织(包括肠以及胰脏的糖消耗功能)。末梢模块3根据葡萄糖以及胰岛素向末梢组织中的间质液的流入流出、和通过末梢的功能(末梢糖取入等)而从末梢的间质液增减的量,表现末梢的间质液中的葡萄糖以及胰岛素的积蓄量(浓度)。
如图2所示,在末梢模块3中,有来自血浆模块2的葡萄糖流入X32,有向血浆模块2的葡萄糖流出X23。另外,在末梢模块3中,有来自血浆模块的胰岛素流入Y32,向血浆模块有胰岛素流出Y23。
作为第二模拟器官模块的肠模块4以及胰脏模块5由于不表现间质液或血浆,所以没有第一模拟器官模块1、2、以及3那样的模块间的葡萄糖以及胰岛素的相互的流入流出,而简单地构成为使葡萄糖或胰岛素向肝脏模块1流出的流动模型。
例如,肠模块4在通过口服提供了规定的葡萄糖负荷量X4的情况下,调整肠中的葡萄糖吸收速度,调整向肝脏模块1(第一模拟器官模块)提供外因性葡萄糖的量(速度),进行向肝脏模块1的外因性葡萄糖流出X14。但是,肠模块4不会接收来自肝脏模块1的葡萄糖流入。即,肠模块4表现肠中的葡萄糖吸收这样的肠的功能,而不表现肠的间质液中的葡萄糖积蓄量。
另外,胰脏模块5根据血浆模块2中的血浆葡萄糖浓度的上升而分泌胰岛素,进行向肝脏模块1的胰岛素流出(胰岛素分泌)Y15。但是,胰脏模块5不会接收来自肝脏模块1、血浆模块2的胰岛素流入。即,胰脏模块5表现胰脏中的胰岛素分泌这样的胰脏的功能,而不表现胰脏的间质液中的胰岛素积蓄量。
另外,在上述各模块1~5中的葡萄糖或胰岛素的流入流出中,在各模块间,用葡萄糖的流入速度或胰岛素的流入速度这样的共同的单位维度的值,进行交换。因此,在各模块中取得葡萄糖以及胰岛素的流入流出的收支的运算变得容易。
(生物体模型的胰岛素动态部以及葡萄糖动态部)
图3以及图4是进一步详细示出胰岛素动态部M1以及葡萄糖动态部M2的图。
(胰岛素动态部)
如图3所示,胰岛素动态部M1包括胰脏模块5、和胰岛素动态模块6。胰岛素动态模块6包括肝脏模块1中的与胰岛素相关的肝胰岛素动态模块1a、血浆模块2中的与胰岛素相关的血浆胰岛素动态模块2a、以及末梢模块3中的与胰岛素相关的末梢胰岛素动态模块3a。
在下表1以及表2中示出了在胰岛素动态部M1中使用的各值。
表1
表2
在表2的参数中,例如,如下所述设定固定参数的固定值。
Vi1=88
Vi2=45
Vi3=95
ki12=12.1
ki32=1.9
ki01=16.3
ki02=5.6
在表2的参数中,根据设定式来设定设定参数,设定式例如如下所述。
Rib=(ki01+ki02)*I2(0)
ki23=ki32
ki21=ki12+ki32+ki02-ki23
在表2的参数中,可变参数是为了生成各个患者固有的生物体模型M而在生成生物体模型M(胰岛素动态部M1)时调整(搜索)了值的参数。各可变参数的搜索范围例如如下所述。
Sis:最小值0~最大值500
Sid:最小值0~6000
τis:最小值1~240
在表2的内部变量中,Ris、I1、I3的初始值如下所述。
Ris(0)=0
I1(0)=I2(0)
I3(0)=I2(0)
(胰脏模块中的运算的详细内容)
在胰脏模块5中进行的运算的方程式如下式(1)所示,根据采血葡萄糖浓度G2计算出胰岛素分泌速度Ri10。下式对应于图3的胰脏模块5内的模块线图。
式(1)
Ri10(t)=Ris(t)+Rid(t)+Rib,Ri10(t)≥0,所有t
在上式中,如下式(2)运算作为设定变量的Rib以外的变量即Ris以及Rid。
式(2)
上式的Ris是依赖于葡萄糖浓度G2的胰岛素分泌速度,是根据葡萄糖浓度G2,通过依赖于葡萄糖浓度的胰岛素分泌灵敏度Sis以及依赖于葡萄糖浓度的胰岛素分泌的响应性τis计算的。上式的Rid是依赖于葡萄糖浓度G2的“时间变动”的胰岛素分泌速度,是根据葡萄糖浓度的微分值(dG2/dt)和依赖于葡萄糖浓度的时间变动的胰岛素分泌灵敏度Sid计算的。决定上述胰岛素分泌速度Ris(t)、Rid(t)的参数即Sis、τis、以及Sid是在生成生物体模型时与各个患者对应地搜索值的可变参数,所以得到与各个患者对应的胰岛素分泌速度。
另外,在本实施方式中,对于胰岛素分泌速度,不仅是简单地通过“葡萄糖浓度G2(t)”计算的Ris(t),而且还通过与Ris(t)独立地计算的Rid(t),来进行紧接着糖负荷之后的早期的胰岛素分泌功能的解析,其中根据“葡萄糖浓度G2(t)的时间变动”计算上述Rid(t)。
如上所述,胰脏模块5将OGTT的结果即采血葡萄糖浓度G2(t)作为外部输入而接收,对胰岛素动态模块6(肝胰岛素动态模块1a),输出如上所述求出的胰岛素分泌速度Ri10。
在胰岛素动态模块6的各模块1a、1b、以及1c中进行的运算的方程式如下式(3)所示。下式对应于图3的各模块1a、1b、以及1c的模块线图。
式(3)
肝胰岛素动态模块:
血浆胰岛素动态模块:
末梢胰岛素动态模块:
如上式所示,各胰岛素动态模块1a、1b、以及1c计算出各个模块中的胰岛素浓度I1(t)、I2(t)、以及I3(t)。
(肝胰岛素动态模块中的运算的详细内容)
在肝胰岛素动态模块1a中,作为胰岛素流入,有Y15和Y12,它们的和是流入总量。为了取得Y15与Y12之和,设置了运算部11。另外,在肝胰岛素动态模块1a中,作为胰岛素流出,有Y21,在求出肝胰岛素动态模块1a中的胰岛素浓度(积蓄量)时,需要从胰岛素流入总量中减去胰岛素流出量Y21。为了进行该减法运算,设置了用于将胰岛素流出Y21反馈给流入侧的循环14,并设置了用于从流入总量(Y15+Y12)中减去流出量Y21的运算部12。
另外,由于在肝脏中胰岛素消失某种程度,所以为了正确地求出肝胰岛素动态模块1a中的胰岛素浓度(积蓄量),需要从(Y15+Y12-Y21)中减去该消失量。由运算部13进行该减法运算。在运算部13中,减去根据肝胰岛素浓度I1(t)以及肝胰岛素消失率ki01求出的消失量。
运算部13的输出表示反映肝胰岛素动态模块1a中的胰岛素流入流出以及肝胰岛素消失并取得了胰岛素收支的值(胰岛素的速度)。在肝胰岛素动态模块1a中,对该值进行积分操作(1/S)而求出肝胰岛素积蓄量,进而,对肝胰岛素积蓄量乘上胰岛素的肝分布容量体积Vi1的倒数,从而计算出肝胰岛素浓度I1(t)。
在肝胰岛素动态模块1a中,进而对计算出的肝胰岛素浓度I1(t)乘以胰岛素转移率ki21,求出向血浆胰岛素动态模块2a的胰岛素流入速度(Y21)。该胰岛素流入速度(Y21)成为用于向血浆胰岛素动态模块2a提供的输出。
(血浆胰岛素动态模块中的运算的详细内容)
在血浆胰岛素动态模块2a中,作为胰岛素流入,有Y21和Y23,它们的和是流入总量。为了取得Y21与Y23之和,设置了运算部15。另外,在血浆胰岛素动态模块2a中,作为胰岛素流出,有Y12以及Y32,为了求出血浆胰岛素动态模块2a中的胰岛素浓度(积蓄量),需要从胰岛素流入总量(Y21+Y23)中减去胰岛素流出总量(Y12+Y32)。为了进行该减法运算,设置了用于将胰岛素流出反馈给流入侧的循环16、17,并设置了用于从流入总量(Y21+Y23)中减去流出总量(Y12+Y23)的运算部18。
另外,在血浆中胰岛素消失某种程度,所以为了正确地求出血浆胰岛素动态模块2a中的胰岛素浓度(积蓄量),需要从(Y21+Y23-(Y12+Y32))中减去该消失量。由运算部19进行该减法运算。在运算部19中,减去根据血浆胰岛素浓度I2(t)以及血浆胰岛素消失率ki02求出的消失量。
运算部19的输出表示反映血浆胰岛素动态模块2a中的胰岛素流入流出以及肝胰岛素消失并取得了胰岛素收支的值(胰岛素的速度)。对该值进行积分操作(1/S)而计算出血浆胰岛素积蓄量,进而,对血浆胰岛素积蓄量乘以胰岛素的血浆分布容量体积Vi2的倒数,从而计算出血浆胰岛素浓度I2(t)。
在血浆胰岛素动态模块2a中,进而对计算出的血浆胰岛素浓度I2(t)乘以胰岛素转移率ki12,求出向肝胰岛素动态模块1a的胰岛素流入速度(Y12),输出给肝胰岛素动态模块1a。另外,对计算出的血浆胰岛素浓度I2(t)乘以胰岛素转移率ki32,求出向末梢胰岛素动态模块3a的胰岛素流入速度(Y32),输出给末梢胰岛素动态模块3a。
(末梢胰岛素动态模块中的运算的详细内容)
在末梢胰岛素动态模块3a中,作为胰岛素流入,有Y32,作为胰岛素流出,有Y23。因此,为了求出末梢胰岛素动态模块3a中的胰岛素浓度(积蓄量),需要从胰岛素流入量Y32中减去胰岛素流出量Y23。为了进行该减法运算,设置了用于将胰岛素流出Y23反馈给流入侧的循环21,并设置了用于从流入量Y32中减去流出量Y23的运算部21。
运算部21的输出表示反映末梢胰岛素动态模块3a中的胰岛素流入流出并取得了胰岛素收支的值(胰岛素流入速度)。在末梢胰岛素动态模块3a中,对该值进行积分操作(1/S)而求出末梢胰岛素积蓄量,进而,对末梢胰岛素积蓄量乘以胰岛素的末梢分布容量体积Vi3的倒数,从而计算出末梢胰岛素浓度I3(t)。
在末梢胰岛素动态模块3a中,进而对计算出的末梢胰岛素浓度I3(t)乘以胰岛素转移率ki23,求出向血浆胰岛素动态模块2a的胰岛素流入速度(Y23),输出给血浆胰岛素动态模块2a。
(葡萄糖动态部)
如图4所示,葡萄糖动态部M2具备肠模块4、和葡萄糖动态模块7。葡萄糖动态模块7包括:肝脏模块1中的与葡萄糖相关的肝葡萄糖动态模块1b;血浆模块2中的与葡萄糖相关的血浆葡萄糖动态模块2b;以及末梢模块3中的与葡萄糖相关的末梢葡萄糖动态模块3b。
在下表3~6中示出了在葡萄糖动态部M2中使用的各值。
表3
表4
表5
表6
在表5的参数中,例如,如下所述设定固定参数的固定值。
Vg1=0.88
Vg2=0.45
Vg3=0.95
kg12=0.464
kg32=0.131
Pup=0.008
Poff=1.9
Pexp=1.38
P50=0.2
aoff=160
b10=1.4
c01=1.5
在表5的参数中,根据设定式来设定设定参数,设定式例如如下所述。
kg23=kg32-(Rg20(0)/G2(0))
kg21=kg12
a10=aoff-a01
b01=b10
I50=p50*G2(0)
在表5的参数中,可变参数是为了生成各个患者固有的生物体模型M而在生成生物体模型M(葡萄糖动态部M2)时调整(搜索)了值的参数。各可变参数的搜索范围例如如下所述。
a01:最小值10~最大值150
Spgu:最小值0~最大值0.16
在表4的内部变量中,Rg20、G1、以及G3的初始值如下所述。
Rg20(0)=(Pup×G2(0)+poff)
G1(0)=G2(0)
G3(0)=G2(0)
在肠模块4以及葡萄糖动态模块7的各模块1b、2b、以及3b中进行的运算式如下式(4)~式(11)所示。下式对应于图4的模块线图。
式(4)
肝葡萄糖动态模块:
血浆葡萄糖动态模块:
末梢葡萄糖动态模块:
如上式所示,各葡萄糖动态模块1b、2b、以及3b计算各个模块中的葡萄糖浓度G1(t)、G2(t)、以及G3(t)。
Weibull函数:
与肝糖产生抑制相关的函数:
向肝脏的外因性葡萄糖流入速度:
Rg10(t)=D*fw(t,a10,b10)式(7)
肝糖产生速度:
式(8)
肝糖取入率:
相对基础的末梢糖取入率的变化:
式(9)
肝糖取入速度:
Rg01(t)=kg01G1式(10)
末梢糖取入速度:
PGU(t)=Rg03(t)+Rg20(0)=kg03G3+Rg20(0)式(11)
(肠模块中的运算的详细内容)
肠模块4计算向肝葡萄糖动态模块1b的外因性葡萄糖流入速度Rg10(X14)。通过如上式7,对OGTT中的来自口服的葡萄糖负荷量D乘以Weibull函数,而计算出向肝葡萄糖动态模块1b的外因性葡萄糖流入速度Rg10。
Weibull函数是上式(5)所示的函数,是记述为了统计性地记述物体的强度而提出的概率分布的函数。在上式(5)中,将a称为形状参数,将b称为尺度参数。在本实施方式中使用的参数范围中,形状参数a越小,最大值越大,并且,尺度参数b越小,直到达到最大值为止的时间越短。
在上式(7)所示的Weibull函数的参数中,形状参数a10是通过参数a01以及偏移值aoff设定的值,上述参数a01是在生成生物体模型时与各个患者对应地搜索值的可变参数,所以参数a10也与各个患者对应地调整值。因此,与各个患者对应地,调整向肝葡萄糖动态模块1b的外因性葡萄糖流入速度Rg10(X14)。即,肠模块4作为对向肝葡萄糖动态模块1b的外因性葡萄糖流入速度进行控制的控制部发挥功能。
这样,在本实施方式中,由于具备作为对外因性葡萄糖流入速度进行控制的控制部发挥功能的肠模块4,所以本系统100可以提供对于必需考虑来自肠的葡萄糖吸收的患者的病态解析有益的信息。
即,可以客观且正确地掌握由于α葡萄糖苷酶抑制药而引起的患者的状态变化。其结果,本系统100由于根据经过状态进行适合的判断、治疗,可以提供有益的信息。
此处,在进食时摄取的糖质被分解成多糖类、低糖、以及二糖类,在肠中通过α葡萄糖苷酶被分解成单糖,而被小肠吸收。α葡萄糖苷酶抑制药是通过抑制该二糖类的分解,来降低从肠的葡萄糖吸收的葡萄糖吸收抑制药。
在服用了α葡萄糖苷酶抑制药的患者与未服用的患者之间,有时从肠的葡萄糖吸收度之差变大,但在本实施方式中,设置了肠模块4,并调整(搜索)参数a10以使该肠模块4适合于各个患者,所以可以适合地表现各个患者的每一个的外因性葡萄糖流入速度Rg10(X14)。
(肝葡萄糖动态模块中的运算的详细内容)
在肝葡萄糖动态模块1b中,作为葡萄糖流入,有X14和X12,它们的和是流入总量。为了取得X14与X12之和,设置了运算部22。另外,在肝葡萄糖动态模块1b中,作为葡萄糖流出,有X21a,为了求出肝葡萄糖动态模块1b中的葡萄糖浓度(积蓄量),需要从葡萄糖流入总量(X14+X12)中减去葡萄糖流出量X21a。为了进行该运算,设置了用于将葡萄糖流出X21a反馈给流入侧的循环25,并设置了从葡萄糖流入总量(X14+X12)中减去葡萄糖流出量X21a的运算部23。
另外,在肝脏中有肝糖取入,所以为了正确地求出肝葡萄糖动态模块1b中的葡萄糖浓度(积蓄量),需要从(X14+X12-X21a)中减去由于肝糖取入而从肝脏的间质液中消失的量的葡萄糖。由运算部24进行该减法运算。
通过上式(10)来计算肝葡萄糖动态模块1b中的肝糖取入速度Rg01。根据肝葡萄糖动态模块1b中的肝葡萄糖浓度G1(t)以及肝糖取入率kg01来计算出肝糖取入速度Rg01。此处,在求出肝糖取入率kg01的式中,如上式(9)所示包括参数a01,且该参数a01是在生成生物体模型时与各个患者对应地搜索值的可变参数。因此,得到与各个患者对应的肝糖取入率kg01,进而得到与各个患者对应的肝糖取入速度Rg01。另外,使用参数a01与参数a10相互依赖的关系式的原因在于,为了表现肝糖取入功能越降低,来自肝脏的糖放出越增加这样的关系。
运算部24的输出表示反映肝葡萄糖动态模块1b中的葡萄糖流入流出以及肝糖取入并取得了葡萄糖收支的值(葡萄糖的速度)。在肝葡萄糖动态模块1b中,对该值进行积分操作(1/S)而求出肝葡萄糖积蓄量,进而对肝葡萄糖积蓄量乘以葡萄糖的肝分布容量体积Vg1的倒数,从而计算出肝葡萄糖浓度G1(t)。
在肝葡萄糖动态模块1b中,进而对计算出的肝葡萄糖浓度G1(t)乘以葡萄糖转移率kg21,求出向血浆葡萄糖动态模块2b的第一葡萄糖流入速度(X21a)。向血浆葡萄糖动态模块2b输出该第一葡萄糖流入速度(X21)。
另外,肝葡萄糖动态模块1b根据由肝胰岛素动态模块1a计算的肝胰岛素浓度I1,计算出肝糖产生速度Rg20。根据上式(8)计算出肝糖产生速度Rg20。在计算肝糖产生速度Rg20的式(8)中,包括式(6)所示的与肝糖产生抑制相关的函数fp。将计算出的肝糖产生速度Rg20作为向血浆葡萄糖动态模块2b的第二葡萄糖流入速度(X21b),输出给血浆葡萄糖动态模块2b。这样,从肝葡萄糖动态模块1b向血浆葡萄糖动态模块2b,提供两个葡萄糖流入速度X21a、X21b。
(血浆葡萄糖动态模块中的运算的详细内容)
在血浆葡萄糖动态模块2b中,作为葡萄糖流入,有X21a、X21b、以及X23,它们的和是流入总量。为了取得X21a、X21b、以及X23之和,设置了运算部26。另外,在血浆葡萄糖动态模块2b中,作为葡萄糖流出,有X12以及X32,为了求出血浆葡萄糖动态模块2b中的葡萄糖浓度(积蓄量),需要从葡萄糖流入总量(X21a+X21b+X23)中减去葡萄糖流出总量(X12+X32)。为了进行该减法运算,设置了用于将葡萄糖流出反馈给流入侧的循环28、29,并设置了用于从流入总量(X21a+X21b+X23)中减去流出总量(X12+X32)的运算部27。
运算部27的输出表示反映血浆葡萄糖动态模块2b中的葡萄糖流入流出并取得了葡萄糖收支的值(葡萄糖的速度)。对该值进行积分操作(1/S)而求出血浆葡萄糖积蓄量,进而对血浆葡萄糖积蓄量乘以葡萄糖的血浆分布容量体积Vg2的倒数,从而计算出血浆葡萄糖浓度G2(t)。
在血浆葡萄糖动态模块2b中,进而对计算出的血浆葡萄糖浓度G2(t)乘以葡萄糖转移率kg12,求出向肝葡萄糖动态模块1b的葡萄糖流入速度(X12),输出给肝葡萄糖动态模块1b。另外,对计算出的血浆葡萄糖浓度G2(t)乘以葡萄糖转移率kg32,求出向末梢葡萄糖动态模块3b的葡萄糖流入速度(X32),输出给末梢葡萄糖动态模块3b。
(末梢葡萄糖动态模块中的运算的详细内容)
在末梢葡萄糖动态模块3b中,作为葡萄糖流入,有X32,作为葡萄糖流出,有X23。因此,为了求出末梢葡萄糖动态模块3b中的葡萄糖浓度(积蓄量),需要从葡萄糖流入量X32中减去葡萄糖流出量X23。为了进行该减法,设置了用于将葡萄糖流出X23反馈给流入侧的循环33,并设置了用于从流入量X32中减去流出量X23的运算部30。
另外,在末梢中,有末梢糖取入,所以为了正确地求出末梢葡萄糖动态模块3b中的葡萄糖浓度(积蓄量),需要从(X32-X23)中减去由于末梢糖取入而从末梢组织的间质液消失的量的葡萄糖。由运算部32进行该减法运算。
通过上式(11)来计算末梢葡萄糖动态模块3b中的末梢糖取入速度PGU(t)。作为肝糖产生速度的初始值Rg20(0)和相对基础的末梢糖取入的速度变化Rg03之和,计算出末梢糖取入速度PGU(t)。通过如上式(11)所示,对相对基础的末梢糖取入率的变化kg03(t)乘以末梢葡萄糖浓度G3(t),计算出相对基础的末梢糖取入的速度变化Rg03。
通过如上式(9)所示,对由末梢胰岛素动态模块3a计算的末梢胰岛素浓度I3(t),乘以末梢糖取入灵敏度Spgu,而计算出相对基础的末梢糖取入率的变化kg03(t)。该末梢糖取入灵敏度Spgu是在生成生物体模型时,与各个患者对应地搜索值的可变参数,所以得到与各个患者对应的末梢糖取入灵敏度Spgu,进而得到与各个患者对应的末梢糖取入速度PGU(t)。
进行了末梢糖取入速度的减法运算的运算部32的输出表示反映末梢葡萄糖动态模块3b中的葡萄糖流入流出以及末梢糖取入并取得了葡萄糖收支的值(葡萄糖的速度)。
在末梢葡萄糖动态模块3b中,对该值进行积分操作(1/S)而求出末梢葡萄糖积蓄量,进而,对末梢葡萄糖积蓄量乘以葡萄糖的末梢分布容量体积Vg3的倒数,从而计算出末梢葡萄糖浓度G3(t)。
在末梢葡萄糖动态模块3b中,进而对计算出的末梢葡萄糖浓度G3(t)乘以葡萄糖转移率kg23,求出向血浆葡萄糖动态模块2b的葡萄糖流入速度(X23),输出给血浆葡萄糖动态模块2b。
(系统的整体结构)
图5示出本系统100的整体结构。该系统100具有诊疗数据输入部31、生物体模型生成部32、诊疗支援信息生成部33、以及诊疗支援信息输出部34。生物体模型生成部32具备生物体模型推测部32a和生物体模型构成部32b。另外,诊疗支援信息生成部33具备病态推测部32a和病态分类部32b。
上述诊疗数据输入部31用于向本系统100输入通过OGTT或进食负荷试验(MT)实测的采血葡萄糖浓度以及采血胰岛素浓度等数值(检查值)、通过医生的问诊得到的意见信息、以及已经输入到数据库等中的各种信息等。将输入的信息存储在硬盘110d等非易失性存储装置中,以可以在生物体模型生成部32等中使用。作为通过输入部31输入的诊疗数据,除了采血葡萄糖浓度G2_ref、采血胰岛素浓度I2_ref(f)以外,还有来自口服的葡萄糖负荷量D。另外,作为输入的意见信息(临床意见),可以举出肥胖或消瘦的状态、糖质的摄取状态等。
上述生物体模型生成部32的生物体模型构成部32b用于进行上述生物体模型M中的运算,根据输入的诊疗数据,按照上式(1)~式(11)进行运算,从而进行胰岛素分泌速度Ri10(t)、肝胰岛素浓度I1(t)、血浆胰岛素浓度I2(t)、末梢胰岛素浓度I3(t)、向肝脏模块1的外因性葡萄糖流入速度Rg10(t)、肝葡萄糖浓度G1(t)、血浆葡萄糖浓度G2(t)、末梢葡萄糖浓度G3(t)、肝糖取入速度Rg01(t)、肝糖产生速度Rg20(t)、以及末梢糖取入速度PGU(t)等的运算。
上述生物体模型生成部32的生物体模型推测部32a用于推测适合于再现生物体的举动的生物体模型M,决定可变参数,以使生物体模型M的输出与作为诊疗数据输入的患者的试验结果(糖负荷试验的结果)一致。
在生物体模型推测部32a中,在搜索范围内调整可变参数,以成为候补的可变参数值,使生物体模型构成部32b进行生物体模型M的运算。在生物体模型推测部32a中,在搜索范围内调整可变参数,以成为候补的可变参数值,使生物体模型构成部32b进行生物体模型M的运算。另外,通过遗传性的算法来决定了可变参数的候补值。但是,也可以通过随机数、公知的最优化方法来决定。生物体模型推测部32a将可变参数的候补值设置为生物体模型M的可变参数,使生物体模型构成部32b进行生物体模型M的运算。由此将从生物体模型M中输出的血浆葡萄糖浓度G2(t)以及血浆胰岛素浓度I2(t)分别与采血葡萄糖浓度G2_ref(t)以及采血胰岛素浓度I2_ref(t)进行比较。
变更可变参数候补值而进行多次该比较,将来自生物体模型的输出与实测值之差小的候补值决定为可变参数。具有这样决定的可变参数的生物体模型M由于可以再现对各个患者的糖负荷试验的结果进行模仿而得到的虚拟响应,所以作为数学模型的生物体模型M具有的各种参数/变量成为表示了各个患者的特性的值。
图6以及图7示出用于生成各个患者固有的生物体模型M的处理步骤。在本实施方式中,最初生成胰岛素动态部M1,之后,生成葡萄糖动态部M2。另外,可以使用MATLAB(MathWorks公司产品)、E-Cell(庆应技术大学公开软件)来进行此处的计算。
如图6所示,在生成胰岛素动态部M1时,生物体模型推测部32a首先在输入的诊疗数据中,取得作为胰岛素动态部M1的输入而所需的葡萄糖浓度G2_ref(t)等(步骤S1)。然后,生物体模型推测部32a将胰岛素动态模块M1的可变参数组(Sis、Sid、τis)设定为适合的初始值(步骤S2)。
然后,生物体模型推测部32a根据G2_ref(t)等输入值,使生物体模型构成部32b执行胰岛素动态部M1中的运算,再现患者的胰岛素动态部(步骤S3)。
然后,生物体模型推测部32a对从胰岛素动态部M1中输出的血浆胰岛素浓度I2(t)、和实测值即采血胰岛素浓度I2_ref(t)进行比较(步骤S4)。在两者并不充分一致的情况下(步骤S5),调整可变参数组的各值(步骤S6),再次进行胰岛素动态部M1中的运算。在反复可变参数组的调整,从而两者充分一致的情况下,完成胰岛素动态部M1的生成(步骤S7)。另外,将生成的胰岛素动态部M1(的变量/参数的各值)存储在存储装置中。
接下来在生成葡萄糖动态部M2时,如图6所示,生物体模型推测部32a从存储装置中,取得通过胰岛素动态部M1计算的肝胰岛素浓度I1(t)或末梢胰岛素浓度I3(t)等作为葡萄糖动态部M2的输入而所需的值、和输入的诊疗数据中的口服葡萄糖负荷量D等作为葡萄糖动态部M2的输入而所需的值(步骤S11)。
然后,生物体模型推测部32a将葡萄糖动态模块M2的可变参数组(a01、Spgu)设定为适合的初始值(步骤S12)。
然后,生物体模型推测部32a根据葡萄糖负荷量D等输入值,使生物体模型构成部32b执行葡萄糖动态部M2中的运算,再现患者的葡萄糖动态部(步骤S13)。
然后,生物体模型推测部32a对从葡萄糖动态部M2中输出的血浆葡萄糖浓度G2(t)、和实测值即采血葡萄糖浓度G2_ref(t)进行比较(步骤S14)。在两者并不充分一致的情况下(步骤S5),调整可变参数组的各值(步骤S16),再次进行葡萄糖动态部M2中的运算。在反复可变参数组的调整,从而两者充分一致的情况下,完成葡萄糖动态部M2的生成(步骤S17)。另外,将生成的葡萄糖动态部M2(的变量/参数的各值)存储在存储装置中。
图8以及图9是示出从如上所述生成的生物体模型M中输出的值的曲线图。另外,可以通过显示装置120输出、或者通过打印机等向纸介质输出图8以及图9的曲线图,通过这些输出,可以支援医生的诊疗。
图8是将从生成的生物体模型M中输出的肝葡萄糖浓度G1(t)、血浆葡萄糖浓度G2(t)、末梢葡萄糖浓度G3(t)、肝胰岛素浓度I1(t)、血浆胰岛素浓度I2(t)、以及末梢胰岛素浓度I3(t)与实测值即葡萄糖浓度G2_ref(t)以及胰岛素浓度I2_ref(t)一起示出的图。
另外,图8(a)示出以适合于不是糖尿病的正常型的患者的形式生成的生物体模型的输出,图8(b)示出以适合于糖尿病的患者的形式生成的生物体模型的输出。另外,在图8以及图9中,正常型生物体模型的可变参数被调整为Sis=21.2、Sid=122.7、τis=4.7、a01=75.6、Spgu=10.4,糖尿病型生物体模型的可变参数被调整为Sis=3.1、Sid=24、τis=19.2、a01=84.7、Spgu=12.9。
如图8所示,实测值(采血葡萄糖浓度以及采血胰岛素浓度)与生物体模型M的血浆葡萄糖浓度以及血浆胰岛素浓度充分一致。另外,不仅输出血浆葡萄糖浓度、血浆胰岛素浓度,而且还输出肝葡萄糖浓度、末梢葡萄糖浓度、肝胰岛素浓度、以及末梢胰岛素浓度的时间性变化,所以系统利用者还可以掌握这些浓度,作为诊疗支援信息是有益的。
图9示出通过生成的生物体模型M计算的肝糖产生速度Rg20(t)、肝糖取入速度Rg01(t)、末梢糖取入速度PGU(t)、依赖于葡萄糖浓度G2(t)的胰岛素分泌速度Ris(t)、依赖于葡萄糖浓度G2(t)的时间变动的胰岛素分泌速度Rid(t)、以及在生物体模型M中预先设定的空腹时胰岛素产生速度Rib(t)。
另外,图9(a)是以适合于正常患者的形式生成的生物体模型中的值,图9(b)是以适合于糖尿病患者的形式生成的生物体模型中的值。另外,图8(b)和图9(b)基于针对相同患者的生物体模型。
可以通过与图9(a)的正常型症例进行比较,来理解图9(b)中例示的糖尿病型症例的病态。根据两者的比较,可知在图9(b)的症例中,胰岛素分泌降低(Rid(t)以及Ris(t)),特别糖负荷后早期的时间带(~一个小时)中的分泌降低。因此,糖负荷后早期的末梢糖取入速度Rg03(t)降低,没有充分地抑制肝糖产生速度Rg20(t)。
因此,该患者被推测为胰脏的胰岛素分泌的降低是食后高血糖的主要原因。
返回到图5,上述诊疗支援信息生成部33的病态推测部33a使用针对各个患者生成的生物体模型M和输入的诊疗数据,根据胰岛素分泌不全、末梢胰岛素抵抗性、以及肝糖放出亢奋的观点,分析糖尿病的病态。另外,病态分类部33b根据推测的病态,分类病态,生成诊疗支援信息。
图10示出由诊疗支援信息生成部33进行的病态推测处理以及病态分类处理。诊疗支援信息生成部33首先取得存储在存储装置中的生物体模型M以及诊疗数据。
然后,病态推测部33a进行与胰岛素分泌不全、末梢胰岛素抵抗性、以及肝糖放出亢奋相关的分析(步骤S21、S22、以及S23)。具体而言,根据生物体模型M的各值以及输入的诊疗数据,运算出用于根据上述观点分析病态的指标。作为指标,例如可以举出“基础分泌”、“分泌量”、“分泌灵敏度”、“末梢糖取入”、“末梢感受性”、“肝糖取入”、以及“肝糖产生”。
此处,“基础分泌”是指空腹时的胰岛素分泌量,根据生物体模型M的变量即空腹时血浆胰岛素浓度I2(t=0)来计算出。“分泌量”是指,OGTT中的胰岛素分泌总量,根据生物体模型M的血浆胰岛素浓度I2(t)的积分值计算出。“分泌灵敏度”是指,血糖依赖性胰岛素分泌灵敏度,根据生物体模型M的可变参数即依赖于葡萄糖浓度的胰岛素分泌灵敏度Sis计算出。
“末梢糖取入”是指,OGTT中的末梢糖取入总量的变化量,根据生物体模型M的变量即末梢糖取入速度Rg03(t)的积分值计算出。另外,Rg03(t)是根据末梢葡萄糖浓度G3(t)、末梢胰岛素浓度I3(t)、以及可变参数即末梢糖取入灵敏度Spgu计算的值。“末梢感受性”是指,末梢胰岛素感受性,根据生物体模型M的可变参数即末梢糖取入灵敏度Spgu计算出。“肝糖取入”是指,OGTT中的肝糖取入总量,根据生物体模型M的变量即肝糖取入速度Rg01(t)的积分量计算出。另外,肝糖取入速度Rg01是根据肝葡萄糖浓度G1(t)以及可变参数a01计算的值。“肝糖产生”是指,OGTT中的肝糖产生总量,根据生物体模型M的变量即肝糖产生速度Rg20(t)的积分值计算出。另外,肝糖产生速度Rg20(t)是根据肝胰岛素浓度I1(t)计算的值。
可以根据生成的生物体模型M的内部信息或实测值,计算出所有上述指标。如后图11所示,在本实施方式中,为了可以直观地反映病态,对各指标进行了标准化。在本实施方式中,将使用这些指标表现的患者的病态称为“病态分布”。另外,表示病态的指标不限于上述指标,而也可以根据需要使用其他指标。
接下来,病态分类部33b根据推测的病态分布,分类病态(步骤S24)。作为病态的分类例,如图11所示,可以举出“正常”、“胰岛素分泌不全型”、“轻度胰岛素分泌不全型”、以及“胰岛素抵抗性型”。另外,作为其他分类例,也可以是分类为“磺酰(sulfonyl)尿素药型”、“格列奈(Glinides)型”、“噻唑烷衍(thiazolidines)诱导体药型”以及“双胍(biguanides)药型”等各药剂的适应组的分类例。
为了根据病态分布来分类病态,预先,将由专业医生针对各种病态分布得到的病态分类结果构筑为数据库,病态分类部33b选择针对对象患者的病态分布在数据库上最类似的病态分布的专业医生分类结果即可。另外,也可以预定基于包含在病态分布中的各指标的值的规定的分类基准,并根据该分类基准分类病态。另外,也可以使用虚拟地改善了与药剂的作用部位对应的生物体模型的参数等、利用了生物体模型的药效预测结果,来分类病态。如上所述,病态分类的方法没有特别限定。
将如上所述分类的病态以及病态分布作为诊疗支援信息而保存在存储装置中(步骤S25)。在生成的诊疗支援信息中,与病态分类对应地,包括所推荐的处方药等对诊疗支援有用的信息。
通过诊疗支援信息输出部34,向显示装置或打印机输出如上所述生成的诊疗支援信息(也可以包括图8以及图9所示的信息)(步骤S26)。因此,系统利用者(医生)得到对用于糖尿病患者的诊疗有益的信息。
本发明不限于上述实施方式,而可以进行各种变形。例如,在上述实施方式中,叙述了通过单一的计算机来执行与生物体模型的生成、诊疗支援信息的生成/输出相关的处理的结构,但不限于此,还可以设为通过多个装置(计算机)分散执行上述处理的分布式系统。
Claims (6)
1.一种糖尿病诊疗支援装置,其特征在于,包括:
诊疗数据输入部,用于输入包含患者的采血葡萄糖浓度以及采血胰岛素浓度的诊疗数据;
生物体模型生成部,基于由上述诊疗数据输入部输入的诊疗数据,生成生物体模型,所述生物体模型再现对针对上述患者的糖负荷试验的结果进行模仿的虚拟响应,其中,上述生物体模型是将与糖尿病有关的器官的功能作为具有多个参数的数学模型进行记述的生物体模型,被分割为表示胰岛素的流向的胰岛素动态部和表示葡萄糖的流向的葡萄糖动态部;以及
诊疗支援信息生成部,基于由上述生物体模型生成部生成的生物体模型以及由上述诊疗数据输入部输入的诊疗数据,计算空腹时的胰岛素分泌量、血糖依赖性胰岛素分泌灵敏度、糖负荷试验中的末梢糖取入总量的变化量、末梢胰岛素感受性、糖负荷试验中的肝糖取入总量以及糖负荷试验中的肝糖产生总量的至少一个,
其中,上述生物体模型生成部直至从上述胰岛素动态部输出的血浆胰岛素浓度与上述诊疗数据所包含的上述采血胰岛素浓度一致为止,调整上述胰岛素动态部的参数的值,生成患者固有的胰岛素动态部,
上述生物体模型生成部直至从上述葡萄糖动态部输出的血浆葡萄糖浓度与上述诊疗数据所包含的上述采血葡萄糖浓度一致为止,调整上述葡萄糖动态部的参数的值,生成患者固有的葡萄糖动态部,
由上述生物体模型生成部生成的上述生物体模型具有:与上述患者的肝脏对应的模拟肝脏模块;与上述患者的血浆对应的模拟血浆模块;以及与上述患者的末梢组织对应的模拟末梢模块,
上述模拟肝脏模块构成为在与模拟血浆模块之间相互产生伴随血液循环的间质液及血浆中的葡萄糖的流入流出和/或胰岛素的流入流出,
上述模拟末梢模块构成为在与模拟血浆模块之间相互产生伴随血液循环的间质液及血浆中的葡萄糖的流入流出和/或胰岛素的流入流出,
上述葡萄糖动态部中的上述模拟肝脏模块、模拟血浆模块以及模拟末梢模块分别根据上述葡萄糖动态部中的各模拟器官模块的葡萄糖流入流出量,计算各模拟器官模块中的葡萄糖的积蓄量以及浓度中的至少一个,
上述胰岛素动态部中的上述模拟肝脏模块、模拟血浆模块以及模拟末梢模块分别根据上述胰岛素动态部中的各模拟器官模块的胰岛素流入流出量,计算各模拟器官模块中的胰岛素的积蓄量以及浓度中的至少一个。
2.根据权利要求1所述的糖尿病诊疗支援装置,其特征在于,
上述生物体模型还具有肠模块,将上述糖负荷试验中的葡萄糖负荷量作为来自上述生物体模型外的外因性葡萄糖量而提供给该肠模块,
上述肠模块根据上述外因性葡萄糖量,计算向上述模拟肝脏模块、模拟血浆模块以及模拟末梢模块中的至少一个提供的外因性葡萄糖流入速度。
3.根据权利要求1所述的糖尿病诊疗支援装置,其特征在于,
上述生物体模型还具备模拟胰脏模块,该模拟胰脏模块对应于根据从上述患者采血的血液中的葡萄糖浓度来分泌胰岛素的胰脏,
上述模拟胰脏模块根据上述葡萄糖浓度和上述葡萄糖浓度的时间变动,来决定用于向上述模拟肝脏模块、模拟血浆模块以及模拟末梢模块中的至少一个流入的胰岛素的分泌量。
4.根据权利要求1所述的糖尿病诊疗支援装置,其特征在于,
上述诊疗支援信息生成部根据空腹时的胰岛素分泌量、血糖依赖性胰岛素分泌灵敏度、糖负荷试验中的末梢糖取入总量的变化量、末梢胰岛素感受性、糖负荷试验中的肝糖取入总量以及糖负荷试验中的肝糖产生总量的至少一个,对上述患者的病态进行分类。
5.根据权利要求1所述的糖尿病诊疗支援装置,其特征在于,
上述模拟肝脏模块根据上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个,运算上述模拟肝脏模块中的表示肝糖取入的功能的值以及表示肝糖产生的功能的值中的至少一个,并且计算由上述肝糖取入的功能以及肝糖产生的功能中的至少一个引起的葡萄糖的积蓄量以及浓度中的至少一个的变动,并且计算上述模拟肝脏模块中的葡萄糖的积蓄量以及浓度中的至少一个。
6.根据权利要求1~5中的任意一项所述的糖尿病诊疗支援装置,其特征在于,
上述模拟末梢模块根据该模拟末梢模块中的葡萄糖的积蓄量或浓度,运算上述模拟末梢模块中的表示末梢糖取入功能的值,并且计算由上述末梢糖取入功能引起的葡萄糖的积蓄量或浓度的变动,并且计算上述模拟末梢模块中的葡萄糖的积蓄量或浓度。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008-325875 | 2008-12-22 | ||
JP2008325875A JP5388564B2 (ja) | 2008-12-22 | 2008-12-22 | 糖尿病診療支援システム、コンピュータプログラム、及び記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101763464A CN101763464A (zh) | 2010-06-30 |
CN101763464B true CN101763464B (zh) | 2015-12-09 |
Family
ID=42267338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910254160.8A Active CN101763464B (zh) | 2008-12-22 | 2009-12-10 | 糖尿病诊疗支援装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9202009B2 (zh) |
EP (1) | EP2224363A3 (zh) |
JP (1) | JP5388564B2 (zh) |
CN (1) | CN101763464B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014022864A1 (en) * | 2012-08-03 | 2014-02-06 | University Of Virginia Patent Foundation | Computer simulation for testing and monitoring of treatment strategies for stress hyperglycemia |
WO2016061308A1 (en) * | 2014-10-17 | 2016-04-21 | Kahlbaugh Bradley E | Human metabolic condition management |
CN109903838B (zh) * | 2019-02-22 | 2020-01-10 | 爱尔眼科医院集团股份有限公司 | 糖尿病及糖尿病视网膜病变网络防治系统 |
CN117373681B (zh) * | 2023-10-30 | 2024-04-26 | 中国航天科工集团七三一医院 | 一种基于血糖调节系统作用的骨折愈合仿真方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670755A (zh) * | 2004-03-17 | 2005-09-21 | 希森美康株式会社 | 糖尿病诊疗支持系统以及存储介质 |
CN1676093A (zh) * | 2005-04-27 | 2005-10-05 | 张厚玫 | 糖尿病监测仪 |
CN101290320A (zh) * | 2007-03-20 | 2008-10-22 | 生命扫描有限公司 | 在糖尿病管理中用于模式识别的系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5102439B2 (ja) * | 2004-05-11 | 2012-12-19 | シスメックス株式会社 | シミュレーションシステム及びコンピュータプログラム |
JP2006313481A (ja) | 2005-05-09 | 2006-11-16 | Sysmex Corp | 生体器官の機能のシミュレーションシステム及びそのプログラム |
-
2008
- 2008-12-22 JP JP2008325875A patent/JP5388564B2/ja not_active Expired - Fee Related
-
2009
- 2009-12-10 CN CN200910254160.8A patent/CN101763464B/zh active Active
- 2009-12-18 EP EP09015715.7A patent/EP2224363A3/en not_active Withdrawn
- 2009-12-22 US US12/644,863 patent/US9202009B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1670755A (zh) * | 2004-03-17 | 2005-09-21 | 希森美康株式会社 | 糖尿病诊疗支持系统以及存储介质 |
CN1676093A (zh) * | 2005-04-27 | 2005-10-05 | 张厚玫 | 糖尿病监测仪 |
CN101290320A (zh) * | 2007-03-20 | 2008-10-22 | 生命扫描有限公司 | 在糖尿病管理中用于模式识别的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2010146491A (ja) | 2010-07-01 |
US9202009B2 (en) | 2015-12-01 |
JP5388564B2 (ja) | 2014-01-15 |
EP2224363A3 (en) | 2013-07-31 |
US20100161299A1 (en) | 2010-06-24 |
EP2224363A2 (en) | 2010-09-01 |
CN101763464A (zh) | 2010-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7914449B2 (en) | Diagnostic support system for diabetes and storage medium | |
US7392167B2 (en) | Disease simulation system and method | |
Campos-Delgado et al. | Fuzzy-based controller for glucose regulation in type-1 diabetic patients by subcutaneous route | |
US8793144B2 (en) | Treatment effect prediction system, a treatment effect prediction method, and a computer program product thereof | |
US20060277016A1 (en) | Biological simulation system and computer program product | |
US20070288216A1 (en) | Simulation system of function of biological organ | |
JP6812327B2 (ja) | 治療選択支援システム及び方法 | |
CN105308601A (zh) | 健康护理支持系统和方法 | |
US20070118347A1 (en) | Medical simulation system and computer program product | |
JP2010532044A (ja) | 患者生理学のモデル化に基づく各患者に固有の治療法を作成するためのシステムおよび方法 | |
CN101763464B (zh) | 糖尿病诊疗支援装置 | |
CN100533429C (zh) | 葡萄糖和胰岛素浓度模拟系统及记录介质 | |
CA2648510A1 (en) | System and method for providing integrated wellness assessment | |
US20210241909A1 (en) | Method and a system for evaluating treatment strategies on a virtual model of a patient | |
JP5102439B2 (ja) | シミュレーションシステム及びコンピュータプログラム | |
Shifrin et al. | Near-optimal insulin treatment for diabetes patients: a machine learning approach | |
Bjørdalsbakke et al. | Monitoring variability in parameter estimates for lumped parameter models of the systemic circulation using longitudinal hemodynamic measurements | |
Georga et al. | Predictive modeling of glucose metabolism using free-living data of type 1 diabetic patients | |
CN100559380C (zh) | 机体器官功能的模拟系统及其方法 | |
Enright et al. | MODELLING GLYCAEMIA IN ICU PATIENTS-A Dynamic Bayesian Network Approach | |
Duke | Intelligent diabetes assistant: A telemedicine system for modeling and managing blood glucose | |
JP4822204B2 (ja) | 血糖降下薬作用予測システム | |
CN116246754B (zh) | 一种人体体重监测评估干预管理方法和系统 | |
Aittokallio et al. | Understanding sleep-disordered breathing through mathematical modelling | |
Čače et al. | MECHANISTIC MODELS FOR HEALTHCARE: A REVIEW OF CURRENT PRACTICE AND POSSIBILITIES |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |