CN111388796A - 注射泵的定时装置和注射泵 - Google Patents

Abstract

本发明涉及注射泵的定时装置，尤其指的是一种用于向糖尿病患者实施药物治疗的装置，所述装置包括：第一处理器，其被配置为在餐前时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正；以及第二处理器，其与第一处理器相连接，并用于在餐后时间段通过指示由用户所操作的第三处理器与用户进行交互的方式对由第一处理器所确定的初次剂量动态修正结果进行二次剂量动态修正，用以指示下一餐前时间段的初次剂量动态修正过程，其中，所述第一处理器、所述第二处理器和所述第三处理器均设置在移动数字设备中。

Description

注射泵的定时装置和注射泵

技术领域

本发明涉及智能医疗器械技术领域，尤其涉及注射泵的定时装置和注射泵。

背景技术

随着临床医学对给药的方式要求越来越高，传统的注射方式——护士使用注射器或吊瓶注射由于无法精确地控制输液速度和输液量，在许多如输血、麻醉剂ICU、CCU的化学疗法药剂、抗癌剂等需要药物精确定量的医用条件下都面临严峻的挑战。而作为临床输注药液的高精度医疗仪器——注射泵，因其优异的精准定量特性已经在输血、麻醉注射、抗癌剂摄入、止痛药注射等领域得到了广泛的应用。注射泵由微处理器控制，具有恒定压力，完善数据显示，能按需要值精确控制输液速度和输液量；能二十四小时维持静脉输液，保证血药有效浓度，减少输液副作用及并发症；输液堵塞或输液完毕能及时报警提示护士进行处理。

注射泵是解决输注速率的一种有效方法，但是同时由于注射泵使用领域的特殊性，在临床使用时医护人员需要实时监控各注射泵的工作运行情况以便及时跟进并进行对应的处理。现有的包含多个注射泵的注射泵系统的管理控制方式比较单一，不能自动精准地反馈各注射泵的相关数据和状态信息并清楚地呈现给医护人员。

针对上述现有注射泵系统的管理控制方式所存在的问题，现有技术中如授权公告日为2018年11月09日的公开号为CN104606741B的专利文献提出了一种注射泵系统。该注射泵系统包括注射泵、注射泵、注射泵、注射泵以及中央控制底座，其中，每个注射泵对应有一个注射通道。所述注射泵、注射泵、注射泵、注射泵堆叠于所述中央控制底座，在本实施例中，优选为以层叠方式堆叠，其中，各注射泵还能实现分离式工作，即各注射泵可以实现自由组装和拆分，且拆分后各注射泵可以单独工作，堆叠方式主要适用于同时使用多个注射泵的情况。通过对各注射泵进行堆叠可以节省更多的空间，特别适用于小型的手术室或重症加强护理病房等。此外，在本发明的注射泵系统中，为配合该堆叠结构，所述注射泵、注射泵、注射泵、注射泵通过一根AC(alternatingcurrent，交流电)电源线与所述中央控制底座电连接，从而减少了各注射泵与中央控制底座之间连接的电源线数量，降低了人为辨识各注射泵对应电源线的难度，特别是对于本发明应用的医疗领域来说，清楚简单的设备操作非常必要。注射泵中央控制器与注射泵建立连接；当所述注射泵中央控制器不存在控制操作时，所述注射泵中央控制器向所述注射泵发送数据读取命令和/或状态读取命令；所述注射泵中央控制器接收所述注射泵响应所述数据读取命令和/或状态读取命令而返回的数据包；所述注射泵中央控制器解析所述注射泵响应所述数据读取命令和/或状态读取命令而返回的数据包，获得所述注射泵的数据信息和/或状态信息，并更新。该专利文献可实现注射泵中央控制器与各注射泵的自动定时连接，同时通过自动定时连接用以定时接收注射泵的相关数据，从而实现了对注射泵系统内各注射泵的实时动态监控，同时也减少了各注射泵同时并行工作时存在的控制冲突，提高了整个注射泵系统运行管理效率。此外，通过实时监测各注射泵的信号状态，动态获取各注射泵的状态信息可以有效管理各注射泵在运行过程中的随意插拔，增加了临床的方便性与灵活性。

该专利文献提出了以中央控制底座为基础来控制多台注射泵综合管理多种药物的注射过程的注射泵系统、以及该系统对应的基本电路示意图。在此基础上，现有技术提出了面向糖尿病人群的胰岛素注射装置，即连续皮下胰岛素注射装置(continuoussubcutaneous insulin infusion，CSII，又称皮下胰岛素注射泵)，其是采用人工智能控制的胰岛素输入装置，通过持续皮下输注胰岛素的方式，模拟胰岛素的生理性分泌模式从而控制高血糖的一种胰岛素治疗设备。生理状态下胰岛素分泌按与进餐的关系可大致分为两部分：一是不依赖于进餐的持续微量分泌，即基础胰岛素分泌；二是由进餐后高血糖刺激引起的大量胰岛素分泌。为模拟生理性胰岛素分泌，胰岛素泵通过人工智能控制，以可调节的脉冲式皮下输注方式进行基础率胰岛素注射，同时在进餐时，由患者自身根据食物种类和总量来设定餐前大剂量胰岛素及输注模式以控制餐后血糖。临床研究证实，与多次胰岛素注射相比，胰岛素泵可以更有效地控制糖化血红蛋白的水平，同时还改善了患者的生活质量。

不同于使用长效胰岛素注射针和速效胰岛素注射针的每次定量注射，CS II胰岛素注射泵的剂量和输注速率可以随时由患者进行调整。人体内的血糖与胰岛素水平始终处于不断变化的动态平衡过程中，且会受多种因素的影响，如何确定胰岛素注射泵的剂量一直是糖尿病治疗的研究重点之一。2009版中国胰岛素泵治疗指南推荐的输注方案可以概括为：首先应根据患者糖尿病分型、血糖水平以及体重情况确定初始剂量并分配到基础输注量和餐前大剂量中，再根据病人实际情况确定补充大剂量和校正大剂量以综合控制患者血糖。在胰岛素注射泵具体实施过程中，基础输注量，餐前、补充及校正大剂量、以及基础输注率所采取的时间段多根据规范或经验来设定。其中，基础输注量是指维持机体基础血糖代谢所需的胰岛素量，可以通过调节基础输注率及相应的时间段来调节基础输注量对于患者的作用。基础输注率是指胰岛素泵提供基础胰岛素的速度，一般以胰岛素用量单位(U)/h表示，其设定模式较多，可根据血糖控制的需要设置为一个或多个时间段，临床大多分为3～6个时间段。相对T2DM患者，一般T1DM患者需要采用更多分段。在T2DM患者中，血糖波动值较大的所谓脆性DM患者的分段方法往往与普通患者有差异。餐前、补充及校正大剂量输注量是由患者在餐前餐后根据当前的碳水化合物摄入量和自身的生理参数，例如胰岛素-碳水化合物代谢比例和胰岛素敏感度等因素自行设定。

由于患者之间存在着巨大的个体差异并且随着每个人的病程发展不同，患者生理参数会持续发生改变，因此临床上往往难以确定并及时调整最适合患者的胰岛素输注量，从而实现精准、个体化的血糖调控。目前在糖尿病治疗领域一般认为，当医生具有丰富而专业的临床应用经验时，由实时动态血糖监测系统(CGMS)配合CSII构成的体外开环系统可以帮助医生通过CGMS动态血糖图谱指导为患者胰岛素泵剂量的细致调节，达到完美血糖控制。

实时动态血糖监测系统(Coordination Group for Meteorological Satellites，CGMS)，是通过皮下埋入的葡萄糖传感器全程连续地记录细胞间液的葡萄糖水平，从而反映的血糖变化，例如由美敦力公司所提供的最新血糖传感器Guardian Sensor3。从CGMS获取的连续血糖信息可以作出血糖变化图供医生进行临床分析和诊断，全面了解病人血糖波动类型，这对血糖控制及糖尿病治疗有重大意义。

目前，相对于数量巨大的糖尿病患者，国内目前尚还没有足够的有丰富经验的糖尿病专家医生为每位患者及时制定最佳疗法，因此如何更好地使用CGMS和CSII胰岛素泵系统来辅助医生和患者完成一些简单的医疗决策是亟需解决的。

现有技术中如授权公告日为2010年05年12日的公开号为CN101254322B的专利文献公开的一种基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置，在实时动态血糖监测系统(CGMS)支持下，通过强跟踪滤波器在线检测饮食并输注初始大剂量胰岛素，故其主要关注点在于餐前大剂量。然而由于考虑到可能会引起的低血糖风险，自动计算得出的大剂量胰岛素剂量对于用户而言很可能是不安全的。再如，中国专利CN103418053B公开了一种通过实时动态血糖监测系统(CGMS)的数据进行建模和仿真来辅助优化基础输注率的个体化胰岛素注射泵系统，但是其并不会对大剂量胰岛素注射有临床指导意义。又如，公开日为2012年06年20日的公开号为CN102500013A的专利文献公开了一种便携式智能胰岛素泵及其控制模型，其通过动态监控用户的血糖水平，跟踪血糖变化量输注胰岛素治疗糖尿病。这一闭环的输注泵控制模型并未考虑到患者在餐后可能有的剧烈血糖波动，有着使用上的安全隐患。此外，上述这些发明都有参考数据量有限的不足，而且均采用的是当前时刻的配置调控方法，与历史数据无关，所以其调控结果无法反映患者本身的特性和病程发展，也无法用于指导胰岛素泵的用药。

针对上述专利文献所存在的问题，现有技术中如授权公告日为2019年10年01日的公开号为CN107715230B的专利文献提出了一种胰岛素泵个体化配置优化系统，包含智能手机、云端大数据服务器、实时动态血糖监测系统和胰岛素泵。其通过建立血糖波动，碳水化合物摄入量和胰岛素注射记录的历史数据之间的回归方程并计算出使用者与糖尿病相关的生理参数，并且根据数据的更新实时修正这些参数并重新计算所需要的胰岛素注射率。由于每个糖尿病患者的生理特征和病程发展不同，个体差异巨大，因此每个人所需要的胰岛素注射方式也有很大不同。该专利文献所构建的系统可以通过在云端储存的用户个人的血糖测量历史数据有效地计算每个用户的个体最优胰岛素注射量和注射速率，辅助医生和患者制定更有效的糖尿病治疗方案。

但针对如上述专利文献所采用的胰岛素泵注射方案，其主要是通过计算所得到的用户个体最优胰岛素注射量和注射速率来长期注射胰岛素并配合血糖监控的治疗手段，然而此类着重于长期地完全依赖注射胰岛素来控制用户血糖的治疗手段，不仅可能会造成用户用药量增大,甚至失效以及并发症的出现，并且其并不能从根本上提高糖尿病患者的胰岛素敏感性，无法改善用户自身的胰岛素抵抗。

此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。

发明内容

针对如何更好地使用实时动态血糖监测系统和皮下胰岛素泵系统来辅助医生和患者完成血糖控制及糖尿病治疗的医疗决策的问题，现有技术中提出了胰岛素泵个体化配置优化的解决方案，其主要是基于用户个体的历史血糖数据来计算得到该用户的最优的胰岛素注射量和最优的注射速率，并以该最优的胰岛素注射量和最优的注射速率，对用户实施长期注射胰岛素并配合血糖监控的辅助系统。

现有的此类辅助系统以血糖的控制结果为目标，仅仅基于对历史血糖数据的趋势变化，来确定最优的胰岛素注射量和最优的注射速率。在最优的胰岛素注射量和最优的注射速率下，确实能够在易出现高血糖的时间段如餐后及时地完全地将血糖维持在正常血糖下，但此类辅助系统着重于血糖的控制结果，长期地完全地依赖于胰岛素的注射来控制用户血糖。长期以往，由于高血糖有注射胰岛素来有效地控制，用户的胰岛功能始终保持在受损状态，甚至自身胰岛素敏感度越来越低。因而此类辅助系统不仅可能会造成用户用药量(胰岛素注射量)增大，甚至胰岛素抵抗严重以及并发症的出现，从长远来看此类辅助系统无法改善胰岛功能受损的用户自身的胰岛素抵抗，用户需长期依赖于胰岛素的注射来控制高血糖。

针对现有技术之不足，本发明提出了注射泵的定时装置与注射泵，尤其指的是一种用于向糖尿病患者实施药物治疗的装置。该装置主要包括由用户所操作的移动数字设备以及泵机构，而区别于主要是基于用户个体的历史血糖数据来计算得到该用户的最优的胰岛素注射量和最优的注射速率的现有技术，本申请提出了通过第一处理器在当前的餐前时间段，根据药物影响因子、以及由第二处理器对上一餐后时间段所确定的二次剂量动态修正，对用户进行适应性预测分析，在已定的所需药物输注速率的基础上引入初次剂量动态修正的解决方案。

本解决方案不仅在于通过调节药物剂量的方式，达到对由血糖值变化所引起的发病风险及时管控的目的，更重要的是，其还在于通过初次剂量动态修正与二次剂量动态修正，使得注射泵输注药物的调控参数，始终保持在非最佳的药物起效的时间段以及非最佳的药物效力大小。在该设置下，药物起效的时间段以及药物效力大小均非最佳，使得糖尿病患者在餐后的血糖变化值不能完全地被药物所抵消，存在血糖控制缺口，以此，在利用药物调控高血糖的同时，还刺激了糖尿病患者自身胰岛素细胞分泌胰岛素的自我调节能力对该血糖控制缺口进行作用，以此达到促进糖尿病患者胰岛素功能的恢复的目的。同时，在该设置下，能够避免因未及时发现胰岛素抵抗的出现，而徒然加大胰岛素用量的情况。实现了在用户用餐后的病情波动时间窗内并非由单一血糖值所驱动的发病风险管控。

根据本发明所提供的注射泵的定时装置，尤其指的是一种用于向糖尿病患者实施药物治疗的装置，所述装置包括：药物贮存器，用于容纳待供应的药物，并与用于将药物输送到用户的输注套管相连通；泵机构，用于通过所述输注套管将来自所述贮存器的药物输送至用户；以及处理器，所述处理器根据电子定时器控制所述泵机构将指定药物以特定的所需药物输注速率输送至用户，所述处理器包括：第一处理器，其被配置为在餐前时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正；以及第二处理器，其与第一处理器相连接，并用于在餐后时间段通过指示由用户所操作的第三处理器与用户进行交互的方式对由第一处理器所确定的初次剂量动态修正结果进行二次剂量动态修正，用以指示下一餐前时间段的初次剂量动态修正过程，其中，所述第一处理器、所述第二处理器和所述第三处理器均设置在移动数字设备中。

根据一种优选实施方式，所述第三处理器与所述第二处理器相连接，所述第三处理器通过与用户进行交互，获取在给药情况经过初次剂量动态修正后的餐后时间段内用户的行为表现反馈数据，在其行为表现反馈数据超出预设风险阈值时，调整该用户的血糖控制目标使其低于此次餐后时间段内实际监测到的实际血糖峰值。

根据一种优选实施方式，所述装置包括第四处理器，所述第四处理器被配置为根据该用户在非餐前时间段或非餐后时间段内在未给药的状态下所采集到的历史血糖监测数据分析确定该用户的自身基础调节血糖能力。

根据一种优选实施方式，所述装置包括第五处理器，所述第五处理器与所述第四处理器、第二处理器分别相连接，所述第五处理器被配置为根据该用户的所述自身基础调节血糖能力、以及其在非餐前时间段或非餐后时间段内在单给胰岛素药物的状态下所采集到的历史血糖监测数据确定给药后药物对用户的直接调节血糖能力。

根据一种优选实施方式，所述装置包括第六处理器，所述第六处理器与所述第二处理器相连接，第六处理器被配置为与云平台相交互，以基于云平台中大量的其他病例历史数据来建立关于增敏药物的药物敏感性预测模型。

根据一种优选实施方式，所述第六处理器利用所述药物敏感性预测模型，提供当前用户的敏感性特征，对当前用户关于增敏药物的药物敏感性进行预测以确定给药后药物对用户的间接调节血糖能力的初始化值。

注射泵系统，所述注射泵系统包括：泵机构；存储器；以及与所述存储器相耦合的至少一个处理器，至少一个处理器被配置为：在第一时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正，以使得所述泵机构通过输注套管以引入初次剂量动态修正后的药物输注速率将来自贮存器的药物输送至用户，其中，所述处理器与存储器均设置在移动数字设备中。

根据一种优选实施方式，至少一个处理器被配置为与用户进行交互，获取在给药情况经过初次剂量动态修正后的第一时间段内用户的行为表现反馈数据，基于该行为表现反馈数据来调整该用户的血糖控制目标。

根据一种优选实施方式，至少一个处理器被配置为与云平台相交互，以基于云平台中大量的其他病例历史数据来建立药物敏感性预测模型。

根据一种优选实施方式，至少一个处理器被配置为利用所述药物敏感性预测模型，提供当前用户的敏感性特征，对当前用户关于增敏药物的药物敏感性进行预测。

在本发明中所提及的上述设备可以均为计算机处理器，图1示出用于向糖尿病患者实施药物治疗的装置的简化逻辑流程图，所述逻辑流程图的操作表示可以硬件、计算机指令或其组合实现的一系列操作。在计算机指令的背景下，所述操作表示被存储在一个或多个计算机可读存储介质上的计算机可执行指令，所述计算机可执行指令在被一个或多个计算机处理器执行时执行所述的操作。一般而言，计算机可执行指令包括执行特定功能或实现特定数据类型的例程、程序、对象、部件、数据结构等。描述操作的顺序不旨在被解释为具有限制性，并且任何数目的所描述的操作可以任何顺序和/或并行地组合以实现所述过程。另外，模块之间的数据传输过程可以在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可以被实现为代码(例如，可执行指令、一个或多个计算机程序或者一个或多个应用)，所述代码在一个或多个计算机处理器上统一地执行，或者通过硬件实现，或者通过上述两者的组合来实现。代码可以被存储在计算机可读存储介质上，例如以计算机程序的形式，所述计算机程序包括可由一个或多个处理器执行的多个指令。计算机可读存储介质可以是非临时的。在一些实施例中，图1中模块之间的数据传输过程可存储在计算机处理器的存储器中，并计算机处理器执行。

所描述的特征可以数字电子电路、或以计算机硬件、固件、软件或其组合来实现。设备可以被实现在由可编程处理器执行的计算机程序产品中，所述计算机程序产品有形地体现在信息载体中，例如在机器可读存储装置中；并且方法步骤可以由可编程处理器来执行，所述可编程处理器执行指令程序以通过操作输入数据和产生输出来执行所描述的实现方式的功能。所描述的特征可以有利地被实现在可在可编程系统上执行的一个或多个计算机程序中，所述可编程系统包括：至少一个可编程处理器，所述至少一个可编程处理器被连接以从数据存储系统接收数据和指令并且向其传输数据和指令；至少一个输入装置；以及至少一个输出装置。计算机程序是可以直接或间接地用于计算机以执行某一活动或带来某一结果的一组指令。计算机程序可以任何形式的编程语言编写，包括编译型语言或解释型语言，并且所述计算机程序可以任何形式部署，包括作为独立式程序或作为模块、部件、子例程、或适合于在计算环境中使用的其他单元。

用于执行指令程序的适合处理器举例来讲包括通用微处理器和专用微处理器两者、以及任何种类的计算机的单处理器或多个处理器中的一个。一般而言，处理器将从只读存储器或随机存取存储器或者两者中接收指令和数据。计算机的必要元件是用于执行指令的处理器以及用于存储指令和数据的一个或多个存储器。一般而言，计算机将还包括用于存储数据文件的一个或多个大容量存储装置，或者操作性地连接以与之通信；这类装置包括磁盘，诸如内置硬盘和可移除盘；磁光盘；以及光盘。适合于有形地体现计算机程序指令和数据的存储装置包括所有形式的非易失性存储器，举例来讲包括：半导体存储器装置，诸如EPROM、EEPROM和闪存装置；磁盘，诸如内置硬盘和可移除盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由A SIC(专用集成电路)补充或纳入到其中。

附图说明

图1是本发明提供的用于向糖尿病患者实施药物治疗的装置的简化模块连接关系示意图。

附图标记列表

1：药物贮存器 2：泵机构

301：第一处理器 302：第二处理器

303：第三处理器 304：第四处理器

305：第五处理器 306：第六处理器

307：云平台

具体实施方式

下面结合附图对本发明进行详细说明。

本发明相关术语及其解释：

餐前时间段或餐后时间段：餐前时间段指的是用户用餐前的需要调节给药情况的时间段，餐后时间段指的是用户用餐结束后的需要再次将给药情况恢复至适应于非进食状态的时间段。餐前时间段以及餐后时间段的确定可以是根据用户往日日常作息来确定，或是由用户手动输入。

药物影响因子：药物影响因子指的是需要考虑的可能影响药物配比或药物剂量的特征。其例如包括餐后生理变化预测、环境变量或药物敏感性等。其中，餐后生理变化预测是指在用餐前所预测的用餐后该用户的血糖变化。环境变量指的是给药时长、温度等影响药物浓度的特征。药物敏感性是指在饮食和获得情况相对稳定的情况下，血糖达到、没有达到或是超出预期的控制目标的特征，以实际血糖调控情况与预期控制目标之间的差值来表征用户的药物敏感度。

适应性预测分析：指的是在综合考虑上述各药物影响因子的情况下，为调控餐后血糖而避免用户血糖过高出现并发症，预测并确定给药后的血糖控制目标，以此在已有的所需药物输注速率的基础上，适应性地调整给药速率。

已定的所需药物输注速率：指的是假设患者的体重为W(kg)，配药量为Q(rag)，药液量为V(m1)，泵入速度(泵速)为S(ml/h)，给药速度(药速)为N。药速等于每毫升溶液药量与泵速的乘积。当泵速S＝1ml/h时，每小时每毫升泵速的微量药速(设为Nm，以区别N)计算式为：Nm＝50Q/3WV，此泵速往往是起始泵速，对应的药速也是起始药速，即最低药速(Nm)。式中的W对特定患者来说是定量，Nm对某个选用的药物来说也是已知的，求得Q/V比值，就可以按比例配制药量和药液量，进而确定针对该用户的所需药物输注速率。

初次剂量动态修正：指的是根据由适应性预测分析所确定的给药速率的调整量，对已有的药物输注速率进行修正，此次修正是餐前时间段内进行的而先行于餐后时间段的初次剂量动态修正，初次是用以区别餐后时间段的剂量修正而提出的。

用户的行为表现反馈数据：指的是在第三处理器303通过操作界面与用户进行交互，从而由第三处理器303所获得的用户的行为表现反馈，尤其是指用户餐后血糖波动较大时间段内用户的行为表现反馈，更具体地是指用户的视觉、听觉、触觉以及反应力中的至少一个感官受损/波动情况。

预设风险阈值：预设风险阈值是针对用户的行为表现反馈数据所预先设定的风险阈值，将实际所采集到行为表现反馈数据与预设风险阈值相比对，可判断当前的血糖控制目标下用户的视觉、听觉、触觉以及反应力是否受到影响以及该影响程度是否在安全区间内。尤其是针对患有其他全身性疾病的用户而言，仅仅从血糖值监测的单方面来判断是否给药合理而未考虑到用户个体性差异的问题，对此，本申请所提出的针对用户的行为表现反馈数据所预先设定的风险阈值进一步从餐后时间段用户的实际反映情况来综合考虑用户个体性差异的问题，并结合血糖值监测的结果来优化血糖控制目标。

二次剂量动态修正：二次剂量动态修正包括由第二处理器302根据实际所测得的实际血糖峰值与预设的血糖控制目标之间的差值来分析预测偏差，进而基于该预测偏差对经过初次剂量动态修正的给药情况进行调整，但此次调整所得到的二次剂量动态修正结果不是用于指示泵机构2立即进行实施，而是用于对下一餐前时间段的初次剂量动态修正过程提供参考指示，提高给药情况对血糖的有效管控，更有利于用户自身胰岛素细胞敏感性的提升。

如图1所示出的是本发明所提出的用于向糖尿病患者实施药物治疗的装置的简化结构连接关系示意图。

该装置包括药物贮存器1。药物贮存器1用于容纳待供应的药物，并与用于将药物输送到用户的输注套管相连通。此处所提及的药物贮存器1可以是常用的注射器，输注套管指的是输液套管针配件等。

该装置包括泵机构2。泵机构2用于通过输注套管将来自贮存器的药物输送至用户。注射泵通常由步进电机及其驱动器、丝杆和支架等构成，具有往复移动的丝杆、螺母。螺母与注射器的活塞相连，注射器里盛放药液，实现高精度，平稳无脉动的液体传输。

该装置还包括设置在移动数字设备中的处理器。处理器根据电子定时器控制泵机构2将指定药物以特定的所需药物输注速率输送至用户。处理器包括第一处理器301、第二处理器302、第三处理器303、第四处理器304、第五处理器305以及第六处理器306。

在使用本发明所提供的装置的初期由于用户历史数据少而不足以分析确定用户在给药后增敏药物对用户的间接调节血糖能力，因而由第六处理器306基于当前用户的基本信息来确定至少一个用户标签(或药物敏感性特征)并根据该用户标签(或药物敏感性特征)来与云平台交互，基于该云平台307中至少包括药物敏感性数据的其他病例历史数据来建立由多个用户标签所表示的用户标签相似性网络以及药物敏感性预测模型，第六处理器306利用药物敏感性预测模型以及当前用户的用户标签(或药物敏感性特征)来对当前用户关于增敏药物的药物敏感性进行预测并生成给药后药物对用户的间接调节血糖能力的初始化值，并将其所确定的给药后药物(尤指增敏药物)对用户的间接调节血糖能力的初始化值传输至第二处理器302。

在血糖波动较小且未对用户给药的时间段如非餐前时间段或非餐后时间段内，由佩戴于用户身上的第四处理器304来采集历史血糖监测数据并基于该历史血糖监测数据来分析确定该用户的仅由用户自身胰岛细胞来进行血糖调节的自身基础调节血糖能力，并将该自身基础调节血糖能力信息、以及由其所采集到的在非餐前时间段或非餐后时间段内单给胰岛素药物的状态下所采集的历史血糖监测数据一并传输至第五处理器305。

第五处理器305根据由第四处理器304基于历史血糖监测数据所生成的用户的自身基础调节血糖能力信息、以及由第四处理器304在非餐前时间段或非餐后时间段内单给胰岛素药物的状态下所采集的历史血糖监测数据来确定给药后药物中在区分开由胰岛素药物与增敏药物分别对用户血糖的直接或间接调节能力的基础上单由胰岛素药物对用户的直接调节血糖能力，并将该直接调节血糖能力信息与由第四处理器304所处理得到的自身基础调节血糖能力信息一并传输至第二处理器302。

在此次的餐前时间段，由第一处理器(301)根据药物影响因子以及由第二处理器302在上一餐后时间段通过指示由用户所操作的第三处理器303与用户进行交互的方式对由第一处理器301所确定的上一初次剂量动态修正结果进行二次剂量动态修正所确定的有利于提升用户自身胰岛素细胞敏感性的二次剂量动态修正结果，对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正。

在此次的餐后时间段，由第二处理器(302)通过指示由用户所操作的第三处理器(303)与用户进行交互的方式利用由第六处理器306所确定的药物敏感性预测数据、由第四处理器304所确定的自身基础调节血糖能力信息、由第五处理器305所确定的直接调节血糖能力以及由第一处理器301所生成的此次餐前时间段的初次剂量动态修正结果来对由第一处理器(301)所确定的初次剂量动态修正结果进行二次剂量动态修正以确定有利于提升用户自身胰岛素细胞敏感性的且用以指示下一餐前时间段的初次剂量动态修正过程的二次剂量动态修正结果。

为进一步明确本发明所提出的用于向糖尿病患者实施药物治疗的装置中各处理器间处理得到的数据如何进行交互，进行如下说明：

在使用本发明所提供的装置的初期，由第六处理器306来预测并确定给药后药物对用户的间接调节血糖能力的初始化值。该初始化值尤其是指给药后增敏药物对用户的间接调节血糖能力的初始化值。通过初始化值的设置有利于用户刚开始使用该装置时就考虑到给药后增敏药物对用户的间接调节血糖能力的影响。并且初始化值是基于大数据处理所得到的，置信度高。由于较多的糖尿病患者存在着胰岛素敏感性降低，即胰岛素抵抗，从而使胰岛素不能发挥其正常生理功能，以致血糖居高不下，长期注射胰岛素并配合血糖监控是必须的治疗手段，然而这种疗法会造成用药量增大,甚至失效以及并发症的出现。而胰岛素增敏剂为过氧化物酶增殖物活化受体激动剂，是通过调节相关基因的转录和表达，改善脂肪肝脏肌肉胰岛素的敏感性，调节脂肪细胞的分化，并抑制脂肪分解，减少游离脂肪酸形成，调节糖脂代谢。因此，现有的在餐后时间段内仅通过血糖值的监测来分析药效的方式，所体现的仅是血糖值相对正常值的一个波动，刺激了胰岛素用量的增大，而无法虑及血糖值波动对患者尤其是伴有其他全身性疾病的糖尿病患者个体而言的敏感性问题。

第六处理器306与第二处理器302相连接。优选地，第六处理器306被配置为与云平台307相交互，以基于云平台307中大量的其他病例历史数据来建立关于增敏药物的药物敏感性预测模型。具体地：

首先通过云平台307筛选并获取其存储的大量其他病例历史数据，进行数据预处理，获得不同浓度不同给药速率下的药物敏感性数据，以及各病例历史数据所对应的至少一个用户标签。

继而通过建立由多个用户标签所表示的用户标签相似性网络，结合药物敏感性数据来建立药物敏感性预测模型。其中，针对此类数据样本量较小的情况，随机地将数据样本分成三份，分别用作训练集(Training Set)、验证集(Validation Set)以及测试集(TestSet)，用训练集来训练模型，用验证集来评估模型预测的好坏和选择模型及其对应的参数。把最终得到的模型再用于测试集，最终决定使用哪个模型以及对应参数。药物敏感性预测模型的模型参数是通过局部加权回归并采取交叉验证来确定的。其中，交叉验证是指重复地使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。引入局部加权线性回归可以降低预测的均方误差，局部加权回归是指给待预测点附近的每个点赋予一定的权重，然后在这个子集上进行普通的回归。优选地，提出如下形式的药物敏感性预测模型以进行预测：

其中，w_i为各标签对应的权重，

D指代药物drug，RC指代参考病例reference case，Sens(D,RC)为各历史病例对增敏药物的敏感性数据；μ_i为相似性指标。

利用药物敏感性预测模型，提供当前用户的敏感性特征，由第六处理器306对当前用户关于增敏药物的药物敏感性进行预测，以确定给药后药物对用户的间接调节血糖能力的初始化值。

装置包括设于移动数字设备中的第一处理器301。该第一处理器301被配置为在餐前时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正。在用餐前用户将食物照片上传，以由第一处理器301来分析此次餐前时间段内与该用户相关的饮食信息。继而，基于其所采集到的该饮食信息和预存储的与该用户饮食信息相关联的历史餐后生理变化趋势对当前用户进行餐后生理变化分析。进行餐后生理变化分析来确定作为药物影响因子之一的餐后生理变化预测以及与之对应的给药情况。并根据当前所获取到的环境变量对药物浓度的影响以及当前用户的药物敏感性数据，优化给药情况，以此在已定的所需药物输注速率的基础上引入初次剂量动态修正。优选地，在使用本发明所提供的装置的初期(预设时间段)内只采取初次剂量动态修正。即由第一处理器(301)根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正。

装置还包括第三处理器303。第三处理器303与第二处理器302相连接。第三处理器303通过与用户进行交互，获取在给药情况经过初次剂量动态修正后的餐后时间段内用户的行为表现反馈数据。在其行为表现反馈数据超出预设风险阈值时，调整该用户的血糖控制目标使其低于此次餐后时间段内实际监测到的实际血糖峰值。其中，用户的行为表现反馈数据指的是在第三处理器303通过操作界面与用户进行交互，从而由第三处理器303所获得的用户的行为表现反馈。尤其是指用户餐后血糖波动较大时间段内用户的行为表现反馈。更具体地是指用户的视觉、听觉、触觉以及反应力中的至少一个感官受损/波动情况。

装置还包括第四处理器304。第四处理器304被配置为根据该用户在非餐前时间段或非餐后时间段内在未给药的状态下所采集到的历史血糖监测数据分析确定该用户的自身基础调节血糖能力。在非餐前时间段或非餐后时间段内在未给药的状态下指的是在用户日常未通过药物调控的时间段，期间所监测到的仅由用户自身胰岛细胞来进行血糖调节，即确定其为用户的自身基础调节血糖能力。

装置还包括第五处理器305。第五处理器305与第四处理器304、第二处理器302分别相连接，第五处理器305被配置为根据该用户的自身基础调节血糖能力、以及由第四处理器304在非餐前时间段或非餐后时间段内在单给胰岛素药物的状态下所采集的历史血糖监测数据确定给药后药物对用户的直接调节血糖能力。这里所提及的历史血糖监测数据指的是其在非餐前时间段或非餐后时间段内在单给胰岛素药物的状态下所采集的历史血糖监测数据。根据该历史血糖监测数据以及用户的自身基础调节血糖能力，可以确定在胰岛素对用户血糖的直接调节能力/幅度。进而能够更好地区分开由胰岛素药物与增敏药物分别对用户血糖的直接或间接调节能力。

装置还包括第二处理器302。第二处理器302与第一处理器301相连接。第二处理器302用于在餐后时间段通过指示由用户所操作的第三处理器303与用户进行交互的方式对由第一处理器301所确定的初次剂量动态修正结果进行二次剂量动态修正。第二处理器302用以指示下一餐前时间段的初次剂量动态修正过程。其中，初次剂量动态修正结果用于指示当前用户在用餐后可能出现的生理情况变化，此处所指的生理情况变化包括血糖波动以及用户感官波动。

这里所提及的二次剂量动态修正是指基于目前在初次剂量动态修正下所分析得到的用户情况来对下一次的初次剂量动态修正进行调整。以使得下一次的初次剂量动态修正后的药物起效的时间段非最佳且药物效力大小非最佳，同时保证在该情况下可能引起血糖值的小幅度波动但在药物的作用下不会波动至危险区间。此处提及的危险区间尤其指的是当前患者的血糖波动过大以及糖尿病急性并发症突发。

进一步优选地，二次剂量动态修正中包括预测值以及实际值并计算两者之间的预测偏差。预测值指的是利用药物敏感性预测模型所确定的药物敏感性预测数据。上述预测偏差实际即为血糖控制目标与实际血糖峰值之间的差值。血糖控制目标是通过由基于饮食信息所确定的餐后血糖数据减去用户的自身基础调节血糖能力、xA(基于用户的直接调节血糖能力A)以及减去yB(基于药物敏感性预测数据B)来计算得到的。由于血糖控制目标是已知的根据上一次的二次剂量动态修正所确定的不影响用户生理且满足血糖安全阈值范围的数据，通过上述通式反推即可获得胰岛素剂量x与增敏剂剂量y之间的比值。

以此在确定单给胰岛素所需剂量的情况下，以逐渐降低胰岛素给药剂量且逐渐增高增敏剂剂量的方式进行配比给药药物，并且始终保留一个血糖控制目标(控制缺口)，使糖尿病患者在餐后的血糖变化值不能完全地被药物所抵消。即该控制缺口使得药物起效的时间段为非最佳的时间段且药物效力大小为非最佳的药物效力，进而刺激糖尿病患者自身胰岛素细胞分泌胰岛素的自我调节能力对血糖变化进行作用，促进糖尿病患者胰岛素功能的恢复。从而，本申请所提供的医疗系统不仅在于对由血糖值变化所引起的发病风险，通过调节药物剂量的方式来及时管控，还在于通过调控非最佳的药物起效的时间段以及非最佳的药物效力大小，促进糖尿病患者胰岛素功能的恢复。同时，能够避免因未及时发现胰岛素抵抗的出现，而徒然加大胰岛素用量的情况。血糖值将小幅度波动但在药物的作用下仍被控制在安全区间。

需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。

Claims (10)

1.注射泵的定时装置，尤其指的是一种用于向糖尿病患者实施药物治疗的装置，所述装置包括：

药物贮存器(1)，用于容纳待供应的药物，并与用于将药物输送到用户的输注套管相连通；

泵机构(2)，用于通过所述输注套管将来自所述贮存器的药物输送至用户；

以及处理器，所述处理器根据电子定时器控制所述泵机构(2)将指定药物以特定的所需药物输注速率输送至用户，

其特征是，所述处理器包括：

第一处理器(301)，其被配置为在餐前时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正；以及

第二处理器(302)，其与第一处理器(301)相连接，并用于在餐后时间段通过指示由用户所操作的第三处理器(303)与用户进行交互的方式对由第一处理器(301)所确定的初次剂量动态修正结果进行二次剂量动态修正，用以指示下一餐前时间段的初次剂量动态修正过程，

其中，所述第一处理器(301)、所述第二处理器(302)和所述第三处理器(303)均设置在移动数字设备中。

2.根据权利要求1所述的装置，其特征是，所述第三处理器(303)与所述第二处理器(302)相连接，所述第三处理器(303)用于获取在给药情况经过初次剂量动态修正后的餐后时间段内用户的行为表现反馈数据，在其行为表现反馈数据超出预设风险阈值时，调整该用户的血糖控制目标使其低于此次餐后时间段内实际监测到的实际血糖峰值。

3.根据权利要求2所述的装置，其特征是，所述装置包括第四处理器(304)，所述第四处理器(304)被配置为根据该用户在非餐前时间段或非餐后时间段内在未给药的状态下所采集到的历史血糖监测数据分析确定该用户的自身基础调节血糖能力。

4.根据权利要求3所述的装置，其特征是，所述装置包括第五处理器(305)，所述第五处理器(305)与所述第四处理器(304)、第二处理器(302)分别相连接，所述第五处理器(305)被配置为根据该用户的所述自身基础调节血糖能力以及历史血糖监测数据确定给药后药物对用户的直接调节血糖能力。

5.根据权利要求4所述的装置，其特征是，所述装置包括第六处理器(306)，所述第六处理器(306)与所述第二处理器(302)相连接，第六处理器(306)被配置为基于云平台(307)中大量的其他病例历史数据来建立关于增敏药物的药物敏感性预测模型。

6.根据权利要求5所述的装置，其特征是，所述第六处理器(306)利用所述药物敏感性预测模型，对当前用户关于增敏药物的药物敏感性进行预测以确定给药后药物对用户的间接调节血糖能力的初始化值。

7.注射泵系统，所述注射泵系统包括：

泵机构(2)；

存储器；

以及与所述存储器相耦合的至少一个处理器，

其特征是，至少一个处理器被配置为：

在第一时间段根据药物影响因子对用户进行适应性预测分析以在已定的所需药物输注速率的基础上引入初次剂量动态修正，以使得所述泵机构(2)通过输注套管以引入初次剂量动态修正后的药物输注速率将来自贮存器的药物输送至用户，

其中，所述处理器与存储器均设置在移动数字设备中。

8.根据权利要求7所述的装置，其特征是，至少一个处理器被配置为与用户进行交互，获取在给药情况经过初次剂量动态修正后的第一时间段内用户的行为表现反馈数据，基于该行为表现反馈数据来调整该用户的血糖控制目标。

9.根据权利要求8所述的装置，其特征是，至少一个处理器被配置为与云平台(307)相交互，以基于云平台(307)中大量的其他病例历史数据来建立药物敏感性预测模型。

10.根据权利要求9所述的装置，其特征是，至少一个处理器被配置为利用所述药物敏感性预测模型，提供当前用户的敏感性特征，对当前用户关于增敏药物的药物敏感性进行预测。

Images