JP2020523136A - 患者プロファイルに基づくインスリン滴定アルゴリズム - Google Patents
患者プロファイルに基づくインスリン滴定アルゴリズム Download PDFInfo
- Publication number
- JP2020523136A JP2020523136A JP2019568745A JP2019568745A JP2020523136A JP 2020523136 A JP2020523136 A JP 2020523136A JP 2019568745 A JP2019568745 A JP 2019568745A JP 2019568745 A JP2019568745 A JP 2019568745A JP 2020523136 A JP2020523136 A JP 2020523136A
- Authority
- JP
- Japan
- Prior art keywords
- blood glucose
- algorithm
- data set
- dose size
- insulin
- 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.)
- Granted
Links
Classifications
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
- A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
- G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
- A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
- A61M2205/3584—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using modem, internet or bluetooth
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2205/00—General characteristics of the apparatus
- A61M2205/35—Communication
- A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
- A61M2205/3592—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using telemetric means, e.g. radio or optical transmission
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
- A61M5/178—Syringes
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Databases & Information Systems (AREA)
- Medicinal Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pharmacology & Pharmacy (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Bioethics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Infusion, Injection, And Reservoir Apparatuses (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
Description
は前記第二の用量サイズの決定における各入力パラメータ
に対応する計算された重みであり、
および
は、工程e)〜g)による前記アルゴリズムの出力値である。
を計算する工程とを含む。
を計算する工程とを含む。
の構築に続く。対象者のパターン認識アルゴリズム、短期リスク予測アルゴリズムおよび長期リスク予測アルゴリズムからの入力に基づき、
は計算係数であり、
はアルゴリズムからの入力である。
は、対象者のパターン認識アルゴリズム、短期リスク予測アルゴリズムおよび長期リスク予測アルゴリズムからの入力であり、
は前記第二の用量サイズの決定における各入力パラメータ
に対応する計算された重みであり、
および
は、工程e)〜g)による前記アルゴリズムの出力値である。
を計算する工程とを含む。前記特定の時間間隔は、最後の15分、17分、20分、30分、35分、45分、60分以上など、120分、135分以上など15〜180分内の任意の時間間隔とすることができ、また将来の計画対象期間は、15分、17分、20分、30分、35分、45分、60分以上など、120分、135分以上など、任意の将来の計画対象期間とすることができる。
を計算する工程とを含む。長期リスク予測アルゴリズムのための前記特定の時間間隔は、最後の12.5時間、14時間、15時間、16時間、17時間、18.5時間、21時間以上など、12〜24時間以内の任意の時間間隔とすることができ、また、将来の計画対象期間は、最後の12.5時間、14時間、15時間、16時間、17時間、18.5時間、21時間以上、最大24時間など、12〜24時間などの任意の将来の計画対象期間とすることができる。
Claims (15)
- 低血糖のリスクを予測し、それに従い対象者のためにインスリン薬剤用量サイズを調節して、予測される低血糖事象を防止するための装置であって、前記装置が一つ以上のプロセッサと、メモリとを含み、前記メモリが以下を含むデータ構造を保存する;
− 第一のデータセットに基づき現在の投薬レジメンに対する調節として第一の用量サイズを計算して推奨するための第一のルールベースの滴定アルゴリズムを指定する処方されたインスリン薬剤投薬レジメンであって、
・ 時間経過に伴い取られた複数の血糖(BG)測定値と、複数の測定値のそれぞれ個別の測定値について、前記時間経過において前記それぞれの測定がなされた時点を表す対応するタイムスタンプと、
・ 時間経過に伴い取られた複数の注射済みインスリン用量サイズと、前記複数の注射された用量のうち注射されたそれぞれ個別の用量サイズについて、前記時間経過において前記それぞれの用量が注射された時点を表す対応するタイムスタンプと、注射されたインスリン薬剤のそれぞれのタイプスタンプと、
・ 最小標的の空腹時および食後の血糖値と、
・ 最大標的の空腹時および食後の血糖値とを含むものと、
− 以下の機械学習アルゴリズムモジュールを含むリスク予測モジュールであって、
・ Gaussian Kernelおよび規則化を使用して、前記第一のデータセットからの最近の最大3時間の血糖測定値に基づき、低血糖がリスク計算の開始時から最大3時間の期間内に発生する確率を計算する、短期リスク予測分類機械学習アルゴリズムと、
・ Gaussian Kernelおよび規則化を使用して、前記第一のデータセットからの最近の最大24時間の血糖データに基づき、低血糖がリスク計算の開始時から最大24時間の期間内に発生する確率を計算する、長期リスク予測分類機械学習アルゴリズムと、
・ 前記第一のデータセットの前記血糖測定値とインスリン用量サイズデータとの間の相関を分析して、所定の期間にわたる過去の高血糖事象および低血糖事象と、それらの各事象の血糖値についての重大度を特定する、対象者のパターン認識機械学習アルゴリズムとを含むものと、
前記メモリはさらに、前記一つ以上のプロセッサによって実行される時に、以下を含む方法を実行する命令を保存し:
前記対象者からの要求に応答して、基底またはボーラスインスリンの推奨用量を計算して、
a) 前記第一のデータセットを入手可能な最新のデータで更新する工程と、
b) 食後の血糖値(PPGL)(ボーラスインスリン用量要求の場合)を、前記第一のデータセットでの少なくとも前記最近の3日間の食後の血糖値の前記最低加重平均として計算する工程と、
c) 滴定血糖値(TGL)(基底インスリン用量要求の場合)を、前記第一のデータセットでの少なくとも前記最近の3日間の毎日の血糖値(食後期間に特定された血糖値を除外)の最低加重平均として計算する工程と、
d) 前記第一のルールベースの滴定アルゴリズムを実行することにより第一の用量サイズを計算し、ここで前記第一のルールベースの滴定アルゴリズムは、第一の用量サイズを以下の通り計算して推奨する工程と、
・ 前記計算されたTGLまたはPPGLが空腹時または食後の血糖値についての前記最大標的を上回る場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと比較して大きいか、または
・ 前記計算されたTGLまたはPPGLが空腹時または食後の血糖値についての前記最小標的を下回る場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと比較して小さいか、または
・ 前記平均TGLまたはPPGLが、空腹時または食後の血糖値についての前記最小標的と最大標的の間の範囲内である場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと等しい、
e) 前記短期リスク予測機械学習分類アルゴリズムを採用する工程と、
f) 前記長期リスク予測機械学習分類アルゴリズムを採用する工程と、
g) 前記対象者のパターン認識アルゴリズムを採用する工程と、
h) 多重線形回帰機械学習アルゴリズムを採用して、前記第一のアルゴリズム、前記短期リスク予測アルゴリズム、前記長期リスク予測アルゴリズムおよび対象者のパターン認識アルゴリズムからの前記入力に基づき、前記対象者について非低血糖状態をもたらす第二の用量サイズを予測する工程と、
また、前記計算された第二の用量サイズが前記第一の用量サイズよりも小さい場合には;
i) 前記第一の用量サイズを前記第二の用量サイズまで自動的に下げて調節し、前記第二の用量サイズを前記対象者に連絡する工程と、を含む方法を実行するメモリである、装置。 - 前記多重線形回帰機械学習アルゴリズムが次の関数によって定義される、請求項1に記載の装置であって、
式中、
は前記第二の用量サイズの決定における各入力パラメータ
に対応する計算された重みであり、
および
は、工程e)〜g)による前記アルゴリズムの出力値である、装置。 - 請求項1〜2のいずれか一項に記載の装置であって、前記短期リスク予測機械学習分類アルゴリズムを採用する工程が、
・ 前記第一のデータセットから、最後の15〜180分の特定の時間間隔内で取得された特定の血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットをGaussian Kernelおよび規則化を備えたサポートベクターマシン分類器を通して実行して、それぞれ15〜180分の将来の計画対象期間内での低血糖のリスクを示す前記出力
を計算する工程とを含む、装置。 - 請求項1〜3のいずれか一項に記載の装置であって、前記長期リスク予測機械学習分類アルゴリズムを採用する工程が、
・ 前記第一のデータセットから、最後の12〜24時間の特定の時間間隔内で取得された血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットをGaussian Kernelおよび規則化を備えたサポートベクターマシン分類器を通して実行して、それぞれ12〜24時間の将来の計画対象期間内での低血糖のリスクを示す前記出力
を計算する工程とを含む、装置。 - 請求項1〜4のいずれか一項に記載の装置であって、前記対象者のパターン認識アルゴリズムを採用する工程が、
・ 前記第一のデータセットから、最後の15〜180分の特定の時間間隔内で取得された血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットを単一クラスのSVM分類器アルゴリズムを通して実行し、前記データセットの前記血糖測定値と前記データセットの対応するインスリン用量サイズとの間の相関を分析して、前記時間間隔内での高血糖事象および低血糖事象と、それらの各事象の血糖値についての重大度を特定する工程とを含む、装置。 - 請求項1〜5のいずれか一項に記載の装置であって、前記装置が、ワイヤレス受信機をさらに含み、前記第一のデータセットの前記血糖測定値が前記対象者に取り付けられたCGMから無線で取得され、前記第一のデータセットの前記インスリン用量データが前記ワイヤレス受信機と通信するよう適合された一つ以上のインスリンペンから無線で取得される、装置。
- 前記複数のグルコース測定の連続的測定が、対象者から5分以下、3分以下、または1分以下の間隔レートで前記CGM装置によって自律的になされる、請求項6に記載の装置。
- 前記データ構造が、インスリン感受性因子(ISF)推定、インスリンオンボード(IoB)推定、炭水化物オンボード(CoB)推定のうち一つ以上を含む履歴データのセットを含む第二のデータセットをさらに含み、前記第二のデータセットが、前記リスク予測モジュールによって低血糖のリスクを予測するために使用される、請求項1〜7のいずれか一項に記載の装置。
- 糖尿病の治療において対象者を支援するための、携帯電話、ラップトップまたはタブレットなどのモバイル装置上で実行されるアプリケーションに組み込まれる請求項1〜8のいずれか一項に記載の装置を備えるシステムであって、前記アプリケーションが、前記モバイル装置上で前記第一および前記第二の用量サイズ推奨を前記対象者に少なくとも連絡するように適合されている、システム。
- 前記血糖データおよびインスリン注射データがそれぞれCGMおよび注射ペンから前記モバイル装置に直接的に無線で伝達される、請求項9に記載のシステム。
- 一つ以上のプロセッサと、以下を含むデータ構造を保存するメモリを含むコンピュータシステムを介して、糖尿病の治療において対象者を支援する方法であって、
− 第一のデータセットに基づき現在の投薬レジメンに対する調節として第一の用量サイズを計算して推奨するための第一のルールベースの滴定アルゴリズムを指定する処方されたインスリン薬剤投薬レジメンであって、
・ 時間経過に伴い取られた複数の血糖(BG)測定値と、複数の測定値のそれぞれ個別の測定値について、前記時間経過において前記それぞれの測定がなされた時点を表す対応するタイムスタンプと、
・ 時間経過に伴い取られた複数の注射済みインスリン用量サイズと、前記複数の注射された用量のうち注射されたそれぞれ個別の用量サイズについて、前記時間経過において前記それぞれの用量が注射された時点を表す対応するタイムスタンプと、注射されたインスリン薬剤のそれぞれのタイプスタンプと、
・ 最小標的の空腹時および食後の血糖値と、
・ 最大標的の空腹時および食後の血糖値とを含むものと、
− 以下の機械学習アルゴリズムモジュールを含むリスク予測モジュールであって、
・ Gaussian Kernelおよび規則化を使用して、前記第一のデータセットからの最近の最大3時間の血糖測定値に基づき、低血糖がリスク計算の開始時から最大3時間の期間内に発生する確率を計算する、短期リスク予測分類機械学習アルゴリズムと、
・ Gaussian Kernelおよび規則化を使用して、前記第一のデータセットからの最近の最大24時間の血糖データに基づき、低血糖がリスク計算の開始時から最大24時間の期間内に発生する確率を計算する、長期リスク予測分類機械学習アルゴリズムと、
・ 前記第一のデータセットの前記血糖測定値とインスリン用量サイズデータとの間の相関を分析して、所定の期間にわたる過去の高血糖事象および低血糖事象と、それらの各事象の血糖値についての重大度を特定する、対象者のパターン認識機械学習アルゴリズムとを含むものと、
前記メモリはさらに、前記一つ以上のプロセッサによって実行される時に、以下を含む方法を実行する命令を保存し:
前記対象者からの要求に応答して、基底またはボーラスインスリンの推奨用量を計算して、
a) 前記第一のデータセットを入手可能な最新のデータで更新する工程と、
b) 食後の血糖値(PPGL)(ボーラスインスリン用量要求の場合)を、前記第一のデータセットでの少なくとも前記最近の3日間の食後の血糖値の前記最低加重平均として計算する工程と、
c) 滴定血糖値(TGL)(基底インスリン用量要求の場合)を、前記第一のデータセットでの少なくとも前記最近の3日間の毎日の血糖値(食後期間に特定された血糖値を除外)の最低加重平均として計算する工程と、
d) 前記第一のルールベースの滴定アルゴリズムを実行することにより第一の用量サイズを計算し、ここで前記第一のルールベースの滴定アルゴリズムは、第一の用量サイズを以下の通り計算して推奨する工程と、
・ 前記計算されたTGLまたはPPGLが空腹時または食後の血糖値についての前記最大標的を上回る場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと比較して大きいか、または
・ 前記計算されたTGLまたはPPGLが空腹時または食後の血糖値についての前記最小標的を下回る場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと比較して小さいか、または
・ 前記平均TGLまたはPPGLが、空腹時または食後の血糖値についての前記最小標的と最大標的の間の範囲内である場合、第一の用量サイズは前記対象者についての前記現在の投薬レジメンと等しい、
e) 前記短期リスク予測機械学習分類アルゴリズムを採用する工程と、
f) 前記長期リスク予測機械学習分類アルゴリズムを採用する工程と、
g) 前記対象者のパターン認識アルゴリズムを採用する工程と、
h) 多重線形回帰機械学習アルゴリズムを採用して、前記第一のアルゴリズム、前記短期リスク予測アルゴリズム、前記長期リスク予測アルゴリズムおよび対象者のパターン認識アルゴリズムからの前記入力に基づき、前記対象者について非低血糖状態をもたらす第二の用量サイズを予測する工程と、
また、前記計算された第二の用量サイズが前記第一の用量サイズよりも小さい場合には;
i) 前記第一の用量サイズを前記第二の用量サイズまで自動的に下げて調節し、前記第二の用量サイズを前記対象者に連絡する工程と、を含む方法を実行するメモリを含む、方法。 - 前記多重線形回帰機械学習アルゴリズムが次の関数によって定義される、請求項11に記載の方法であって、
式中、
は前記第二の用量サイズの決定における各入力パラメータ
に対応する計算された重みであり、
および
は、工程e)〜g)による前記アルゴリズムの出力値である、方法。 - 請求項11〜12に記載の方法であって、前記短期リスク予測機械学習分類アルゴリズムを採用する工程が、
・ 前記第一のデータセットから、最後の15〜180分の特定の時間間隔内で取得された特定の血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットをGaussian Kernelおよび規則化を備えたサポートベクターマシン分類器を通して実行して、それぞれ15〜180分の将来の計画対象期間内での低血糖のリスクを示す前記出力
を計算する工程とを含む、方法。 - 請求項11〜13のいずれか一項に記載の方法であって、前記長期リスク予測機械学習分類アルゴリズムを採用する工程が、
・ 第一のデータセットから、最後の12〜24時間の特定の時間間隔内で取得された血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットをGaussian Kernelおよび規則化を備えたサポートベクターマシン分類器を通して実行して、それぞれ12〜24時間の将来の計画対象期間内での低血糖のリスクを示す前記出力
を計算する工程とを含む、方法。 - 請求項11〜14のいずれか一項に記載の方法であって、前記対象者のパターン認識アルゴリズムを採用する工程が、
・ 前記第一のデータセットから、最後の15〜180分の特定の時間間隔内で取得された血糖測定値履歴データセットを準備する工程と、
・ 準備された各データセットを単一クラスのSVM分類器アルゴリズムを通して実行し、前記データセットの前記血糖測定値と前記データセットの対応するインスリン用量サイズとの間の相関を分析して、前記時間間隔内での高血糖事象および低血糖事象と、それらの各事象の血糖値についての重大度を特定する工程とを含む、方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762520139P | 2017-06-15 | 2017-06-15 | |
US62/520,139 | 2017-06-15 | ||
US201762522811P | 2017-06-21 | 2017-06-21 | |
US62/522,811 | 2017-06-21 | ||
EP17178877 | 2017-06-29 | ||
EP17178877.1 | 2017-06-29 | ||
PCT/EP2018/065845 WO2018229209A1 (en) | 2017-06-15 | 2018-06-14 | Insulin titration algorithm based on patient profile |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020523136A true JP2020523136A (ja) | 2020-08-06 |
JP7181900B2 JP7181900B2 (ja) | 2022-12-01 |
Family
ID=62530259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019568745A Active JP7181900B2 (ja) | 2017-06-15 | 2018-06-14 | 患者プロファイルに基づくインスリン滴定アルゴリズム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200227170A1 (ja) |
EP (1) | EP3639168B1 (ja) |
JP (1) | JP7181900B2 (ja) |
CN (1) | CN110753967A (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3826700A1 (en) * | 2018-07-26 | 2021-06-02 | Sanofi | Method of adjusting medication doses |
WO2022234032A2 (en) * | 2021-05-05 | 2022-11-10 | Novo Nordisk A/S | Methods and systems for estimating fasting glucose values |
CN114464291B (zh) * | 2021-12-22 | 2022-11-25 | 北京理工大学 | 一种基于贝叶斯优化的mdi剂量建议系统 |
WO2023144364A1 (en) | 2022-01-31 | 2023-08-03 | Novo Nordisk A/S | Systems and methods for personalized insulin titration |
US20230338654A1 (en) * | 2022-04-26 | 2023-10-26 | Dexcom, Inc. | System and method for titrating basal insulin doses |
CN116721733B (zh) * | 2023-08-10 | 2023-11-07 | 武汉联影智融医疗科技有限公司 | 血糖值调整方法、装置和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011157402A1 (en) * | 2010-06-18 | 2011-12-22 | Roche Diagnostics Gmbh | Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers |
US20110319322A1 (en) * | 2008-04-04 | 2011-12-29 | Hygieia, Inc. | Systems, Methods and Devices for Achieving Glycemic Balance |
US20120232520A1 (en) * | 2011-03-10 | 2012-09-13 | Abbott Diabetes Care Inc. | Multi-Function Analyte Monitor Device and Methods of Use |
US20140350369A1 (en) * | 2013-03-15 | 2014-11-27 | Abbott Diabetes Care Inc. | System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070092888A1 (en) * | 2003-09-23 | 2007-04-26 | Cornelius Diamond | Diagnostic markers of hypertension and methods of use thereof |
EP2260462B1 (en) * | 2008-04-04 | 2018-12-19 | Hygieia, Inc. | System for optimizing a patient's insulin dosage regimen |
US9289168B2 (en) * | 2008-12-29 | 2016-03-22 | Medtronic Minimed, Inc. | System and/or method for glucose sensor calibration |
WO2011084208A1 (en) * | 2009-12-21 | 2011-07-14 | Stc.Unm | System and methods for estimating hba1c, treatment response, and hypoglycemia risk using self-monitoring of blood glucose data |
US20130179184A1 (en) * | 2012-01-06 | 2013-07-11 | Katherine L. Hurst | Individualized Dosing Technique With Multiple Variables |
US20150006192A1 (en) * | 2013-06-26 | 2015-01-01 | WellDoc, Inc. | Systems and methods for clinical decision-making |
US20190287645A1 (en) * | 2016-07-06 | 2019-09-19 | Guardant Health, Inc. | Methods for fragmentome profiling of cell-free nucleic acids |
-
2018
- 2018-06-14 EP EP18729473.1A patent/EP3639168B1/en active Active
- 2018-06-14 CN CN201880039363.2A patent/CN110753967A/zh active Pending
- 2018-06-14 US US16/622,384 patent/US20200227170A1/en active Pending
- 2018-06-14 JP JP2019568745A patent/JP7181900B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110319322A1 (en) * | 2008-04-04 | 2011-12-29 | Hygieia, Inc. | Systems, Methods and Devices for Achieving Glycemic Balance |
WO2011157402A1 (en) * | 2010-06-18 | 2011-12-22 | Roche Diagnostics Gmbh | Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers |
US20120232520A1 (en) * | 2011-03-10 | 2012-09-13 | Abbott Diabetes Care Inc. | Multi-Function Analyte Monitor Device and Methods of Use |
US20140350369A1 (en) * | 2013-03-15 | 2014-11-27 | Abbott Diabetes Care Inc. | System and method to manage diabetes based on glucose median, glucose variability, and hypoglycemic risk |
Also Published As
Publication number | Publication date |
---|---|
JP7181900B2 (ja) | 2022-12-01 |
EP3639168A1 (en) | 2020-04-22 |
EP3639168B1 (en) | 2022-05-11 |
CN110753967A (zh) | 2020-02-04 |
US20200227170A1 (en) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7181900B2 (ja) | 患者プロファイルに基づくインスリン滴定アルゴリズム | |
CN114796704B (zh) | 用于胰岛素的递送的设备和方法 | |
US9990581B2 (en) | Insulin dosage assessment and recommendation system | |
CN114206207A (zh) | 与药物剂量指导相关的系统、装置和方法 | |
EP3844782B1 (en) | Retrospective horizon based insulin dose prediction | |
US20100125241A1 (en) | Prandial Blood Glucose Excursion Optimization Method Via Computation of Time-Varying Optimal Insulin Profiles and System Thereof | |
US20140128705A1 (en) | Computer-based diabetes management | |
JP6983871B2 (ja) | 基礎インスリン滴定のスターターキット | |
JP7217698B2 (ja) | インスリン感受性を判断するためのシステムおよび方法 | |
JP6756030B2 (ja) | 適応的目標グルコース値による基礎滴定 | |
JP7195254B2 (ja) | 基礎速度滴定のためのスターターキット | |
US20230005587A1 (en) | Determining whether adjustments of insulin therapy recommendations are being taken into account | |
EP4070333A1 (en) | Determining total daily basal dose mismatch | |
JP2019530489A (ja) | 食事イベントに関連したボーラスタイミングを最適化するためのシステムおよび方法 | |
CN109564776B (zh) | 用于调整胰岛素方案中的基础/餐时比率的系统和方法 | |
US20210151189A1 (en) | Joint state estimation prediction that evaluates differences in predicted vs. corresponding received data | |
CN115052516A (zh) | 决策支持和治疗管理系统 | |
US20240058532A1 (en) | System and method for titrating basal insulin doses | |
CN109863559A (zh) | 调整基础施用时间的系统和方法 | |
JP2023504519A (ja) | 投与ガイダンスアルゴリズムのための自己ベンチマーキング |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210518 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220621 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221108 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7181900 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |