JP5728767B2 - インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム - Google Patents

インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム Download PDF

Info

Publication number
JP5728767B2
JP5728767B2 JP2012531548A JP2012531548A JP5728767B2 JP 5728767 B2 JP5728767 B2 JP 5728767B2 JP 2012531548 A JP2012531548 A JP 2012531548A JP 2012531548 A JP2012531548 A JP 2012531548A JP 5728767 B2 JP5728767 B2 JP 5728767B2
Authority
JP
Japan
Prior art keywords
data
insulin
section
time
raw log
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
Application number
JP2012531548A
Other languages
English (en)
Other versions
JP2013526887A (ja
Inventor
エラン・アトラス
レヴィタル・ニムリ
シャハー・ミラー
イーライ・アヴィラム・グランバーグ
モシェ・フィリップ
Original Assignee
ドリームド・ダイアベティス・リミテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ドリームド・ダイアベティス・リミテッド filed Critical ドリームド・ダイアベティス・リミテッド
Publication of JP2013526887A publication Critical patent/JP2013526887A/ja
Application granted granted Critical
Publication of JP5728767B2 publication Critical patent/JP5728767B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • 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
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical 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
    • G16H50/20—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
    • 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
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • 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
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/201—Glucose concentration

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Emergency Medicine (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Artificial Intelligence (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)

Description

本発明は、一般に、医学的応用分野におけるものであり、インスリン送達管理のための方法およびシステムに関する。
既存の血糖管理機器は、糖尿病患者が、日々の日課の合間に自らの血糖値を管理するのを支援する。これらの機器のうちのいくつかは、一日を通してインスリンを継続的に送達するインスリンポンプである。その他の機器は、例えば、一定のタイムラインに沿って血糖値を測定する、すなわち血糖示度を取得する糖監視機器である。
インスリンポンプは、患者のライフスタイルの変化を考慮して、医師がポンプ設定を多くの異なる基準投与量にプリセットすることを可能にする。さらに、医師は、炭水化物の過剰な摂取要求をカバーするため、または高い血糖値を補正するために、インスリンボーラス送達(インスリンの一括大量投与)を事前に決めておくことができる。これらのポンプ設定は、血糖目標値と、インスリン基準投与量と、炭水化物比率(CR)(carbohydrate ratio or factor)と、補正係数(CF)および一定のインスリン活性関数とを含む。
通常、医師は、(離散点でグルコースメータによって測定された、または連続的なグルコースセンサを使用して測定された)過去のグルコース量と、これまでに送達されたインスリン(時間の経過に伴い基準投与量またはボーラス投与量のいずれかの形でどれだけ多くのインスリンが送達されたかの詳細なログ)と、糖尿病患者のすべての食事および身体的活動の量および時間の詳細なログとを含む個人情報を患者から受け取る。したがって、医師は、遡及的解析を実施し(すなわち、来診の間にログデータを調べ)、この情報に基づいて、インスリンポンプ設定を決定する必要がある。
インスリン送達ポンプ機器の動作を円滑にすることを目的とした様々な技法が開発されている。そのような技法は、例えば、以下の特許公報で開示されている。
米国特許出願公開第2008/0228056号は、ユーザによって催促されたとき、基準インスリン投与量試験を開始するための電気信号を生み出すように構成されたユーザインターフェースと、特定の基準インスリン投与量パターンに従ってインスリンを送達する間の持続時間を含む特定の持続時間の間に取得された患者のサンプル血糖データを受信するように構成された入力と、入力およびユーザインターフェースに通信可能に結合されたコントローラとを備えた装置を開示する。このコントローラは、インスリン計算モジュールを含む。
米国特許出願第7,751,907号は、コントローラを備えた装置を開示し、このコントローラは、入出力(I/O)モジュールと規則モジュールとを含み、I/Oモジュールは、ユーザインターフェースに通信可能に結合されるとき、患者に質問を提示して、ユーザインターフェースを経由して、その質問に応答して患者情報を受信するように構成され、規則モジュールは、その患者情報に規則を適用して、その規則の適用から示唆されるインスリンポンプ設定を生成するように構成される。
米国特許出願公開第2008/0206799号は、ユーザによって催促されたとき、炭水化物比率試験を開始するための電気信号を生み出すように構成されたユーザインターフェースと、特定の存続時間の間に取得された患者のサンプル血糖データを受信するように構成された入力と、入力およびユーザインターフェースと電気通信中のコントローラとを備えた装置を開示する。このコントローラは、炭水化物比率示唆モジュールを含む。
米国特許出願第7,734,323号は、ユーザによって催促されたとき、有効な補正係数の特定を開始するための電気信号を生み出すように構成されたユーザインターフェースと、特定の存続時間の間に取得された患者のサンプル血糖データを受信するように構成された入力と、入力およびユーザインターフェースと電気通信中のコントローラとを備えた装置を開示する。このコントローラは、補正係数示唆モジュールを含む。
米国特許出願公開第2008/0228056号 米国特許出願第7,751,907号 米国特許出願公開第2008/0206799号 米国特許出願第7,734,323号
患者に対するインスリン送達を管理する新規性のある手法の必要性が当技術分野に存在する。そのような必要性は、以下に関連する。
従来のインスリンポンプでは、医師が必要とされる包括的ポンプ設定(global pump settings)に成功し、かつ/または(予め医師によって設定された)インスリンポンプ設定の妥当性に関する試験を実行するための応答を患者に対して「要求する」ことが当初必要とされる。しかし、これは、より程度の高い専門知識を医師に要求し、患者がそれらの要求に正確に応答するという仮定にも基づく。そのような包括的ポンプ設定は、医師または治療を受けている患者がその設定を手動でリセットするときまで、インスリンポンプの動作の間一定のままである。したがって、そのような従来の手法に基づいて設定されたインスリンポンプ設定は、患者と協働するには必然的にあまりにも取り扱いに注意を要求しすぎる。
本発明は、例えば、従来の血糖監視機器内で蓄積している未加工ログデータから導出された、正確で、信頼性のある調整されたインスリンポンプ設定に関する新規性のある技法を提供することによって、上記の問題を解決する。したがって、本発明は、例えば、データが取得された特質に関して人間の解釈または仮定を伴わない場合ですら、包括的インスリンポンプ設定の教師なし判定(unsupervised determination)を実現する。受信されたデータからインスリンポンプ設定をそのように教師なし判定する本発明の技法は、実際に、糖尿病患者側の協力的な関与の必要性とは完全に独立している。
正確で、説明できるポンプ設定を達成するために、糖尿病患者および/もしくは医師の側の積極的な関与または協力を必要とする試験に関する標準化された手順とは対照的に、本発明の監視技法は、ログ/未加工データの遡及的解析を実行して、残りの未加工データから有益なデータを隔離して、最適な包括的インスリンポンプ設定を達成するための教師なし学習手順を適用する。本発明の技法は、したがって、知られている技法によれば、無視されるか、または人間の専門家の分析を排他的に条件とする、未加工データから有益なデータを抽出する能力を提供する。本発明で利用される遡及的解析は、教師なしデータプロセッサに入力された未加工ログデータを形成する、数日(少なくとも2日)の一定の時間間隔の間に収集された履歴測定データから抽出された包括的インスリンポンプ設定を計算することを目的とすることを理解されたい。本発明の目的、すなわち、遡及的解析のための最小時間間隔は、(下でさらに説明される)様々なタイプの情報の収集物と、異なる情報断片を識別するシステム(データプロセッサ)の能力とによって実際に規定される。本発明者らは、実際に、このポンプの設定を計算するには2日間のデータ記録で充分であることを見出した。教師なし遡及的解析に関する時間窓に関して、より低い2日の限度を設定することによって、本発明は、治療を受ける患者の実質的に未加工のログデータの蓄積を利用するが、患者情報の大量のデータセクションの解析を可能にするために、より多い情報の蓄積が好ましい。履歴測定データは、本発明に従って、これらのデータセクション内の履歴上の実績から包括的インスリンポンプ設定を計算するために、適切に識別され、区分化され、隔離され、遡及的に解析される複数のデータ断片を含む。本発明は、包括的インスリンポンプ設定、すなわち、最適な、維持されるべきポンプ設定を計算することを可能にすると同時に、未加工データを処理することを実現する点も理解されたい。
本発明は、糖尿病治療管理で使用するための監視システムに関し、この監視システムは、
一定の時間にわたって取得され、グルコース測定値、摂取された食事、およびインスリン送達の時間間隔を置いたデータ点である、記憶された未加工ログデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェースと、
前記未加工ログデータを受信および処理し、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求め、遡及的に解析するために前記有益なデータ断片を選択して、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線(AIF)パラメータの少なくとも1つの包括的インスリンポンプ設定を計算するように構成され、かつ動作可能な教師なし学習コントローラを備える制御ユニットとを含む。
いくつかの実施形態では、未加工ログデータは、事前にプログラムされたサンプリングパターンに従って獲得される。教師なし学習コントローラは、前記一定の時間の選択されたタイムスロットに対応する前記有益なデータ断片の一部から前記パラメータのそれぞれを求めるように構成され、かつ動作可能である。したがって、インスリンポンプ設定に関する前記有益なデータ断片は、対応するタイムスロット内で識別される。
教師なし学習コントローラは、前記パラメータのそれぞれを計算するために、前記有益なデータ断片を解析し、適切なタイムスロットを選択するように構成され、かつ動作可能であり、包括的インスリンポンプパラメータは、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのものである。
いくつかの実施形態では、受信された未加工ログデータは、何らかのユーザインタラクションにかかわりなくアクセス時におけるメモリイメージに対応する。
別の態様では、本発明は、糖尿病治療管理で使用するための監視システムに関し、この監視システムは、
グルコース測定値、摂取された食事、およびインスリン送達の時間間隔を置いたデータ点である、記憶されたデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェースと、
前記データを遡及的に解析し、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータの少なくとも1つの包括的インスリンポンプ設定を決定するためのデータプロセッサユーティリティを備えた制御ユニットであって、前記プロセッサユーティリティが、前記一定の期間の選択されたタイムスロットに対応する前記受信されたデータのデータ断片を処理することによって前記パラメータのそれぞれを求めるように動作可能である、制御ユニットとを備える。
いくつかの実施形態では、プロセッサユーティリティは、前記パラメータのそれぞれを求めるために、受信されたデータを解析し、前記一定の期間内のタイムスロットを選択するように構成され、かつ動作可能である。
いくつかの実施形態では、制御ユニットは、前記通信インターフェースに関連付けられた、かつ所定のサンプリング時間パターンに従って前記データを受信するように事前にプログラムされたコントローラを備える。
受信された記憶されたデータは、何らかのユーザインタラクションにかかわりなくアクセス時におけるメモリイメージの記憶されたデータであってよい。
このシステムは、記憶されたデータを維持するように構成され、かつ動作可能なメモリモジュールを備えることが可能である。
解析するステップは、記憶されたデータを区分化し、それによって、所定の時間窓内で記憶されたデータを取得するステップを含むことが可能である。所定の時間窓が基本データセクション(BaS)である場合、計算されたインスリンポンプ設定は基準投与量または基本計画である。前記所定の時間窓が食事データセクション(MS)である場合、計算されたインスリンポンプ設定は、活性インスリン関数(AIF)、補正係数(CF)、または炭水化物比率(CR)から選択される。所定の時間窓がボーラスデータセクション(BS)である場合、計算されたインスリンポンプ設定は、補正係数(CF)または活性インスリン関数(AIF)から選択される。記憶されたデータは、例えば、インスリンポンプ送達機器のコントローラまたはモジュールからなど、遠隔コントローラから取得可能である。いくつかの実施形態では、記憶されたデータは、ユーザ操作とは独立した任意の非同期操作を介してアクセス可能である。いくつかの実施形態では、記憶されたデータは、未加工ログデータ入力を独立して蓄積している遠隔コントローラのメモリイメージである。遠隔コントローラは、治療を受けている患者の日課を記録する前記未加工ログデータ入力を独立して蓄積することが可能である。グルコースセンサ示度、インスリン送達、および食事記録を示す未加工ログデータ入力は、前記未加工ログデータ入力を独立して蓄積している遠隔コントローラから取得されているファイルでありうる。
このファイルは、ネットワークからダウンロードされて、メモリモジュール内に記憶することが可能である。
別の態様では、本発明は、インスリンポンプ設定を決定する際に使用するための方法に関し、この方法は、インスリンポンプ設定の教師なし学習を実行するステップを含み、前記教師なし学習は、
一定の時間窓に沿って、単一の治療を受けている患者のグルコースレベルを記録している1つまたは複数のグルコース監視ユニット上で蓄積された未加工ログデータ入力を取得するステップと、
データセクションに区分化されている未加工ログデータ入力から有益なデータ断片を求めるステップであって、有益なデータ断片が前記データセクションから求められる、ステップと、
有益なデータ断片からインスリンポンプ設定を計算するステップであって、前記設定が、基本計画、炭水化物比率(CR)、補正係数(CF)、または活性インスリン関数(AIF)のうちの少なくとも1つのパラメータを含む、ステップとを含む。
未加工ログデータの区分化手順は、基本セクション(Bas)、ボーラスセクション(BS)、または食事セクション(MS)のうちのいずれかであってよい所定のデータセクションを提供する。この方法は、共有時間軸に沿って、前記未加工ログデータ入力の複数のデータ部分を提供するための整合手順を利用する。
この方法は、集約された血糖値の値とタイムスタンプの両方を有する代表的なデータ点を決定するステップをさらに含むことが可能であり、したがって、集約された血糖値の値は選択された基本期間と対にされ、代表的なデータ点は、選択された基本期間に関する基準投与量決定値を示す。
いくつかの実施形態では、前記基本セクション(Bas)の未加工ログデータ入力は、時間の関数として一連の基準投与量を含む。したがって、この方法は、
前記基本セクション(Bas)において治療を受けている患者を特徴付ける時間遅延を求めるステップであって、前記時間遅延が基準治療投与量とグルコースレベルの変化との間である、ステップと、
送達時間において複数の選択された基準投与量を取得するステップであって、それぞれの対のグルコースレベルが送達時間から測定された時間遅延におけるものである、ステップと、
複数の選択された基準投与量から、グルコースレベル内の変化を最小限に抑える、結果として生じる基準投与量を求めるステップとを含むことが可能である。
いくつかの実施形態では、この方法は、
時間セクション内の未加工ログデータに関するグルコース測定値と対のタイムスタンプのセットを取得するステップと、
そのセットのそれぞれのグルコース測定値を正規化し、それによって、一連の正規化されたグルコース測定値および対のタイムスタンプを取得するステップと、
前記正規化されたグルコース測定値と対のタイムスタンプとを処理し、実質的に単調な非増加級数(non-increasing series)にし、それによって、活性インスリン関数(AIF)を取得するステップとを実行することによって、活性インスリン関数(AIF)を決定するステップを含む。
いくつかの実施形態では、この方法は、MSセクションに関する複数のグルコースレベルと対の実効炭水化物比率(practical carbohydrate ratios)とを求めるステップであって、対の実効炭水化物比率が曲線を規定する候補炭水化物比率である、ステップを含む。最終的な炭水化物比率(CR)設定は、候補実効炭水化物比率から決定される。
いくつかの実施形態では、補正係数(CF)は、食事に関して求められ、MSセクション内の活性インスリンを推定するためのAIFとジャストインタイム炭水化物比率(CR)とを処理することによって計算される。
補正係数(CF)は、以下のパラメータ、すなわち、
時間窓または時間セクションの間の最小センサ示度と、切迫低血糖期間外および低血糖期間外に記録された最低血糖示度との間の比率と、
最小センサ示度を取得するのに先立つタイムスロット内の最大センサ示度とに従って修正可能である。
いくつかの実施形態では、複数の候補補正係数(CF)が求められ、補正係数(CF)設定は、それらの候補補正係数(CF)を用いて実行される投票手順(voting procedure)によって求められる。
別の態様では、本発明は、患者のインスリン治療の際に使用するための活性インスリン関数(AIF)を求めるための方法を提供し、この方法は、
一定の時間にわたって取得され、患者のグルコース測定値を示している未加工ログデータを取得するステップであって、区分化されている未加工ログデータが、時間セクションにおいて取得されたデータを含む、ステップと、
時間セクション内の未加工ログデータに関するグルコース測定値と対のタイムスタンプのセットとを取得するステップと、
そのセットのそれぞれのグルコース測定値を正規化し、それによって、一連の正規化されたグルコース測定値および対のタイムスタンプを取得するステップと、
前記正規化されたグルコース測定値と対のタイムスタンプとを処理し、実質的に単調な非増加級数にし、それによって、活性インスリン関数(AIF)を取得するステップとを含む。
別の態様では、本発明は、糖尿病治療管理で使用するための制御ユニットを提供し、この制御ユニットは、一定の時間にわたって取得され、グルコース測定値、食事事象、およびインスリン送達を示している未加工ログデータ入力を処理するように事前にプログラムされた教師なし学習コントローラとして構成され、かつ動作可能なデータプロセッサユーティリティを備え、この処理することは、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求め、前記有益なデータ断片を選択して、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを求めるためにさらに処理し、包括的インスリンポンプ設定を生成することを含む。
本発明を理解し、本発明が実際にどのように実行可能であるかを理解するために、次に、添付の図面を参照して、単なる非限定的な例として、実施形態が説明される。
本発明において使用される未加工ログデータの例示であり、このデータを異なるデータセクションまたは異なるデータセクションタイプに区分化する原理を例示する図である。上位グラフG1はグルコースレベルL1を示し、この場合、食事事象S4は三角形によって印されている。下部グラフG2はインスリン治療を示し、この場合、横線L2は、基準投与量であり、円を伴う縦線はボーラスである。セクションS1は基本データセクション(BaS)に対応し、セクションS2は、食事データセクションMSに対応し、セクションS3はボーラスデータセクションBSに対応する。 基本計画の設定を決定するためのグルコースレベル手順に関して例示されるグルコース解析を示す図である。この図は、解析に先立つ未加工ログデータの分割および集約を示す。 基本計画の設定を決定するためのグルコースレベル手順に関して例示されるグルコース解析を示す図である。分割後および集約後の未加工ロググルコース示度データのタイムラインは細い線を用いて示される。この例では、基本期間は、00:00、03:00、07:00、11:00、15:00、および20:00に設定される。この図は、それぞれの基本期間に関する中央グルコースレベル(太い線)、および90〜140mg/dlに設定された目標範囲(陰影領域)も提供する。 推奨される炭水化物比率(CR)を計算するための食事セクション(MS:MS1〜MS7)から導出された例示的な食事セクションを示す図である。上部グラフG3はグルコースレベル(青線、L3)を示し、この場合、食事事象は、黒の三角形を使用して印されている。下部グラフG4は、インスリン治療を示し、この場合、横線L4は基準投与量であり、黒の円を伴う縦線はボーラスである。これらのセクションは、数字で黒のフレームを用いて印されている。 図4のセクションMS1に重点を置いた例を示す図である。上部グラフG3はグルコースレベル(青線L3)を示し、この場合、食事事象は黒の三角形を使用して印されているMS1。下部グラフG4はインスリン治療を示し、この場合、横線L4は基準投与量であり、黒い円を伴う縦線はボーラスである。 図4のセクションMS4に重点を置いた例を示す図である。上部グラフG3はグルコースレベル(青線L3)を示し、この場合、食事事象は、黒の三角形を使用して印されている。下部グラフG4はインスリン治療を示し、この場合、横線L4は基準投与量であり、黒の円を伴う縦線はボーラスである。 対Ser={DiffBG(i),pracCR(i)}(赤い点)の例示的なプロット図である。青線L5は、多項式解析の結果であり、一方、緑線L6は、投票解析の結果であり、破線は、DiffBG=0の線を印す。 結果として、CF設定の計算をもたらす例示的なMSセクション解析を提供する図である。MS区分化手順に従って、MSタイムストレッチが求められる。上部グラフG5はグルコースレベル(青線L7)を示し、この場合、食事事象は黒の三角形を使用して印されている。下部グラフG6はインスリン治療を示し、この場合、横線L8は基準投与量であり、黒の円を伴う縦線はボーラスである。 糖尿病患者の糖尿病治療を監視するための構成要素、すなわち、機器(または、システム)を非限定的な形で例示する概略ブロック図である。 インスリンポンプ設定を教師なし判定するための方法を例示する流れ図である。 基本計画を教師なし判定するための方法を例示する流れ図である。 炭水化物比率(CR)を教師なし判定するための方法を例示する流れ図である。 炭水化物比率(CF)設定を教師なし判定するための方法を例示する流れ図である。 本発明の一実施形態による、活性インスリン関数を教師なし判定するための手順の流れ図である。
本発明によれば、インスリンポンプ設定は、本発明に従って構築され、かつ動作可能なコントローラユーティリティによって実行される教師なし学習手順を利用して、未加工ログデータに基づいて計算される。このコントローラは、監視または人間の支援解析を伴わないのはもちろん、前記データの任意のその他の事前処理の必要もなしに機械可読未加工ログデータを解析する。本発明の技法は、患者のインスリンポンプ治療管理を規定するパラメータのセットの割当てを可能にし、人間の事前処理または人間の支援を必要としない。
未加工ログデータを学習するのに必要なのは、本発明のシステムまたは機器に未加工ログデータ入力を機械可読フォーマットで提供することだけである。
インスリンポンプ設定は、患者のインスリンポンプ治療管理を規定するパラメータのセットを含む。従来、これらのパラメータは、少なくとも当初、訓練された医師によって、患者の入力データの過去の実績をグラフの形で、遡及的に手動で解析することと、その医師の洞察と経験とだけに基づくその医師の意思決定とによって求められ、したがって、実質的に主観的な判断である。さらに、従来の手法によれば、パラメータ(インスリンポンプ設定)のそのようなセットは、遡及的解析に従って、医師によってそれぞれの患者に関して明確に調整される。
インスリンポンプ設定は、典型的には、以下を含む。
一日の時間/時刻に関して計画されたインスリンの持続注入である基本計画。基本計画は、一日の異なる時点で送達された(通常、時間当たりのインスリン単位で)いくつかの「基準投与量」からなる。例示的な、非限定的な例はTable1(表1)から理解できる。
Table1(表1)に示すように、第1の列は、インスリンが送達される送達時間、すなわち、タイムスロットを表す。第2の列は、送達されることになるインスリンの量を示す。当業者が理解するように、複数のデータ構造およびメモリユーティリティは、基本計画に関する情報を維持することが可能である。本質的に、そのような情報を維持するメモリ項目は、<タイムスタンプ、基準投与量>または<期間/タイムスロット、基準投与量>の形で以下の構造の対を含む。データ断片のこれらの対も、本明細書で示され、議論される。
これに関して、横線L2が基準投与量に対応し、黒の円を伴う縦線がボーラスに対応する血糖値測定データ(グラフG1)およびインスリン治療(グラフG2)の非限定的な例を示す図1を参照する。これらのグラフは、下でさらに詳細に説明される。基本計画に関して、グラフ横線G2内のL2は、上で議論された対<期間/タイムスロット、基準投与量>を表す。グラフG2は、時間に応じて変化する治療を例示する。図1では、00:00から02:00のタイムスロット内で、時間当たり1.1単位が送達されることが計画されている。対応する対は、例えば、<00:00〜02:00,1.1>であってよい。当業者は、そのような情報を符号化するための様々な様式が存在し、そのような目的に関して特定の符号化方式を決定できることを理解するであろう。
炭水化物比率(CR)は、患者によって食事で摂取される炭水化物(CHO)を補うために必要とされるインスリンボーラスを求めるために使用されるインスリンポンプ設定のパラメータである。CRは、通常、インスリンの単位当たりCHOグラムで規定される。例えば、患者は、50グラムのCHO容量を有する食事をとることになり、そのCRは単位当たり5グラムに等しい。このシナリオでは、患者は、10単位の(ボーラスは食事の結果として必要とされることを強調するために、「食事インスリンボーラス」とも呼ばれる)インスリンボーラスを受ける必要があることになる。
補正係数(CF)は、目標血糖値からの血糖値の変化を補うために必要とされるインスリンボーラスを求める、または決めるために使用されるインスリンポンプ設定のパラメータである。CFは、インスリンの単位あたりmg/dlで規定される。例えば、患者の血糖値は250mg/dlであり、目標血糖値は100mg/dlであり、この場合、CFは、医師によって単位当たり50mg/dlと決定される。このシナリオでは、患者は、すなわち、目標しきい値より150mg/dl高い値を補正するために、3単位の補正インスリンボーラスを送達することが必要になる。別の例は、血糖値が事前に規定された目標またはしきい値未満のときである。例えば、血糖値が65mg/dlである場合、患者は、すなわち、目標しきい値より35mg/dl低い値を補正するために、(-0.7)単位の補正ボーラスを計算することになる。患者は、この結果を用いて、その患者が食べることを望む場合、食事インスリンボーラスからその結果を差し引くことができる。いくつかのシナリオでは、食事ボーラスは、本来、10単位であり、患者は、自らの低い血糖値を考慮して、9.3単位(10〜0.7単位)だけ送達することができる。
インスリン活性関数(AIF)は、例えば、通常、時間に応じて、送達の(T)時間後に依然として活性なインスリン(すなわち、「AI」とも呼ばれる活性インスリン)の割合を規定する、インスリンポンプ設定の別のパラメータである。「依然として活性な」という表現は、これらの単位のインスリンが血糖値に影響を及ぼし、インスリンが血液から細胞へのグルコース調整に依然として活発に関与していることを意味する。AIFは、患者に関するインスリンの薬理作用を規定する。従来のインスリン送達管理技法によれば、AIFは、治療を受けている特定の患者ではなく、患者のクラスに関するデータに基づいて規定された、一定の事前に規定されたポートフォリオから選択される。医師は、これらの事前に規定されたAIFから使用に関する特効薬を選ぶ。例えば、以下の方程式は、時として、AIFを記述している。
AI=100-20t(1)
式中、AIは、活性インスリンの割合であり、tは、インスリンの送達から経過した(例えば、時間単位の)時間である。例えば、この関数を用いると、4単位のサイズのインスリンボーラスが、t=1時間よりも、t=0で送達された場合、このボーラスの80%、すなわち、3.6単位は依然として活性であり、t=5時間で送達された場合、このボーラスはもはや活性ではない。
一部の送達ポンプは、計算されたインスリンボーラスから活性インスリンの量を減算することを可能にすることに留意されたい。
補正ボーラスが求められている間に、患者が目標とする血糖値である血糖目標レベル。
一部のインスリンポンプは、患者がCR、CF、AIFを挿入することを可能にして、ポンプを目標にし、患者が必要とされるボーラスを計算するのを支援するボーラス計算機を有する。
治療を受けている患者のグルコースレベル制御を最適化および改善するために、ポンプ設定、すなわち、血糖目標、インスリン補正係数、炭水化物比率、基本計画、およびインスリン活性関数を適切に調整することは必須である。これらの調整されたポンプ設定は、時々さらに変更できる。
通常の実施では、医師は、以下のデータを含む患者の入力を(問診の間、またはウェブ上で)患者から受け取る。
(a)(例えば、離散点においてグルコースメータによって測定された、または連続グルコースセンサを使用して測定された)グルコース量。この事例は、医師が、例えば、グルコース監視ユニットまたはグルコース管理機器のメモリ構成要素からこの情報を(通常、グラフの形で)データ記録として取得するような場合でありうる。この情報は、<タイムスタンプ(i)、BG(i)>の形であってよく、この場合、BG(i)は、測定された血糖である。
(b)送達されているインスリンの量(例えば、経時的に基準投与量またはボーラスの形でどれだけ多くのインスリン単位が送達されたかのログ)。この情報は、<タイムスタンプ(i)、基準投与量(i)>および<タイムスタンプ(i)、ボーラス(i)>の形であってよく、この場合、基準投与量(i)は、送達された基本インスリンであり、ボーラス(i)は、送達されたボーラスインスリンである。
(c)食事ログ/活動ログ(食事または活動の量および時間の詳細ログ)。この情報は、<タイムスタンプ(i)、M(i)>の形であってよく、この場合、M(i)は摂取されたCHOの量である。
当業者は、データ項目(a)、(b)、および(c)を表すために、その他のデータフォーマットを用いることが可能であることを理解するであろう。
本発明は、インスリン送達ポンプのメモリ構成要素、もしくはその他の測定装置、ならびに/またはデータ項目(a)、(b)、および(c)を記録するために使用される記憶装置から取得可能な、実際には未加工ログデータであるそのようなデータ記録と、場合によっては、治療を受けている患者の日課の間のその他の情報、すなわち、日課の記録とを利用する。
したがって、未加工ログデータは、測定されたグルコースに直接関係する検体センサから測定された信号のアナログ表現またはデジタル表現と、インスリン送達および摂取された食事として患者のインスリンポンプによって記録されたデータとを含む。例えば、未加工データストリームは、ある時点のグルコース濃度を表すアナログ信号から変換されたデジタルデータであるか、またはある時点の食事摂取を表すデジタルデータである。これらの用語は、そのそれぞれが、ほんの一瞬から最高で、例えば、2分、4分、もしくは10分、またはより長い時間に及ぶ時間間隔でとられた個々の測定値を含む、実質的に連続的な検体センサ(すなわち、連続的なグルコースセンサ)から複数の時間間隔を置いたデータ点を広く包含する。時間間隔を置いたデータ点は、いくつかの実施形態では、事前にプログラムされたサンプリングパターンに従う。
未加工ログデータは、記憶されたデータから(遠隔コンピュータシステム/データベースに関連しうるか、もしくは患者の測定機器に関連しうるメモリユーティリティから)取得または受信可能である。記憶されたデータは、したがって、その記憶されたデータに対するアクセス時におけるメモリイメージとして取得可能である。この文脈で、メモリイメージは、例えば、さらなる処理を伴わずに、その状態でインスリン送達ポンプ内に記憶されたデータを指す。患者の日常活動において収集されたデータは、患者の活動を意図的に指導している間に集められたデータとは異なる。本発明の目的で、未加工ログデータは、(監視ユニットに接続されている患者以外の)監視されている患者のいかなる特別な注意も伴わないのはもちろん、臨床職員のいかなる特別な注意も伴わずに連続的に蓄積可能である。経時的にこれらの測定値を記録することは、単独では本発明の一部を形成しない、任意の知られている適切な技法における監視段階の一環として実行される。本発明において使用されるそのような未加工ログデータの使用は、患者からの積極的な関与または試験タイムラインを必要とする試験に関する標準化された手順を含まず、すなわち、患者は、通常の日常活動を維持し、例えば、任意の食料物質を摂取することまたは任意の食料物質を摂取することを抑制することが必要とされない。この未加工ログデータは、患者の日常活動の間、数日の時間間隔を介して集められることに留意することが重要である。本発明は、患者の日課の間に記録されている前記未加工ログデータからインスリン送達ポンプ設定を決定するための新規性のある技法を提供する。
上記の手法を従来の手法と比較すると、本発明は、医師が任意の遡及的解析を実施して(すなわち、来診の間にデータを調べて)、この情報に基づいて、包括的インスリンポンプ設定をどのように変更するかの結論を主観的に出す必要を除去することを理解されたい。事実上、すべての医師がこの任務を適切に実行するのに必要とされる専門知識を有するとは限らないため、これは有利である。さらに、必要とされる専門知識を有する医師にとって、この任務は非常に時間がかかる。適切なインスリンポンプ設定に関する結論に達するために、そのデータは人間の目にとって明らかな可視的/識別可能なパターンを有さないことにより、そのデータを解析することは、時として非常に困難になる。
したがって、本発明は、未加工ログデータ入力を適切に解析できる教師なしシステムを提供することによって、訓練された医師による患者の入力の遡及的解析を置換する課題に対処する。本発明のそのような教師なしシステムは、データを編成して(すなわち、下位情報から有益な特質を隔離して)、グルコースレベル制御を最適化するためのインスリンポンプ設定を学習および決定する。本発明者らは、この特性を「MD論理」システムと名付けた。システムに対する入力は、一定の時間窓を介して取得され、現在のインスリンポンプ設定、グルコース測定値、食事事象、およびインスリン送達を示している記憶された未加工ログデータだけを含むことが可能である。未加工ログデータは、未加工ログデータを受信および処理し、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求め、前記有益なデータ断片を選択して、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを求め、インスリンポンプ設定を生成することを目指してさらに処理するように構成され、かつ動作可能な教師なし学習コントローラを備えた制御ユニットによって処理される。インスリンポンプ設定は、包括的インスリンポンプ設定、すなわち、動作の間に変更されない一定設定である。
本発明の実施形態による教師なし学習手順は、以下のプロセスを含む。
a)初期データの解析および区分化、
b)基本計画アルゴリズムを学習すること、
c)AIFアルゴリズムを学習すること、
d)CRアルゴリズムを学習すること、
e)CFアルゴリズムを学習すること、
f)目標設定の設定を更新すること。
本発明は、上に列挙された手順のすべてを実施することにも、それらが上で列挙されている順序にも限定されないことに留意されたい。
いくつかの実施形態では、教師なし学習コントローラは、これらの教師なし学習方法の手順のうちの少なくとも1つを実行するように構成され、かつ動作可能である。これらの教師なし学習手順は、未加工ログデータ収集の間および/またはインスリンポンプ設定の決定に至るプロセス実施中に、人間の関与を伴わずに、上で規定された未加工ログデータからインスリンポンプ設定を決定する手順と理解されるべきである。上で示されたように、未加工ログデータは、特定の患者もしくは医師に関する任意の仮定される試験またはその他の予め準備された仮定に関係なく、患者の定期的な日常活動の間に実行されているログ記録(すなわち、ユーザに依存しない手順/方法)である。
以下は、上の手順のそれぞれの実施するための本発明の例のより詳細な説明である。
初期データの解析および区分化
未加工ログデータは、例えば、1つもしくは複数の薬物送達機器(または、必要とされる測定値を記録する監視機器)、および/あるいはグルコース測定値機器からのデータ、および/あるいは患者によって摂取される炭水化物を含む。これらのデータ断片は、患者がその自らの日課とインスリン治療とを維持する間に数日にわたって収集することが可能である。
本発明者らは、インスリンポンプ設定の学習は、未加工ログデータが蓄積されている一定のタイムスロットに重点を置くことによって達成可能であることを見出した。この点で、タイムスロットは、開始点と終点とを有する時間窓である。一定のタイムスロット内で蓄積されている未加工データは、前記時間窓内で、すなわち、開始点と終点との間で生じたタイムスタンプを有する未加工ログデータである。本発明者らは、異なるインスリンポンプ設定のパラメータが異なるタイムスロットにおいて獲得されるべきであることを見出した。いくつかの実施形態では、したがって、インスリンポンプ設定の異なる成分/パラメータは、そのマッチするタイムスロット/対のタイムスロットを識別するために、未加工ログデータ全体の事前処理を必要とする。いくつかの実施形態では、データセクションは、事前にプログラムされたサンプリングパターンに従う。本発明者らは、データセクションと、その関連するポンプ設定または対のポンプ設定のパラメータとを以下のように説明できることを見出した。
A)基本データセクション(BaS)
基本計画決定に関するマッチするタイムスロット/対のタイムスロットの識別は、ボーラスまたは食事がグルコース測定値に影響を及ぼさない基本計画の変更が特に有用であるという理解に基づく。したがって、BaSセクションは、センサログ測定および送達された基準投与量だけを含むデータ点を含み、時間の点で、インスリンボーラスまたは食事の影響から距離がある。食事および/ボーラス注入の影響を示すデータを含む時間窓、すなわち、タイムゾーンは、自動的に求めることができる。BaSセクションは、食事またはボーラスのいずれかの効果窓を含まないセクションとして規定できる。例えば、BaSセクションは、ボーラス送達後または食事後3時間のタイムスロットとして求めることができる。オプションで、効果ゾーンは、ボーラス送達後または食事後、約2時間、約3.5時間、約4時間、約6時間、もしくは約8時間、またはそれ以上に(自動的あるいは手動で)設定されてよい。いくつかの実施形態では、BaSタイムスロットは、最後に記録されたボーラス後または食事後約3時間で開始し、次の食事またはボーラスの発生時に終了する。
B)食事データセクション(MS)
MSセクションは、そのタイムスタンプが、最高で食事データ点の約3時間前であるようなデータ点を含む。MSセクションのそれぞれは、一度または複数の食事、インスリンボーラス、基準投与量、およびグルコース測定値レベルを示す未加工ログデータを含むことが可能である。
C)ボーラスデータセクション(BS)
これらのセクションは、以下の基準にマッチするデータ点を含む。
以下のうちの1つとして求めることができるBSセクションの開始点。すなわち、
1)MSセクションもしくはBaSセクションの終点、または
2)MSセクション内に含まれず、かつ最高で先のインスリンボーラスの3時間前の時点にそのタイムスタンプを有するインスリンボーラスデータ点。
このセクションの終点は、以下のうちの1つであってよい(すべての下のオプションにおいて、それぞれのオプションのタイムスタンプは、常に、上記の開始点の前である)。すなわち、
(1)MSセクションもしくはBaSセクションの開始、または
(2)以下のうち(時間の尺度で)最も遅いオプション。すなわち、
(a)その3時間のタイムフレーム内に任意のボーラスインスリンを伴わない、インスリンボーラスデータ点の3時間前、または
(b)その3時間のタイムフレーム内に任意のボーラスインスリンを伴わない、開始点から3時間後。
(3)いずれの場合も、このセクション長さは、約1時間より短くならない。
図1を再び参照すると、図1は、上で述べられ、かつ上記の区分化手順、すなわち、基本データセクション(BaS)、食事データセクション(MS)、およびボーラスデータセクション(BS)に従って求められた異なるセクションタイプに関する例を提供する。図1の上部グラフG1はグルコースレベルを示し、この場合、食事事象S4は、黒の三角形を使用して印されている。下部グラフG2はインスリン治療を示し、この場合、横線L2は基準投与量であり、黒の円を伴う縦線はボーラスである。セクションS1は、BaSに対応し、すなわち、このセクションS1は、基準投与量パラメータを生成または特定するための学習手順によって使用される。セクションS2は、MSに対応し、すなわち、下で説明されるように、CRパラメータ、AIFパラメータ、もしくはCFパラメータを生成または特定するための学習手順によって使用され、セクションS3はBSに対応し、すなわち、下で説明されるように、AIFパラメータもしくはCFパラメータを生成または特定するための学習手順によって使用される。
いくつかの実施形態では、本発明は、区分化モジュールに関し、この区分化モジュールは、入力として提供されている未加工ログデータを解析するように構成され、かつ動作可能であり、この入力は、基本データセクション(BaS)、食事データセクション(MS)、およびボーラスデータセクション(BS)のうちの少なくとも1つのデータセクションを示す出力信号を生み出すために処理される。
非限定的な例として、BaSは、処理されて、適切な基本計画を計算するために、基本計画モジュールに対する入力として提供可能である。BSは、補正係数モジュールおよび/またはAIFモジュールのうちのいずれかに対する入力として提供可能である。MSは、炭水化物比率モジュール、補正係数モジュール、および/またはAIFモジュールのうちのいずれかに対する入力として提供可能である。
インスリンポンプ設定を学習すること
図10は、包括的インスリンポンプ設定を学習および決定するために、本発明の監視システムによって、(例えば、下で議論されるシステム100によって)実行される主な手順を例示する流れ図200である。インスリンポンプ設定は、基本計画、CR、CF、およびAIFのうちの少なくとも1つを含むことが可能である。基本計画、CR、CF、またはAIFを求めるための特定の技法は、本明細書において下で提供される。
本方法は、本発明のコントローラ/プロセッサに対する入力データとして、未加工ログデータを取得するステップ210を含む。未加工ログデータ入力は、そこから解析が導出される機械可読データである。
インスリンポンプ設定を学習することは、区分化された未加工ログデータ210から有益なデータ断片を求めるステップ230を含む。有益なデータ断片は、インスリンポンプ設定の技法をさらに学習するための信頼性のある入力を含む未加工ログデータ内のデータ項目を含む。いくつかの実施形態では、有益なデータ断片は、解析に依存しうるグルコースパターンまたはグルコース量を含む。有益なデータ断片は、未加工ログデータから導出または強化されているデータを含むことも可能である。識別されている有益なデータ断片は、その後、インスリンポンプ設定を教師なし学習(または、決定)するステップ240のために使用可能である。インスリンポンプ設定240は、炭水化物比率、基本計画、および補正係数のうちのいずれかであってよい。
したがって、方法200は、未加工データに基づいて、ユーザまたは訓練された医師の側の協力を必要とせずに、インスリンポンプ設定の教師なし判定を可能にする。
教師なし学習およびポンプ設定決定に必要なのは、未加工ログデータ入力が機械可読フォーマットを有するという条件だけある。
いくつかの実施形態では、方法200は、未加工ログデータを特に区分化するステップ220を含む。本発明者らは、インスリンポンプのパラメータまたは設定のそれぞれが未加工ログデータ入力の異なるデータ部分を利用できることを見出した。いくつかの実施形態では、未加工ログデータは、基本計画を決定するために使用可能な区分化された部分222によって処理される。未加工ログデータ入力をBaSセクション(すなわち、基本関係情報)に隔離または区分化するための手順は上で説明された。
いくつかの実施形態では、方法200は、未加工ログデータ入力をMSセクション、すなわち、食事事象関係データに区分化するステップ224を含む。いくつかの実施形態では、方法200は、未加工ログデータ入力をBSセクション、すなわち、ボーラス関係データに区分化するステップ226を含む。
さらに、本発明者らは、求めるインスリンポンプ設定の精度は、未加工データを整合させて、オプションで、整合されたデータ入力を集約することによって向上できることを見出した。そのような整合手順は、より多様な入力データから有益なデータ断片を拡張および/または隔離する。したがって、例えば、治療を受けている患者によって所定の条件で実行される標準化された試験の代わりに、例えば、「オンザフライで」収集されている未加工ログデータ入力を使用することが可能である。
区分化技法は、複数のデータセクションのデータ解析をさらに可能にし、これらの複数のデータセクションは、CR、CF、または基本計画など、特定のインスリンポンプパラメータを求めるために利用される。初期のデータ解析および区分化は、既に上で説明された。
これらの複数のデータセクションは、それらのセクションのそれらの未加工データ内の暗示的なそれらの有益な(かつ/または反復)データ断片を拡張するために共に解析される。BaSセクションは、基準投与量パラメータを解析するために使用され、BSセクションは、CFパラメータまたはAIFパラメータを解析するために使用され、MSセクションは、CRパラメータ、AIFパラメータ、またはCFパラメータを解析するために使用される。
基本計画を学習すること
基本計画を介して送達されるインスリンは、通常、グルコースレベルのダイナミクスに影響を与えるが、炭水化物摂取(食事)と所与のインスリン(ボーラス)の観察された影響と比較して、この影響はわずかである。したがって、測定されたグルコースレベルの未加工ログデータは、未加工ログデータの有効なセグメントまたは部分を使用することによって、かつ食事またはボーラスインスリン(MSセクションまたはBSセクション)によって影響されうるグルコースレベルのデータセグメントを選択的に使用しないことによって「クリーニング」可能である。いくつかの実施形態では、本発明の学習手順は、未加工ログデータの「クリーニングされた」データまたは有効なセグメントを解析する。いくつかの実施形態では、この「クリーニングされた」データは、BaSセクションの未加工ログデータである。例えば、そのようなクリーンなデータが利用可能でなく、その他の実施形態では、したがって、基本インスリンに関するインスリンポンプ設定を解析するために他のデータセグメントが使用される(下で説明される)。
基本計画は、時間に応じて、一連の個人化された基本治療比率として表すことができる。そのようなデータの解析は、1日の事前に規定された期間(すなわち、基本期間)に関して個別に実行される。例として、未加工ログデータは、他のデータと切り離して、基本期間0000h〜0400hに関して別個に解析される。
図11は、本発明の一実施形態による、基本計画の教師なし学習のための方法を説明する流れ図300である。教師なし学習方法300は、グルコース測定値、食事事象、および送達されたインスリンの未加工ログデータから区分化された基本データを取得するステップ(ステップ310)を含む。これらの区分化された手順は、上で説明され、本文脈でも同様に適用可能である。いくつかの実施形態では、未加工ログデータは、グルコース測定値と、送達されたインスリンとを含み、すなわち、食事事象は本実施形態において必須ではない。
方法300は、タイムスロットまたは1日に沿った期間として、事前に規定された基本期間を決定するステップ(315)もオプションで含む。複数の暦日内で収集されているそれらの期間の未加工データ入力は、1日のその期間/それらの期間に関して特定の正確な有益なデータを抽出するために、下でさらに説明されるように整合される。解析に先立って、未加工ログデータ入力は、下で説明されるように計算されうる時間遅延を用いてオプションでシフトできる。
いくつかの実施形態では、方法300は、インスリン送達変化および血糖変化から、治療を受けている患者を特徴付ける時間遅延を求めるための手順320を実行する(時間遅延Aの計算については本明細書で述べた)。時間遅延の特定に続いて、グルコース測定値と基準投与量との間の推定される時間遅延率に従って、それぞれの事前に規定された基本期間に関する基準投与量の特定を実行できる。例えば、時間遅延A0に応答して、治療を受けている患者を特徴付ける前記遅延を適切に補うために、それに応じて、未加工ログデータ入力をおよその時間遅延A0にシフトすることが可能である。
未加工ログデータ入力を取得するステップに続いて、本方法は、基本計画を学習する手順330を含む。患者が基本計画の変更を必要としているかどうか判定するように設計されたスロープ関係アルゴリズム332を実行することが可能である。この手順は、それぞれの「クリーンデータ」セクション(例えば、BaSセクション)の終点のdGの値とグルコースレベルとに基づく。代わりに、またはスロープ関係アルゴリズム332の手順と組み合わせて、未加工の低データを利用するグルコースレベルアルゴリズム334を実行することも可能である。未加工ログデータ入力は、クリーニングまたは事前処理する必要がなく、すなわち、グルコースレベルおよび基準投与量の一般的なログデータが使用される。
いくつかの実施形態では、基本計画を決定するための学習手順は、血糖測定値および送達された基準投与量の変化(もしくは、変動)の発生から監視されている/測定されている特定の患者の現在の特徴時間遅延を特定または計算することによって開始可能である。
グルコースセンサ示度(G(t))および基準投与量(B(t))がBaSセクションから取得される。2つのデータ点間のグルコースレベルの変化がこれにより求められ、すなわち、セクションの終点のグルコースレベルとセクションの開始のグルコースレベルとの間の差異をdGによって示すことができる。時間(t)内のグルコースレベルの変化は、以下のように定義できる:DG(t)=dG/dt。
変数(A)は、基準投与量と測定されたグルコースレベルとの間の時間遅延を示す。B(t)における基準投与量は、注入により引き起こされる遅延時間によってDG(t+A)に影響を与える。パラメータAは、以下のように、すなわち、A=argmax(A,E{B(t)DG(t+A)})のように導出でき、これは、乗算された級数の予測値B(t)*DG(t+A)を最大化するパラメータである。
時間遅延(A)の特定に続いて、級数[DG(t+A),B(t)]を規定および使用できる。したがって、いくつかの実施形態では、基準投与量とグルコースレベルの変化との間の関係は、級数[DG(t+A),B(t)]によって表され、これによって、治療を受けている患者の基本治療比率およびグルコースレベルの対応する変化の級数、すなわち、本明細書で開示されるように、そこから基準投与量を計算できる級数を取得する。
いくつかの実施形態では、基本期間は、以下のように設定または決定される。これらの基本期間は、手動で規定可能であるか、またはデータから自動的に推論可能である。非限定的な例として、一日の事前に規定された基本期間は、0000h〜0300h、0300h〜0700h、0700h〜1100h、1100h〜1500h、1500h〜2000h、および2000h〜2400hと設定できる。学習手順は、これらの基本期間に関して必要とされる基準投与量を生み出すことになる。いくつかの実施形態では、必要とされる基準投与量は、これらの基本期間のそれぞれに関して求められる。基本期間が規定されるか、または自動的に推論されると、このアルゴリズムは、BaSデータまたは未加工データを基本期間のそれぞれとマッチせさて、基本期間に関して必要とされる基準投与量を計算するために解析を実施することになる。
対の基本期間に関する基準投与量、例えば、<期間、基準投与量>は、以下のように計算できる。
血糖アルゴリズムの変化を最小限に抑える。BaSセクション内の級数[DG(t+A),B(t)]は、DG(t+A)=0という条件に対応するB(t)を見出すための級数値を使用して、かつグルコースレベルの変化を最小限に抑える基本治療比率(例えば、予め計算された基本治療比率の級数からのB(t))を選択することによって、補間できる。
スロープ関係アルゴリズムを実行する。この手順は、それぞれの「クリーンデータ」セクション(例えば、BaSセクション)の終点のdGの値とグルコースレベルとに基づいて、患者が基本治療比率の変化を必要としているかどうか判定するように設計される。dGが所定のしきい値を上回り、セクションの終点のグルコースレベルがその所定の値よりも高い場合、対応する事前に設定されたインスリン治療において、基本治療比率を増大させる必要がある。dGが所定のしきい値未満であり、セクションの終点のグルコースレベルが所定の値よりも低い場合、対応する事前に設定されたインスリン治療において、基本治療比率を減少させる必要がある。非限定的な例として、dG>40mg/dlであり、セクションの終点のグルコースレベルが120mg/dlよりも高い場合、基本治療比率を増大させる必要がある。別の例は以下のように提供できる。dG<-40mg/dlであり、セクションの終点のグルコースレベルが150mg/dlよりも低い場合、基本治療比率を増大させる必要がある。(すなわち、事前に設定されたインスリン治療に対応する)減少量または増大量は、時間当たり単位の形で一定量として設定されてよい。あるいは、当該量は、先の基本治療の割合として設定されてよく、またはdGおよび先の基本治療に応じてもよい。
グルコースレベルアルゴリズムを実行する。この手順は、クリーニングまたは事前処理する必要がない未加工の低データを利用し、すなわち、グルコースレベルおよび基準投与量の一般的なログデータが使用される。したがって、本発明は、クリーンデータセクションをサポートおよび/調整するために未加工データを使用する。この手順は、上で規定された特定の基本期間の間のデータの蓄積に基づいて、基本治療比率を変更する必要があるかどうか判定するように設計される。有益な未加工データは、共有タイムスロット内または共有期間内のデータの蓄積によって拡張される。
したがって、この手順は、複数の基本期間の未加工のグルコースレベルデータを整合させて、オプションで、集積し、それによって、その未加工データ内に埋め込まれた本質的な情報を拡張する。いくつかの実施形態では、2日以上のグルコースレベルデータが整合される。整合は、共有基本期間の第1のグルコースレベルデータ点を共有基本期間の対の(すなわち、第2の)グルコースレベルデータ点とマッチさせる形であってよく、この場合、(r1,x)が(r2,x)と整合され、r1は、日1のグルコース示度であり、r2は、日2のグルコース示度であり、xは共有基本期間である。いくつかの実施形態では、整合は、一日目の共有タイムスタンプの第1のグルコースレベルデータ点を二日目の同じタイムスタンプに関する対の(すなわち、第2の)グルコースレベルデータ点とマッチさせる形であってよい。例えば、(rl,x)が(r2,x)と整合され、rlは、日1のグルコース示度であり、r2は、日2のグルコース示度であり、xは、共有タイムスタンプである。いくつかの実施形態では、整合手順は、一意に表現されたグルコースパターンを提示する。整合されたグルコースデータは、例えば、共有基本期間または共有タイムスタンプに関する代表的なグルコースレベルを求めるために処理される。この代表的なグルコースレベルは、基本期間内の整合されたグルコースレベルの中央グルコースレベルとして選択可能である。この代表的なグルコースレベルは、基本期間内の整合されたグルコースレベルの集約値として選択可能である。いくつかの実施形態では、中央グルコースレベルと目標グルコースレベルとの間の差異が求められる。
例示的な実施形態では、グルコースレベルアルゴリズムは以下のようであってよい。
(a)数暦日のグルコースレベルデータが整合され、一日の基本期間に従って、そのデータが集約される。この関係で、基本計画の設定を決定するためのグルコースレベル手順に関するグルコース解析の一例である図2を参照する。この図は、さらなる解析に先立つ分割された期間の整合と未加工ログデータの集約とを示す。図2は、整合されたグルコースレベルデータを例示する。図2の整合されたグルコースデータ点は、グラフの形で示されている。本発明者らは、グコースレベルデータを整合することは、通常なら、見落とされる可能性があるグルコースレベルデータの有益な要素を隔離および解明することを見出した。さらに、この整合は、さらなる解析のためにグルコースデータの有益な要素を露呈させることによって、インスリンポンプ設定の教師なし判定を可能にする。
(b)それぞれの暦日に関する基本期間に関する平均グルコースレベルを求める。
(c)さらなる解析のための代表的な値として、暦日に関する基本期間に関する平均グルコースレベルの中央値を求める。図3を再び参照すると、図3は、未加工ログデータのタイムラインが(00:00、03:00、07:00、11:00、15:00、および20:00)の基本期間/基本セクションに分割されたグルコース解析の一例を示す。この図は、それぞれの基本期間に関して求められた中央グルコースレベルと90〜140mg/dlに設定された目標範囲とをやはり提供する。中央グルコースレベルは、上で説明されたように計算された。
(d)以下のように、それぞれの基本期間に関して、求められた中央値と目標範囲との間の差異を評価する。
(d.1)差異が目標範囲内である場合、この基本期間に関する基準投与量は変更されないままである、
(d.2)差異が目標範囲を超える場合、この基本期間に関する基準投与量は増大される、
(d.3)差異が目標範囲未満である場合、この基本期間に関する基準投与量は減少される。
減少量または増大量は、一定の時間当たり単位量として設定されてよく、もしくは、先の基本治療からの割合として設定されてよく、または中央グルコースレベルおよび目標グルコースレベルと先の基本治療との間の差に応じてもよい。図3に示される例では、手順は、上で述べられたように、計算された時間遅延を考慮する前に、基本期間03:00〜07:00および20:00〜00:00内の基準投与量を増大することを推奨することになる。
インスリンポンプの基本計画設定は、グルコースレベル手順、スロープ関係アルゴリズム、および/または血糖アルゴリズムの最小変化の加重平均に従って設定されてよい。(グルコースレベル手順、スロープ関係アルゴリズム、および/または血糖アルゴリズムの最小変化のうちの)1つまたは加重平均としてとられた、取得された基本治療比率は、例えば、インスリンポンプの基本計画を修正することによって、治療を受けている患者の基本計画を修正するために使用可能である。
いくつかの実施形態では、インスリンポンプの基本計画設定は、グルコースレベル手順に従って設定されてよい。いくつかの実施形態では、インスリンポンプの基本計画設定は、血糖アルゴリズムの最小変化に従って設定されてよい。
いくつかの実施形態では、本発明は、基本計画モジュールに関し、この基本計画モジュールは、基本計画または基準投与量の教師なし学習に関する手順を実行するように構成され、かつ動作可能であり、この基本計画モジュールは、入力として提供されているBaSを解析するよう構成され、かつ動作可能であり、この入力は、基本計画の包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。その他の実施形態では、この基本計画モジュールは、入力として提供される未加工ログデータを解析するように構成され、かつ動作可能であり、この入力は、基本計画の包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。その他の実施形態では、この基本計画モジュールは、両方とも入力として提供されているBasと未加工ログデータとを解析するように構成され、かつ動作可能であり、この入力は、基本計画の包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。
活性インスリンAIFアルゴリズムを学習する
本発明は、特に治療を受けている患者に関して調整された活性インスリン関数(AIF)の教師なし学習を可能にする。いくつかの実施形態では、したがって、本発明は、医師によって採用される従来の試行錯誤手順の代わりに、患者依存の活性インスリン関数(AIF)を取得できる方法論、機器、およびシステムを提供する。
一般に、AIFは、一定の時間に血液内で「活性な」インスリンの量を記述する。AIFは、(活性インスリンとして示される)インスリンに関する特定の薬理特性に関する尺度である。本発明では、AIFは、治療を受けている患者に関する特定の薬力学に関する尺度である。活性インスリンは、特定の食事、一連の食事、特定のインスリンボーラス事象または、一連のインスリンボーラス事象を参照して定義できる。いくつかの実施形態では、したがって、AIFは、BSセクションおよびMSセクションから求められる。
活性インスリン関数の教師なし判定に関する手順を例示する流れ図600である図14を参照する。この手順600は、(i)として示すことができる特定の区分化された未加工データに関するグルコース測定値と対のタイムスタンプのセットを取得するステップ(ステップ610)を含む。これらのグルコース測定値および対の時間は、未加工ログデータから取得可能である。グルコース測定値と対のタイムスタンプのセットは、その後、正規化され、それによって、一連の正規化されたグルコース測定値および対のタイムスタンプを取得する(ステップ620)。活性インスリン関数または活性インスリン曲線など、有益なデータ断片は、したがって、以下のように取得可能である。
正規化されても、されなくても、入力されたグルコース測定値データは、次いで、グルコース測定値のそれぞれと対のタイムスタンプとを正規化して、グルコース測定値および対のタイムスタンプの単調な非増加級数(i)にするため(ステップ630)、または(単調な非増加級数から約+/-10%の相違を容認する)実質的に単調な非増加級数にするために処理される。本発明者らは、実質的に単調な非増加(または、単調な非増加)級数は、治療を受けている患者の活性インスリン特性(従来使用される固定数または固定関数の代わりに、ユーザに依存する薬理作用)(640)を十分に規定することを見出した。
いくつかの実施形態では、複数の区分化された未加工データの解析から複数の活性インスリン関数または活性インスリン曲線を取得することが可能である。その後に、前記複数の単調な非増加級数の中央級数を求めることが続いてよい。中央級数は、複数の区分化された未加工データ(または、未加工データの複数のセクション)に関するAIFを表す。
したがって、いくつかの実施形態では、AIFは、以下を含む手順に従って求められる。
AIiは、オプションで、食事事象またはインスリンボーラス事象である事象(i)に関する活性インスリンと定義される。この事象時間は、(T0)と示される。いずれの事象も開始点と終点とを有する。これらの点は、第1の時間窓を定義する。いくつかの実施形態では、それぞれの事象に関して、開始時点は、在宅ケアデータ(ログデータ)から提供されているような特定の事象(T0)から開始すると定義される。この事象は、例えば、次の事象開始時が発生するとき、または開始時点から約7時間後(これら2つのうち早い方)に終了する。
本明細書で使用される場合、事象後のピークセンサ値は、Smmaxとして識別され、示される。ピークに続いて発生した最小センサ値は、Smminと示される。時間SmmaxとSmminとの間の第2の時間窓を規定する、ピークが得られた時のそれぞれのタイムタグが通常記録される。
第2の時間窓の間のセンサデータ(例えば、未加工ログセンサデータ)が取得される。取得されたセンサデータは、級数[Ti,Vi]によって表され、式中、(Ti)は、食事開始時(T0)に測定されたセンサ示度のタイムタグであり、(Vi)は、それらのそれぞれの(Ti)に測定されたセンサ値である。
いくつかの実施形態では、測定されたセンサデータは、0から1に及ぶ値に正規化される。(Ni)は、それぞれの(Vi)の正規化された値を表し、以下のように計算できる。
Ni=Vi/(Smmax-Smmin)
これにより、正規化された級数[Ti,Ni]を取得できる。
いくつかの実施形態では、級数([Ti,Vi]または[Ti,Ni]のいずれか)は、単調な非増加級数など、単調な級数に修正される(または、「単調な級数にされる」)。したがって、非増加級数は、それぞれの(Ni)を最小正規化(Nj)に関連付けることによって取得され、j=1からiである。
これは、例えば、それらの違反値を廃棄して、級数(([Ti,Vi]または[Ti,Ni]のいずれか)の項目内のセンサ値が先に挿入されたセンサ値のいずれも超えない場合、それらの項目を非増加単調級数に連続的に挿入することによって実行できる。この点で、「連続的に」は、開始時点から終了時点までの過程を意味する。
すなわち、(Ni)は以下のように取得できる、
Ni=min({Nj},j=1:i)
非限定的な例として、級数Nj={1,0.9,0.8,1.2,0.7}の場合、Niは{1,0.9,0.8,0.8,0.7}になる。
すなわち、(T0)における食事ピーク値を追加することが可能である。これにより、級数[Ti,Ni]の開始時に[T0,1]が追加される。
これにより、特定の食事事象またはボーラスインスリン事象に関する活性インスリンAIiを表す級数が取得される。
2つ以上の食事事象が発生する場合、もしくは2つ以上のボーラス事象が発生する場合、または患者がいくつかの食事事象およびボーラスインスリン事象を有した場合、事象のセットに関する活性インスリン級数を取得することが可能である。事象のセットに関する活性インスリンは、すべての食事級数{AIi}の中央値である。AI_totalとして示される、結果として生じる級数は、すべての事象に適用可能な活性インスリン曲線を表す。AI_total内の値は、治療を受けている患者内で依然として活性なインスリンの割合を表す。例えば、AI_total級数内の[t=25,v=0.8]の要素は、ボーラス注入から25分後に、インスリンの80%が依然として活性だったことを示すことができる。
いくつかの実施形態では、本発明は、AIFモジュールに関し、このAIFモジュールは、活性インスリン曲線または活性インスリン関数の教師なし学習に関する手順を実行するように構成され、かつ動作可能であり、このAIFモジュールは、入力として提供されているMSを解析するように構成され、かつ動作可能であり、この入力は、インスリン活性曲線パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。いくつかの実施形態では、このAIFモジュールは、入力として提供されているBSを解析するように構成され、かつ動作可能であり、この入力は、インスリン活性曲線パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。いくつかの実施形態では、このAIFモジュールは、両方とも入力として提供されているBSとMSとを解析するように構成され、かつ動作可能であり、この入力は、インスリン活性曲線パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。
CRアルゴリズムを学習すること
炭水化物比率(CR)は、[単位当たりグラム]単位で測定される。炭水化物比率(CR)は、摂取されたCHOを補うために必要とされるインスリンの正確な量を評価または定量化する。オプションで、評価されたCRは、グルコースレベルが食事時間のレベルに戻ることが予測される時間(本発明では、好ましくは、3時間)を調整する。実際には、患者は、日課の点で一貫しない(これは、時として、ポンプに挿入された設定を不適切にする)。多くの場合、インスリン比率に適したCHOは多様であり、インスリンポンプ内に設定されているパラメータと異なることになる。多くの場合、この差異は、患者が、自らが摂取する食事のCHO量を正確に推定しないことに関係する。したがって、本発明の教師なし学習CRアルゴリズムは、求められ、またはそれに応じて調整されるCR決定の必要に対処する。
図12は、本発明の一実施形態による、炭水化物比率(CR)の教師なし学習のための方法を例示する流れ図400である。教師なしCR学習方法400は、グルコース測定値、食事事象、および送達されたインスリンの未加工ログデータから区分化されたデータを取得するステップ(410)を含む。CR学習方法400は、以下のように、有益なデータ断片を取得するために、そのデータのMSセクションを使用することが可能である。区分化手順は上で提供されており、本文脈に適用可能である。方法400は、複数のグルコースレベルと、対の実効炭水化物比率とを求めるステップをさらに含む。方法400の適用は、したがって、グルコースレベルと候補炭水化物比率の対を生成する(420)。手順430において、予め求められた候補実効炭水化物比率から炭水化物比率(CR)が学習される。これらの候補実効炭水化物比率は、以下のように、最終CRを取得するためにさらに処理される有益な断片である。いくつかの実施形態では、対の実効炭水化物比率の多項式解析が適用される(432)。その他の実施形態では、対の候補炭水化物比率から異常値の対が求められて、多項式解析を実行する前に、オプションで除去される(434)。結果として生じる候補炭水化物比率は、合意された過半数の候補炭水化物比率がCRとして使用または選択される投票手順(図示せず)によって選択することも可能である。その他の実施形態では、最終的なCRを求めるために、(重み付けされた組合せなど)多項式解析と投票手順の両方の組合せが使用される。CRを求める手順の特定の例が上で提供されており、この点において適用可能である。
より詳細だが、非限定的な実施形態では、炭水化物比率(CR)は、以下を含む手順に従って求められる。
MSセクションごとに実際CR(pracCR)を計算する
実際CR(pracCR)は、実際に送達されたインスリンに対するCHOの比率を示す。いくつかの実施形態では、実際CR(pracCR)は、対のMSセクションに関して求められる(MSセクション内のpracCR)。いくつかの実施形態では、実際CR(pracCR)は、それぞれの対のMSセクションに関して求められる。これらの手順は、結果として、対の値の級数、Ser={Diff(i),pracCR(i)}をもたらし、(i)は、下で規定されるデータセクション列挙法である。
i)食事セクション内の実効炭水化物比率(pracCR)
以下の方法は、それぞれのMSセクションに関するpracCRを求める。この方法は、ボーラス効果から必要とされる食事効果を分離または隔離することに対処する。
それぞれの食事セクションに関して、予め求められたMSセクションのMS(i)は、以下を含む手順を実行する。
(1)MS(i)内で提示される、Btotとして示される総インスリンボーラスを取得する、
(2)AIstartとして示される、MS(i)のセクションの開始時の活性インスリン(AI)を計算し、AIは、(本明細書において上で定義された)開ループ測定データから求められうるように、治療を受けている患者の活性インスリン関数(AIF)に従って求められる、
(3)AIendとして示される、MS(i)のセクションの終点における活性インスリン(AI)を求める、
(4)Rellns(i)=Btot+AIstart-AIendを用いて、セクション内のインスリンを計算する、
(5)Sstartとして示される、セクションMS(i)の開始時のグルコースセンサ値を取得する。一実施形態では、単一のグルコースセンサ値が取得される。その他の実施形態では、いくつかのグルコースセンサ値の平均が取得される、
(6)Sendとして示される、セクションの終了時のセンサ値を取得する。一実施形態では、単一のグルコースセンサ値が取得される。その他の実施形態では、いくつかのグルコースセンサ値の平均が取得される、
(7)以下のように、開始点と終点との間の差異を計算する、
Diff(i)=Send-Sstart、
(8)Ctot(i)として示される、セクション内で摂取された総炭水化物を取得する、
(9)セクションに関する実際CR、pracCR(i)=Ctot(i)/Rellns(i)を求める。
治療を受けている患者の活性インスリン関数(AIF)は、MSセクション内の活性インスリンを推定するためのジャストインタイムAIF設定であってよい。ジャストインタイムAIFは、CR計算に時間の点で近接して計算されたばかりのAIFパラメータ、例えば、MSセクションに関して計算されたAIF設定であってよい。
食事セクション(i)への適用に続いて、以下の級数、Ser={DiffBG(i),pracCR(i)}が生じる。この級数は、食事セクション内の血糖変化と、対の求められた実効炭水化物比率とを含む。
方法および手順は、上で取得された級数から最終的な炭水化物比率(CR)を抽出するために用いられる。いくつかの実施形態では、CR抽出方法の使用に先立って、異常値の対が除去され、それによって、Ser_out={DiffBGout(i),pracCRout(i)}として示すことができる級数Ser、すなわち、異常値を除外した級数を取得する。下で説明される実施形態はSer_out級数を使用するが、いくつかの実施形態では、Ser級数を使用できることを理解されたい。
多項式CR抽出方法。次数Kの多項式は、級数Ser_outに適合でき、結果として生じる関数F(*)は、CR_k=F(Diff)を生み出すことになる。抽出されたCRは、例えば、適合する関数から生じるCRを出力するために所望される入力DiffBGを提供することによって、取得された適合する関数から計算できる。治療を受けている患者に関して所望される差異、DiffBGは、通常、-0(例えば、DiffBG=0)である。抽出されたCRは、関数入力として、DiffBG=0である最適BG差異に関して適合する関数から計算できる。DiffBG=0に関して、結果として生じるCR_m=F(DiffBG)は、所望されるCRである。
投票CR抽出方法。任意のCR>=CRkに関して、マッチするDiffBG{i}の75%が(所望されるThreshVal>0に関して)DiffBG{i}>ThreshValを伴うことになるような最小可能CRk。見出されたCRkは、この抽出方法の所望されるCRである。この手順は、マッチするDiffBG{i}の75%に限定されず、他の率を使用できることに留意されたい。
いくつかの実施形態では、最終的に学習されたCRは、上の抽出実施形態のうちの1つまたはそれらの加重平均として取得可能である。
以下の非限定的な例は、最終的な炭水化物比率(CR)を求めるための教師なし手順を示す。図4は、推奨される炭水化物比率(CR)を計算するために、食事セクション(MS)から導出された、1つの例示的な食事セクションである。図4に示されるデータは、連続グルコースセンサ示度データと、経時的なインスリンポンプ送達データと、食事データの未加工ログデータとを含む。上部グラフG3はグルコースレベルを示し、この場合、食事事象は黒の三角形を使用して印されている。下部グラフG4はインスリン治療を示し、この場合、横線L4は基準投与量を示し、黒の円を伴う縦線はボーラスである。これらのセクションは、数字で黒のフレームを用いて印されている。
現在の例では、この患者のインスリンポンプの初期CR設定は単位当たり7グラムである。図4は、MS1〜MS7として印された、このログデータ設定に関して識別された食事セクション(MS)も示す。図5では、図4のセクションMS1に重点が置かれている。図5は、セクションMS1に関するpracCRおよびDiffBGに関する計算を示す。示されるように、図5は、一度の食事だけを含む。この図ではデータに印を付けた状態で、上で説明された方法を用いて、以下の対が求められる。すなわち、pracCR=単位当たり7グラム、およびDiffBG=-187mg/dlである。
図6では、図4のセクションMS4に重点が置かれている。図6は、二度以上の食事を含む食事セクションに関する一例であるMS4を示す。上部グラフG3はグルコースレベルを示し、この場合、食事事象は、黒の三角形を使用して印されている。下部グラフG4はインスリン治療を示し、この場合、横L4線は基準投与量であり、黒の円を伴う縦線はボーラスである。データに印を付けた状態で、上で説明された方法を用いて、以下の対が求められる。すなわち、pracCR=単位当たり2グラム、およびDiffBG=-200mg/dlである。
図7は、MS、すなわち、MS1〜MS7に関して計算された対Ser={DiffBG(i),pracCR(i)}のプロット図である。青線L5は多項式解析の結果であり、一方、緑の横線L6は投票解析の結果である。上記の方法に従ってMS1〜MS7のSer={DiffBG(i),pracCR(i)}の特定を実施した後で、最終的なCRをさらに導出することが可能である。図7は、(結果として、グラフL5をもたらす)多項式方法の解析と、(結果として、グラフL6をもたらす)投票方法とを用いたSerの散布図を示す。この例に関して求められた最終的なCRは、多項式方法と投票方法の両方の重み付けされた組合せの結果として生じる、単位当たり約5グラムである。
非限定的な例として、CRの特定に関して、多項式および投票技法は、次いで、代表的なCRまたは最終的なCRを識別するために適用可能であり、これらの技法は既に議論されている。選択された最終的なCR設定の統計的な有意性は、CRが特にそれを求めるために区分化されたサンプル未加工データセクションから取得されたことから生まれ、区分化されたデータ入力内で異なるデータ断片が部分的に寄与するために生まれる。
いくつかの実施形態では、本発明は、炭水化物比率モジュールに関し、この炭水化物比率モジュールは、炭水化物比率の教師なし学習に関する手順を実行するように構成され、かつ実行可能であり、この炭水化物比率モジュールは、入力として提供されているMSを解析するように構成され、かつ動作可能であり、この入力は、炭水化物比率(CR)パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。
CFアルゴリズムを学習すること
補正係数(CF)は、[単位当たりmg/dL]の単位で測定される。本発明の学習手順は、本明細書において下で提供され、いくつかのシナリオ(または、データセクション)のCF抽出に対処する。
図13は、本発明の一実施形態における、炭水化物比率(CF)設定の教師なし学習のための方法を例示する流れ図500である。教師なしCF学習方法500は、グルコース測定値、食事事象、および送達されたインスリンの未加工ログデータから、区分化された食事セクションおよび非食事セクションを取得するステップ510を含む。CF学習方法500は、以下のように、有益なデータ断片を取得するために、MSデータセクションとBSデータセクションとを利用することが可能である。取得された情報断片は、最終的な補正係数設定を決定する手順550を実行するために使用される。いくつかの実施形態では、方法500は、未加工ログデータから導出された活性インスリン動態に従って、それぞれが、食事セクションまたは非食事セクションと対にされている複数の補正係数を求めるステップ(それぞれ、555、560)を含む。
いくつかの実施形態では、方法500は、求められた補正係数と、グルコース許容範囲とに従って補正係数を求めるステップ565を含む。
いくつかの実施形態では、最終的なCFポンプ設定は、複数の補正係数から選択される。その他の実施形態では、複数の補正係数は重み付けされて、最終的なCFポンプ設定を生成するために、重み付けされた補正係数の組合せを使用することが可能である。
いくつかのシナリオおよび/またはデータセクションにおけるCF抽出は以下のように提供される。
A.(CFfrom_MSとして示される)食事セクション(MS)からのCF抽出。CF抽出に関して、このMSセクションからの未加工ログデータ、ならびに新たに計算されたCRが使用される。
一般に、治療を受けている患者が食事を摂取するときに送達されることになるインスリンの量は、2つの部分を含む。すなわち、(i)(インスリンポンプのCR設定を用いて計算された)食事ボーラス、および(ii)(治療を受けている患者の現在の血糖(BG)レベルと、インスリンポンプのCF設定と、現在の目標レベルとを用いて計算された)補正ボーラスである。
通常、補正ボーラスは、食事事象の開始時のBGレベルが目標範囲外である場合だけ、追加されることになる。送達されたインスリンの量が十分である場合、食事時間から数時間後のグルコースレベルは、目標レベルに近いはずである。数時間(オプションで、3時間)後の血糖が目標に近くない場合、修正されたCFが必要とされる。上で説明されたCRが正確であると、食事ボーラス成分は正確であり、したがって、グルコース目標からの偏差は、第2のCF依存成分に起因する。
セクションMS(i)に関する補正係数の特定は、以下の方法を用いて実行可能である。
(1)オプションで、以下のように計算されうる、セクションMS(i)において与えられたインスリンを求めるステップ。
式中、A.IstartおよびA.Iendは、患者依存のAIF、または本明細書で開示されるAIFを求めるためのその他の方法を使用して計算された、セクションMS(i)の開始時および終了時の活性インスリンである。
(2)セクションMS(i)内のCHOをカバーするために送達されるべきインスリンの量を求めるステップ。いくつかの実施形態では、送達されるべきインスリンは、以下の方程式に従って求められる。
いくつかの実施形態では、CRnewは、本明細書で開示されたCR学習手順に従って求められた最終的なCRである。
(3)セクションMSiの開始時のグルコースレベルが目標ゾーン内でない場合、すなわち、補正ボーラスの必要が存在する場合、以下の計算が使用される。
結果として生じるCFfrom_MSは、それに応じて、インスリンポンプを設定するために使用可能である。上記の手順に関して、結果として生じるCFfrom_MSは、上記の手順に従って計算されているいくつかのCFnew,iの平均値であってよい。
いくつかの実施形態では、補正係数(CF)は食事に関して求められ、先にCRnewとして示された、MSセクション内の活性インスリンを推定するためのAIFとジャストインタイム炭水化物比率(CR)とを処理することによって計算される。この計算はCRの更新された値に基づくため、ジャストインタイム炭水化物比率の利用は、計算されているCFのより良好な推定を可能にする。
図8は、このアルゴリズムに従って、食事セクションに関するCFを計算するための非限定的な例を提示する。上部グラフG5はグルコースレベル(線L7)を示し、この場合、食事事象は、黒の三角形を使用して印されている。下部グラフG6はインスリン治療を示し、この場合、横線L8は基準投与量であり、黒の円を伴う縦線はボーラスである。
図8の例の入力は、以下の通り、すなわち、CForiginal=単位あたり16mg/dl、CRoriginal=単位当たり7グラム、CRNew=単位当たり5グラム、Carb=80グラム、およびTarget=110mg/dlである。
上記のCF抽出手順の適用は、以下の決定値をもたらした。
治療を受けている患者は、目標レベルに近づくために、より多くの単位のインスリンを必要とするが、CFは増大していることに留意されたい。これは、欠けているインスリン単位のうちの一部が食事成分に起源する(CRは7から5に変化したため、インスリンの食事成分は増大する)ことから説明できる。したがって、このシステムは、インスリンの補正部分により少ない量を送達することを決定する。
図8を参照した上の例は、単一のMSセクションに関するCFの特定を示す。すべての食事セクションの解析に続いて、取得されたCFFrom_MSは19であった(図示せず)。
B.(CFnon_mealとして示される)非食事セクションからのCF抽出。非食事セクションからの未加工ログデータは、CF抽出に関して使用される。この方法は、入力として、BSセクション、または食事の効果を有さないその他のセクションである未加工ログデータセクションを使用する。CFは、ボーラスの異なる投与に対する応用から抽出される。この方法は、以下の手順を含む。BS(i)セクションの場合、
(1)AIFを使用して、BS(i)の開始時の活性インスリンを求める。AIstartは、BS(i)セクションの開始時の活性インスリンを示す。いくつかの実施形態では、AIFは、予め求められた患者依存のAIFである。いくつかの実施形態では、AIFは、セクションの開始時に、AIFの特定に関して本明細書で開示される方法を用いることによって、求められる。
(2)AIendとして示される、BS(i)セクションの終了時の活性インスリンを求める、
(3)Btotとして示される、BS(i)セクション内で与えられた総インスリンボーラスを求める、
(4)Sstartとして示される、BS(i)セクションの開始時のセンサ値を求める、
(5)Sendとして示される、BS(i)セクションの終了時のセンサ値を求める、
(6)以下の方程式を使用して、CFsec(i)を求める。
CFsec(i)=(Send-S start)/(B tot+AIstart-AIend)
オプションで、上記の手順は、それぞれのBS(i)セクションに関して実行される。
いくつかの実施形態では、最終的なCFnon-mealは、CFsec(i)内の正の要素に対する平均である。いくつかの実施形態では、最終的なCFnon-mealは、BS(i)セクションのCFsec(i)である。
C.(CFBG_Analysisとして示される)グルコースレベル調整を用いた固定CF抽出。この方法は、固定比率dCを使用してCFを推定して、固定比率計算を修正するために、患者のグルコース管理実績を解析する。いくつかの実施形態では、CFinitialとして示される初期のCFは、摂取された炭水化物量と、グルコース測定値と、インスリン関係データ(送達されたインスリン、基本計画、および/またはインスリンボーラス)とに従って求めることができる。CFBG_Analysisの特定は、以下のように実行可能である。すなわち、(1)摂取された炭水化物量と、グルコース測定値と、インスリン関係データとに従って、初期の補正係数CFinitialを求める
式中、Geは、(いくつかの点のうちの一点であってよく、または平均であってもよい)利用可能なデータの最後のセンサ示度[mg/dl]であり、Gsは、(いくつかの点のうちの一点であってよく、または平均であってもよい)利用可能なデータの第1のセンサ示度[mg/dl]であり、dCは、炭水化物に対するグルコース比率である。炭水化物に対するグルコース比率は(経験的知識に基づいて)3.33であってよく、Cは、利用可能なデータの間に摂取された炭水化物の量[例えば、グラム]であり、Bは、利用可能なデータの間に提供されたボーラスインスリンの量[インスリンの単位]である。dCの使用は、グルコースレベルに対する摂取CHOの効果を推定するために行われる。
GeおよびGsは、2つの異なる時点で測定されている。したがって、2つのグルコースセンサ示度の間の時間間隔は時間窓と定義できる。
そのような推定は、時間窓内で摂取された炭水化物の量を取得して、グルコースに対する摂取炭水化物の割合を定義する係数(上のdC)を求めることにより、その炭水化物量を変換することによって実行可能である。その係数を時間窓内で摂取された炭水化物の量で乗算することによって、摂取された炭水化物から導出されるグルコースが求められる。
本発明の教師なし学習手順は、患者が自宅でその日課の最中に収集された未加工ログデータを使用した患者のグルコース制御の品質の解析に基づく、CFinitial(または、現在の補正係数)の修正を含むことが可能である。
例えば、CFinitialは、最小センサ示度または記録された最低血糖示度に従って修正される。1つの特定の例では、CFinitialは、時間窓の間の最小センサ示度と、記録された最低血糖示度との間の割合に従って修正される。いくつかの実施形態では、インスリン感度は、(一例が下で示される)最小センサ示度を取得するステップに先立って、時間間隔で最大センサ示度に従って修正される。したがって、CFinitialは、次の公式に従って、修正された補正係数CFBG_Analysisを生み出すために、ある係数(a)に従って、さらに修正可能である。
CFBG_Analysis=aCFinitial、式中、係数(a)は、CFinitial修正率(または、現在の補正係数)と定義される。区分化されたデータに関して、下記の手順を実行することが可能である。
係数(a)は、以下の手順に従って、決定可能である。
Thypo>0またはTihypo>1である場合、
(Speak>Smin)および(Speak>UpperLimit)である場合、
a=(Speak-Smin)/(Speak-UpperLimit)
でなければ
a=UpperLimit/Smin
終了
でなければ
式中、Thypoは、関連期間/関連セクションの間の規定された低血糖範囲内で費やされた時間の割合であり、Tihypoは、関連期間中の規定された切迫している低血糖範囲内で費やされた時間の割合であり、Sminは、関連期間中の最小センサ示度であり、Smeanは、関連期間中の平均センサ示度であり、Smaxは、関連期間中の最大センサ示度であり、Speakは、関連期間/関連セクションの間の最高でSmin時間の3時間前までの時間範囲内の最大センサレベルであり、UpperLimitは、切迫低血糖内でも低血糖内でもない間に記録された最低血糖示度であり、Sn_lowは、通常、80に設定されることになる、(約80〜120mg/dlの範囲内のグルコース範囲として経験的に規定されうる)「厳密な正常」グルコース範囲の下方境界であり、Sn_highは、120に設定されうる「厳密な正常」グルコース範囲の上方境界であり、dNは、減算Sn_high-Sn_lowである。
治療を受けている患者の測定されたグルコースレベルを使用することによって、ヒストグラム(または、その代わりに、分布関数)を求めることが可能である。ヒストグラムは、一定の時間窓または一定の時間セクションの間の患者のそれぞれの測定されたグルコースレベルの発生を表す関数である。パラメータPは、特定の幅の間隔(グルコース測定値間隔を表すdN)における発生の合計(または、蓄積された測定グルコースレベル)と定義でき、式中、vは、治療を受けている患者に関して個人化された、特定の窓内の初期のグルコース示度である。
val=argmaxv{P(v,v+dN)}、式中、P(v,v+dN)は、範囲[v,v+dN]を用いたグルコース示度の割合であり、argmaxvは、Pが最大値に達するvを求めることを意味する。
係数(a)は、したがって、以下のように求めることができる。
a=0.57・a_Tsn+0.28・a_Hyper+0.15・a_Mean
式中、a_Tsn=sn_low/val、a_Hyper=180/Smaxであり、これは、通常、経験的に規定され、a_Mean=110/Smeanであり、これは、通常、経験的に規定され、W=[0.57 0.28 0.15]は、通常経験的に規定される重みベクトル/重み係数である。
終了
当業者は、重みベクトルは、特定のインスリン治療に適するように調整または修正可能であることを理解するであろう。いくつかの実施形態では、これにより、一定の時間窓の間に測定された患者のグルコースレベルの発生を表すヒストグラムを求めることが可能である。次いで、例えば、上で例示されたように、関数(y,v+dN)を最大化することによって、グルコース測定値間隔内の極大値(すなわち、ピーク)を取得することが可能である。
いくつかの実施形態では、過半数類似傾向を有する、上で計算されたCF値(すなわち、CFfrom_MS、CFnon_meal、CFBG_Analysis)のうちの1つまたはそれらの加重平均として最終的なCFが計算される。この点で、類似傾向は、現在の患者のCFと比べてCFの値を増大または減少することが推奨されるすべてのCF値を意味する。いくつかの実施形態では、最終的なCFは、上で計算された正のCF値のうちの1つまたはそれらの加重平均として計算される。いくつかの実施形態では、最終的なCFは、CFの増大を決定する、上で計算された正のCF値のうちの1つまたはそれらの加重平均として計算される。いくつかの実施形態では、最終的なCFは、CFの減少を決定する、上で計算されたCF値のうちの1つまたはそれらの加重平均として計算される。
グルコース目標を設定すること
いくつかの実施形態では、本発明の上述の技法は、経験的に達している、下で提示されるグルコース範囲を利用する。
Table2(表2)は、本発明の技法を使用した、治療を受けている患者のポンプ設定に関する一般的な臨床ガイドラインを表す。
いくつかの実施形態では、本発明は、CFモジュールに関し、このCFモジュールは、補正係数(CF)の教師なし学習に関する手順を実行するように構成され、かつ動作可能であり、このCFモジュールは、入力として提供されているMSを解析するように構成され、かつ動作可能であり、この入力は、補正係数(CF)パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。いくつかの実施形態では、このCFモジュールは、入力として提供されているBSを解析するように構成され、かつ動作可能であり、この入力は、補正係数(CF)パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。いくつかの実施形態では、このCFモジュールは、両方とも入力として提供されているBSとMSとを解析するように構成され、かつ動作可能であり、この入力は、補正係数(CF)パラメータの包括的インスリンポンプ設定を示す出力信号を生み出すために処理される。
監視システム
本発明の一実施形態による監視システム(または、監視機器)100の1つの非限定的な例を示す概略ブロック図である図9を参照する。機器100は、典型的には、プロセッサベースであり、中でも、メモリユーティリティ125と、データ入出力ユーティリティ(図示せず)と、データプロセッサユーティリティとを含む。後者は、通信インターフェース120を経由して、機械可読フォーマットで機器100内に入力される未加工ログデータ105の遡及的解釈を提供する、本発明の教師なし学習コントローラ110の一部として構成されるか、またはその一部として、教師なし学習コントローラ110を含む。コントローラ110に対する入力は教師なし入力であり、このコントローラは、教師なし入力、すなわち、未加工データ入力から包括的インスリンポンプ設定を計算する。
通信インターフェース120は、プロセッサユーティリティ110を、有線信号伝送または無線信号伝送を経由して(例えば、通信ネットワークを経由して)、未加工ログデータを供給する測定機器に、またはそのような未加工ログデータが予め記憶されている(測定機器から供給されている)外部メモリ(データベース)に接続するように適切に構成される。いくつかの実施形態では、未加工ログデータ105は、時間に応じたグルコースセンサ示度/グルコースセンサレベル、時間に応じた食事事象データ、および時間に応じたインスリン送達データのうちの1つを含む。したがって、未加工ログデータ105は、時空間データ点の形であってよい。
いくつかの実施形態では、未加工ログデータ105は、所定の時間パターン125に従うか、または所定の時間パターン125の形である。時間パターン125は、通常、複数のタイムスタンプを含む。本明細書で説明されるように、タイムスタンプは、一定の時間窓に沿った日、時間、分など、時間を暗示するために使用されるストリングまたはその他のオブジェクトである。複数のタイムスタンプは、時間パターン125に対応する項目を含む未加工ログデータ105を取得するために使用される。非限定的な例として、基準投与量の未加工ログデータは、<タイムスタンプ、基準投与量>または<期間/タイムスロット、基準投与量>の形をとってよい。インスリン送達の未加工ログデータ105は、<タイムスタンプ、インスリン投与量>の形で提供可能である。食事事象の未加工ログデータ105は、<タイムスタンプ、摂取されたCOH>の形で提供可能である。当業者は、そのような情報を符号化するための様々な様式が存在し、そのような目的に関して特定の符号化形態を決定することができることを理解するであろう。いくつかの実施形態では、未加工ログデータ105は、外部から提供される、すなわち、有線手段または無線手段によって機器100に通信されている、所定の時間パターン115に従う。
機器100の学習コントローラは、人間による協力監視なしに、手順と解析とを実行できる。これに関して、機器100の教師なし学習コントローラは、ユーザ(タッチパッド入力またはキーパッド入力)によって手動で入力されたデータからではなく、入力された未加工ログデータから包括的インスリンポンプ設定を計算できることを理解されたい。すなわち、本発明のシステムは、未加工ログデータにアクセス可能なデータ記録との直接的な連絡を経由して、自動的または半自動的に動作するように構成されうる。計算手順は、手動で入力されたクエリの変数割当て、またはユーザからコントローラ(患者または医師)へのクエリに対する応答を含まない。いくつかの実施形態では、機器100の教師なし学習コントローラは、未加工ログデータの獲得時に開始され、包括的インスリンポンプ設定の任意の計算後に終了する1つの連続的な時間窓の間に包括的インスリンポンプ設定を計算し、すなわち、計算手順の間、コントローラに対するユーザ入力を取得するための(例えば、非同期)割込みを可能にしない。
教師なし学習コントローラは、前記未加工ログデータを受信および処理し、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求め、基準投与量パラメータまたは基本計画パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを遡及的に解析ならびに計算するために、前記有益なデータ断片を選択し、インスリンポンプ設定に関する更新を生成するように構成され、かつ動作可能である。
いくつかの実施形態では、機器100は、糖尿病治療管理に関して使用され、グルコース測定値、摂取された食事、およびインスリン送達の時間間隔を置いたデータ点である、記憶されたデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェース120を含む。機器100は、前記データを遡及的に解析し、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータの少なくとも1つの包括的インスリンポンプ設定を決定するためのデータプロセッサユーティリティまたはプロセッサ110を備えた制御ユニットをさらに含み、前記プロセッサユーティリティは、前記一定の期間の選択されたタイムスロットに対応する前記受信されたデータのデータ断片を処理することによって、前記パラメータのそれぞれを求めるように動作可能である。選択された時間に対応するデータを取得する様式は、初期データの解析および区分化に関して上ですでに言及された。
教師なしコントローラによって実行されている解析は、したがって、記憶されたデータまたは未加工ログデータ入力を区分化するステップ、したがって、所定の時間窓内で記憶されたデータを取得するステップを含みうる。所定の時間窓が基本データセクション(BaS)である場合、計算されたインスリンポンプ設定は、基準投与量または基本計画である。前記所定の時間窓が食事データセクション(MS)である場合、計算されたインスリンポンプ設定は、活性インスリン関数(AIF)、補正係数(CF)、または炭水化物比率(CR)から選択される。所定の時間窓がボーラスデータセクション(BS)である場合、計算されたインスリンポンプ設定は、補正係数(CF)または活性インスリン関数(AIF)から選択される。
いくつかの実施形態では、システム(もしくは、機器)100、または教師なし学習コントローラ110は、教師なし学習遡及的解析方法の手順、例えば、方法200、300、400、500、もしくは600の方法の手順のうちの少なくとも1つを実行するように構成され、かつ動作可能である。教師なし学習手順は、最終的な計算に達する解析の間に人間の関与を伴わずに、上で規定された未加工ログデータからインスリンポンプ設定を決定する手順と理解されるべきである。教師なし学習コントローラ100は、任意の特別な手続き上の要件を伴わずに、治療を受けている患者の日常活動の間に累積されている未加工データを単に必要とする。この点で、未加工ログデータは、特定の患者もしくは医師に関する任意の仮定される試験またはその他の予め準備された仮定に関係なく、患者の定期的な日常活動の間に実行されているログ記録である(すなわち、教師なしコントローラは、ユーザに依存しない手順/方法の解析、またはユーザの協力/関与を伴う解析を可能にする)。
記憶媒体上に記録可能であり、機械可読フォーマットを含むコンピュータプログラムもオプションで提供され、このコンピュータプログラムは、アクセスされるとき、教師なし学習遡及的解析方法の手順、例えば、方法200、300、400、500、もしくは600の方法の手順のうちの少なくとも1つを実行するように構成され、かつ動作可能である。いくつかの実施形態では、コンピュータプログラムは、一定の期間に対応し、グルコース測定値、食事事象、およびインスリン送達を含む未加工ログデータ入力を識別するステップと、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求めるステップと、前記有益なデータ断片を選択して、そこから、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを計算するステップと、包括的インスリンポンプ設定に関する値を含む出力データを生成するステップとを実行するように構成され、かつ動作可能である。
プロセッサモジュール、およびマイクロユニット/プロセッサユニットという用語は、本明細書において交換可能に使用され、さらに、命令に応答し、命令を処理し、コンピュータを駆動する論理回路を使用して、算術演算または論理演算を実行するように設計されたコンピュータシステム、状態機械、プロセッサなどを指す。
一実施形態では、この機器は、インスリンポンプである。いくつかの実施形態では、この機器は、ユーザに閉ループインスリン管理を提供する。教師なし制御ユニットは、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つなど、インスリンポンプ設定を自動的に求めることが可能である。
本発明の技法およびシステムは、コンピュータベースの環境もしくはプロセスベースの環境など、様々なコンピューティング環境内または処理環境内での適用性を見出すことができる。これらの技法は、ソフトウェアとハードウェアの組合せの形で実施可能である。これらの技法は、やはり上で説明されている、未加工ログデータを取得するように構成されている固定コンピュータなど、プログラマブル機械上で実行しているプログラムの形で実施可能である。これらの技法は、プロセッサと、プロセッサによって読み取り可能な記憶媒体と、未加工ログデータを管理するための少なくとも1つの入力機器と、インスリンポンプ設定を決定するための1つまたは複数の出力機器とを含む類似機器によって実施可能である。プログラムコードは、説明された技法を実行して、出力情報を生成するために、入力機器を使用して入力されたデータに適用される。出力情報は、次いで、1つまたは複数の出力機器に適用されうる。
それぞれのプログラムは、プロセスベースのシステムと通信するために、ハイレベル手順またはオブジェクト指向プログラミング言語の形で実施可能である。しかし、これらのプログラムは、所望される場合、アセンブリ言語または機械言語の形で実施可能である。
その他の実施形態では、本発明の方法およびシステムは、ネットワークコンピューティングシステムおよび/またはネットワークコンピューティング環境を介して利用可能である。いくつかのコンピュータシステムは、ローカルエリアネットワーク(LAN)、広域ネットワーク(WAN)、またはインターネットなど、ネットワークを経由して一緒に結合可能である。したがって、200、300、400、500、または600のものなどの、本発明のそれぞれの方法または技法は、全体として、またはその機能ステップとして、遠隔ネットワークコンピュータ、またはいくつかの組合せによって実施可能である。したがって、システム100の任意の機能部分は、コンピュータネットワークを経由して提供または接続可能である。非限定的な例として、システムは、ネットワークを介して、オプションで、ネットワークユーザにインスリンポンプ設定を提供するために遠隔であってよい。さらに、教師なしプロセッサモジュールは、ネットワークを介してプロセッササービスを遠隔で提供することも可能である。この点で、サービスは、方法200、300、400、500、または600のサービスなどに関する。
いくつかの実施形態では、システム(または、機器)100は、区分化モジュールを含む。いくつかの実施形態では、教師なし学習コントローラ110は、区分化モジュールを備える。
いくつかの実施形態では、システム(または、機器)100は、基本計画モジュールを含む。いくつかの実施形態では、教師なし学習コントローラ110は、基本計画モジュールを備える。
いくつかの実施形態では、システム(または、機器)100は、炭水化物比率モジュールを含む。いくつかの実施形態では、教師なし学習コントローラ110は、炭水化物比率モジュールを備える。
いくつかの実施形態では、システム(または、機器)100は、AIFモジュールを含む。いくつかの実施形態では、教師なし学習コントローラ110は、AIFモジュールを備える。
いくつかの実施形態では、システム(または、機器)100は、CFモジュールを含む。いくつかの実施形態では、教師なし学習コントローラ110は、CFモジュールを備える。
一実施形態では、ネットワークを介してユーザとの通信を可能にするサーバなど、ネットワークコンピュータ上に配備されるように、糖尿病治療管理で使用するための監視システムが提供される。この監視システムは、一定の時間にわたって取得され、グルコース測定値、食事事象、およびインスリン送達を示している、記憶された未加工ログデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェースを含む。未加工ログデータ入力は、これにより、ネットワークを介してサーバに通信可能である。これは、未加工ログデータ入力の全体またはその一部を監視システムにアップロードする形をとってよい。このシステムは、前記未加工ログデータを受信および処理し、前記未加工ログデータの残りのログデータ部分から有益なデータ断片を求め、基準投与量(または、基本計画)パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを求めるための処理に関する前記有益なデータ断片を選択し、インスリンポンプ設定に関する更新を生成するように構成され、かつ動作可能な教師なし学習コントローラ(または、モジュール)を備えた制御ユニットさらに含む。
それぞれのそのようなプログラムは、その記憶媒体または機器がコンピュータによって本書で説明される手順を実行する状態にあるとき、汎用プログラマブル機械または専用プログラマブル機械を構成および操作するために当該機械によって読み取り可能な記憶媒体または記憶機器、例えば、コンパクトディスク読出し専用メモリ(CD-ROM)、ハードディスク、磁気ディスケット、または類似の媒体もしくは機器の上に記憶可能である。このシステムは、プログラムを用いて構成された機械可読記憶媒体として実施することも可能であり、この場合、この記憶媒体は、特定の事前に規定された形で機器を動作させるように構成される。
本明細書および添付の特許請求の範囲において、長年にわたる特許法の慣例に従って使用される場合、単数形「a」、「an」、および「the」は、文脈上別段に明記されていない限り、一般に、「少なくとも1つの」、「1つまたは複数の」、およびその他の複数形の言及を意味する。
本明細書および続く請求項を通して、文脈上別段の解釈を要する場合を除き、「備える」という用語、ならびに「備える」および「備えている」などの変形は、記述された整数もしくはステップまたは整数もしくはステップのグループを包含することを意味するが、任意のその他の整数もしくはステップまたは整数もしくはステップのグループを排除することを意味しないことを理解されたい。
さらに、例えば、時間窓、タイムスタンプ、グルコース測定値、またはインスリン投与量などの条件を指すとき、すべての数値値は、記述された値から最高で10%までの時間において、最高で20%まで(+)または(-)異なる近似値である。必ずしも明記されるとは限らない場合ですら、すべての数値指定は「約」という用語が先行することを理解されたい。さらに、本発明の計算されるパラメータは、最高で20%まで(+)もしくは(-)異なる近似値に修正または変更可能である。
本発明は、次に、本発明に従って実行された非限定的な例の以下の記述において例示される。これらの例は、限定ではなく、本質的に例示であることが意図されることを理解されたい。明らかに、上記の教示に照らして、これらの例の多くの修正形態または改変形態が可能である。したがって、添付の特許請求の範囲内で、本発明は、通常、ここで、下で詳細に説明されるよりも、無数の可能な形で実施可能であることを理解されたい。
100 システム
監視システム(または、監視機器)
機器
105 未加工ログデータ
110 教師なし学習コントローラ
コントローラ
プロセッサユーティリティ
120 通信インターフェース
125 メモリユーティリティ
時間パターン

Claims (44)

  1. 糖尿病治療管理で使用するための監視システムであって、
    一定の時間にわたって取得され、グルコース測定値、摂取された食事、およびインスリン送達の時間間隔を置いたデータ点である、記憶された未加工ログデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェースと、
    前記未加工ログデータを受信および処理し、前記未加工ログデータから基準インスリン送達、インスリンボーラス送達、食事のうちの少なくとも1つを示す有益なデータ断片を求め、遡及的に解析するために前記一定の時間の選択されたタイムスロットに対応する前記有益なデータ断片の一部を選択して、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つの包括的インスリンポンプ設定を計算するように構成され、かつ動作可能な教師なし学習コントローラを備える制御ユニットと
    を備える監視システム。
  2. 前記未加工ログデータが、事前にプログラムされたサンプリングパターンに従って獲得される、請求項1に記載のシステム。
  3. 前記教師なし学習コントローラが、前記パラメータのそれぞれを計算するために、前記有益なデータ断片を解析し、前記一定の時間内の前記タイムスロットを選択するように構成され、かつ動作可能な、請求項1に記載のシステム。
  4. 前記受信された未加工ログデータが、何らかのユーザインタラクションにかかわりなく前記アクセス時におけるメモリイメージに対応する、請求項1から3のいずれか一項に記載のシステム。
  5. 糖尿病治療管理で使用するための監視システムであって、
    一定の期間にわたって取得され、グルコース測定値、摂取された食事、およびインスリン送達の時間間隔を置いたデータ点である記憶されたデータに対して、アクセスを許可するように構成され、かつ動作可能な通信インターフェースと、
    前記データを受信し、基準インスリン送達、インスリンボーラス送達、食事のうちの少なくとも1つを示す有益なデータ断片を求め、前記データを遡及的に解析し、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つの包括的インスリンポンプ設定を決定するためのデータプロセッサユーティリティを備えた制御ユニットであって、前記プロセッサユーティリティが、前記一定の期間の選択されたタイムスロットに対応する前記有益なデータ断片の一部を処理することによって、前記パラメータのそれぞれを求めるように動作可能である、制御ユニットと
    を備える監視システム。
  6. 前記プロセッサユーティリティが、前記パラメータのそれぞれを求めるために、前記受信されたデータを解析し、前記一定の期間内の前記タイムスロットを選択するように構成され、かつ動作可能な、請求項5に記載のシステム。
  7. 前記制御ユニットが、前記通信インターフェースに関連付けられた、かつ所定のサンプリング時間パターンに従って前記データを受信するように事前にプログラムされたコントローラを備える、請求項5または6に記載のシステム。
  8. 前記受信されたデータが、何らかのユーザインタラクションにかかわりなく前記アクセス時におけるメモリイメージに対応する、請求項5から7のいずれか一項に記載のシステム。
  9. 前記記憶されたデータを維持するように構成され、かつ動作可能なメモリモジュールを備える、請求項1に記載のシステム。
  10. 前記解析することが、前記記憶されたデータを区分化し、それによって、所定の時間窓内で記憶されたデータを取得することを含む、請求項1に記載のシステム。
  11. 前記所定の時間窓が基本データセクション(BaS)であり、前記インスリンポンプ設定が基準投与量である、請求項10に記載のシステム。
  12. 前記所定の時間窓が食事データセクション(MS)であり、前記インスリンポンプ設定が、活性インスリン関数(AIF)、補正係数(CF)、または炭水化物比率(CR)から選択される、請求項10に記載のシステム。
  13. 前記所定の時間窓がボーラスデータセクション(BS)であり、前記インスリンポンプ設定が、補正係数(CF)または活性インスリン関数(AIF)から選択される、請求項10に記載のシステム。
  14. 前記記憶されたデータが遠隔コントローラから取得される、請求項1に記載のシステム。
  15. 前記記憶されたデータがユーザ操作から独立した非同期操作を介してアクセス可能である、請求項14に記載のシステム。
  16. 前記記憶されたデータが、前記未加工ログデータを独立して蓄積している遠隔コントローラのメモリイメージである、請求項1に記載のシステム。
  17. 前記記憶されたデータが、経時的に前記未加工ログデータを独立して蓄積している遠隔コントローラから取得される、請求項1に記載のシステム。
  18. グルコースセンサ示度、インスリン送達、および食事記録を示す前記未加工ログデータが、前記未加工ログデータを独立して蓄積している遠隔コントローラから取得されたファイルである、請求項1に記載のシステム。
  19. 前記記憶されたデータがファイル内で復号される、請求項1に記載のシステム。
  20. 前記ファイルが、ネットワークからダウンロードされ、メモリモジュール内に記憶される、請求項19に記載のシステム。
  21. インスリンポンプ設定を決定する際に使用するための監視システムの作動方法であって、
    前記インスリンポンプ設定の教師なし学習を実行するステップを含み、前記教師なし学習が、
    (a)一定の時間窓に沿って、単一の治療を受けている患者のグルコースレベルを記録している1つまたは複数のグルコース監視ユニット上で蓄積された未加工ログデータ入力を取得するステップと、
    (b)データセクションに区分化されている未加工ログデータ入力から基準インスリン送達、インスリンボーラス送達、食事のうちの少なくとも1つを示す有益なデータ断片を求めるステップであって、前記有益なデータ断片が前記データセクションから求められる、ステップと、
    (c)前記有益なデータ断片から包括的インスリンポンプ設定を計算するステップであって、前記設定が、基準投与量、炭水化物比率(CR)、補正係数(CF)、または活性インスリン関数(AIF)のうちの少なくとも1つのパラメータを含む、ステップとを含む方法。
  22. 前記未加工ログデータを所定のデータセクションに区分化するステップを含む、請求項21に記載の方法。
  23. 前記データセクションが、基本セクション(Bas)、ボーラスセクション(BS)、または食事セクション(MS)のうちの1つである、請求項21に記載の方法。
  24. 時間軸に沿って、前記未加工ログデータ入力の複数のデータ部分を整合するステップをさらに含む、請求項21に記載の方法。
  25. データ部分が1日のうちの事前に規定された期間のデータである、請求項22に記載の方法。
  26. 集約された血糖値の値とタイムスタンプの両方を含む代表的なデータ点を決定するステップを含み、前記代表的なデータ点が選択された基本期間と対にされ、前記代表的なデータ点が前記選択された基本期間に関する基準投与量決定値を示す、請求項24に記載の方法。
  27. 前記基本セクション(Bas)の前記未加工ログデータ入力が、時間の関数として一連の基準投与量を含み、前記方法が、前記基本セクション(Bas)において前記治療を受けている患者を特徴付ける時間遅延を求めるステップであって、前記時間遅延が、基本治療比率と前記グルコースレベル内の変化との間である、ステップと、送達時間において複数の選択された基準投与量を取得するステップであって、それぞれの対のグルコースレベルが前記送達時間から測定された前記時間遅延におけるものである、ステップと、前記複数の選択された基準投与量から、前記グルコースレベル内の変化を最小限に抑える、結果として生じる基準投与量を求めるステップとを含む、請求項23に記載の方法。
  28. (a)時間セクション内の前記未加工ログデータに関するグルコース測定値と対のタイムスタンプのセットを取得するステップと、
    (b)前記セットのそれぞれのグルコース測定値を正規化し、それによって、一連の正規化されたグルコース測定値および対のタイムスタンプを取得するステップと、
    (c)前記正規化されたグルコース測定値と対のタイムスタンプとを処理し、実質的に単調な非増加級数にし、それによって、活性インスリン関数(AIF)を取得するステップとを実行することによって、前記活性インスリン関数(AIF)を決定するステップを含む、請求項21に記載の方法。
  29. 炭水化物比率(CR)が、食事セクション(MS)からの未加工ログデータ入力から求められる、請求項21に記載の方法。
  30. 前記炭水化物比率(CR)が、MSセクションに関して送達されたインスリンに対する摂取された炭水化物の比率として定義される実効炭水化物比率(pracCR)から計算される、請求項29に記載の方法。
  31. 前記MSセクションに関する複数のグルコースレベルと対の実効炭水化物比率とを求めるステップを含み、前記対の実効炭水化物比率が曲線を規定する候補炭水化物比率である、請求項29に記載の方法。
  32. 炭水化物比率(CR)設定が、候補実効炭水化物比率から決定される、請求項30に記載の方法。
  33. 前記食事に関する前記炭水化物比率(CR)が、前記MSセクション内の活性インスリンを推定するためのジャストインタイムAIF設定を計算することによって計算される、請求項30に記載の方法。
  34. 炭水化物比率(CR)設定が、前記対の実効炭水化物比率の前記曲線に適合する関数を選択することによって求められる、請求項31に記載の方法。
  35. 炭水化物比率(CR)設定が、前記MSセクション内の血糖変化と、前記MSセクションに関して送達されたインスリンに対する摂取された炭水化物の比率として定義される実効炭水化物比率との対のうち、過半数の血糖変化が所定の閾値より大きいような最小の実効炭水化物比率として求められる、請求項31に記載の方法。
  36. 食事に関する前記補正係数(CF)が、食事セクション(MS)の前記未加工ログデータ入力から求められる、請求項21に記載の方法。
  37. 前記食事に関する前記補正係数(CF)が、前記MSセクション内の活性インスリンを推定するための前記AIFとジャストインタイム炭水化物比率(CR)とを処理することによって計算される、請求項35に記載の方法。
  38. 非食事補正係数(CF)が、BSセクションの前記未加工ログデータ入力から求められる、請求項21に記載の方法。
  39. 前記補正係数(CF)が、以下のパラメータ、すなわち、
    時間窓または時間セクションの間の最小センサ示度と、切迫低血糖期間外および低血糖期間外に記録された最低血糖示度との間の比率と、
    前記最小センサ示度を取得するのに先立つタイムスロット内の最大センサ示度とに従って修正される、請求項21に記載の方法。
  40. 複数の候補補正係数(CF)が求められ、補正係数(CF)設定が前記候補補正係数(CF)を用いて実行される投票手順によって求められる、請求項21に記載の方法。
  41. 前記未加工ログデータ入力を前記取得するステップが、教師なし学習コントローラに対する前記未加工ログデータ入力の通信を可能にするために、前記未加工ログデータ入力をアップロードすることによって実行される、請求項21に記載の方法。
  42. 患者のインスリン治療の際に使用するための活性インスリン関数(AIF)を求めるための監視システムの作動方法であって、
    (a)一定の時間にわたって取得され、前記患者のグルコース測定値を示している未加工ログデータを取得するステップであって、区分化されている前記未加工ログデータが、時間セクションにおいて取得されたデータを含む、ステップと、
    (b)前記時間セクション内の前記未加工ログデータに関するグルコース測定値と対のタイムスタンプのセットを取得するステップと、
    (c)前記セットのそれぞれのグルコース測定値を正規化し、それによって、一連の正規化されたグルコース測定値および対のタイムスタンプを取得するステップと、
    (d)前記正規化されたグルコース測定値と対のタイムスタンプとを処理し、実質的に単調な非増加級数にし、それによって、前記活性インスリン関数(AIF)を取得するステップとを含む方法。
  43. 糖尿病治療管理で使用するための制御ユニットであって、
    前記制御ユニットが、一定の時間にわたって取得され、グルコース測定値、食事事象、およびインスリン送達を示している未加工ログデータ入力を処理するように事前にプログラムされた教師なし学習コントローラとして構成され、かつ動作可能なデータプロセッサユーティリティを備え、
    前記処理することが、前記未加工ログデータから基準インスリン送達、インスリンボーラス送達、食事のうちの少なくとも1つを示す有益なデータ断片を求め、前記有益なデータ断片を選択し、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを求めるためにさらに処理し、包括的インスリンポンプ設定を生成することを含む制御ユニット。
  44. 記憶媒体上に記録可能であり、機械可読フォーマットを含むコンピュータプログラムであって、
    アクセスされているとき、一定の期間に対応し、グルコース測定値、食事事象、およびインスリン送達を含む未加工ログデータ入力を識別するステップと、
    前記未加工ログデータから基準インスリン送達、インスリンボーラス送達、食事のうちの少なくとも1つを示す有益なデータ断片を求めるステップと、
    前記有益なデータ断片を選択して、そこから、基準投与量パラメータ、補正係数(CF)パラメータ、炭水化物比率(CR)パラメータ、およびインスリン活性曲線パラメータのうちの少なくとも1つを計算するステップと、
    包括的インスリンポンプ設定に関する値を含む出力データを生成するステップと
    を実行するように構成され、動作可能なコンピュータプログラム。
JP2012531548A 2009-09-30 2010-08-24 インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム Active JP5728767B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US24701709P 2009-09-30 2009-09-30
US30087410P 2010-02-03 2010-02-03
PCT/IL2010/000686 WO2011039741A1 (en) 2009-09-30 2010-08-24 Monitoring device for mangement of insulin delivery

Publications (2)

Publication Number Publication Date
JP2013526887A JP2013526887A (ja) 2013-06-27
JP5728767B2 true JP5728767B2 (ja) 2015-06-03

Family

ID=43057213

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012531548A Active JP5728767B2 (ja) 2009-09-30 2010-08-24 インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム

Country Status (10)

Country Link
US (2) US8954373B2 (ja)
EP (1) EP2483824B1 (ja)
JP (1) JP5728767B2 (ja)
KR (1) KR20120102048A (ja)
CN (1) CN102667787A (ja)
AU (1) AU2010302266A1 (ja)
CA (1) CA2776007A1 (ja)
DK (1) DK2483824T3 (ja)
IL (1) IL218878A0 (ja)
WO (1) WO2011039741A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101600379B1 (ko) * 2015-08-03 2016-03-07 (주) 비비비 당뇨병 환자를 위한 혈당 관리 방법

Families Citing this family (73)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9220456B2 (en) * 2008-04-04 2015-12-29 Hygieia, Inc. Systems, methods and devices for achieving glycemic balance
US7959598B2 (en) 2008-08-20 2011-06-14 Asante Solutions, Inc. Infusion pump systems and methods
AU2010292417B9 (en) 2009-09-08 2015-04-16 Abbott Diabetes Care Inc. Methods and articles of manufacture for hosting a safety critical application on an uncontrolled data processing device
CA2816314C (en) 2010-10-31 2018-03-06 Trustees Of Boston University Blood glucose control system
WO2013023014A1 (en) * 2011-08-11 2013-02-14 Scherb Cliff System and method for determining an amount of insulin to administer to a diabetic patient
US20140149329A1 (en) * 2012-04-19 2014-05-29 Stephen Shaw Near real time blood glucose level forecasting
US20130321425A1 (en) 2012-06-05 2013-12-05 Dexcom, Inc. Reporting modules
DK2888684T3 (en) * 2012-08-24 2019-02-25 Hoffmann La Roche INSULIN PUMP AND METHODS FOR OPERATING THE INSULIN PUMP
US9897565B1 (en) 2012-09-11 2018-02-20 Aseko, Inc. System and method for optimizing insulin dosages for diabetic subjects
US9833191B2 (en) 2012-11-07 2017-12-05 Bigfoot Biomedical, Inc. Computer-based diabetes management
US9907909B2 (en) * 2012-12-20 2018-03-06 Animas Corporation Method and system for a hybrid control-to-target and control-to-range model predictive control of an artificial pancreas
JP6166904B2 (ja) * 2013-01-25 2017-07-19 テルモ株式会社 血糖計
US9561324B2 (en) 2013-07-19 2017-02-07 Bigfoot Biomedical, Inc. Infusion pump system and method
CN103418053B (zh) * 2013-07-24 2015-03-11 上海中医药大学附属龙华医院 个体化胰岛素治疗泵及其基础输注率优化方法
BR112016002598B1 (pt) * 2013-08-05 2022-06-21 Hygieia, Inc Dispositivo e sistema para aliviar glicotoxicidade e/ou restabelecer a função das células beta pancreáticas em um paciente
JP6271229B2 (ja) * 2013-11-28 2018-01-31 富士フイルム株式会社 診療情報処理装置および方法並びにプログラム
US10569015B2 (en) 2013-12-02 2020-02-25 Bigfoot Biomedical, Inc. Infusion pump system and method
US9486580B2 (en) * 2014-01-31 2016-11-08 Aseko, Inc. Insulin management
CN106456064B (zh) * 2014-01-31 2020-11-27 波士顿大学董事会 基于在前时期的离线葡萄糖控制
CA2950966C (en) 2014-06-10 2019-07-09 Bigfoot Biomedical, Inc. Insulin delivery systems and methods
US9892234B2 (en) * 2014-10-27 2018-02-13 Aseko, Inc. Subcutaneous outpatient management
US9878097B2 (en) 2015-04-29 2018-01-30 Bigfoot Biomedical, Inc. Operating an infusion pump system
US11183301B2 (en) 2015-05-18 2021-11-23 Dexcom, Inc. Individualized multiple-day simulation model of type 1 diabetic patient decision-making for developing, testing and optimizing insulin therapies driven by glucose sensors
WO2017027459A1 (en) 2015-08-07 2017-02-16 Trustees Of Boston University Glucose control system with automatic adaptation of glucose target
US10463297B2 (en) * 2015-08-21 2019-11-05 Medtronic Minimed, Inc. Personalized event detection methods and related devices and systems
CA3001448A1 (en) * 2015-10-09 2017-04-13 Dianovator Ab Medical arrangements and a method for determining parameters related to insulin therapy, predicting glucose values and for providing insulin dosing recommendations
US10569016B2 (en) * 2015-12-29 2020-02-25 Tandem Diabetes Care, Inc. System and method for switching between closed loop and open loop control of an ambulatory infusion pump
US10449294B1 (en) * 2016-01-05 2019-10-22 Bigfoot Biomedical, Inc. Operating an infusion pump system
CN108472440B (zh) * 2016-01-05 2021-11-09 比格福特生物医药公司 操作多模式药物输送系统
EP3443998A1 (en) 2016-01-14 2019-02-20 Bigfoot Biomedical, Inc. Adjusting insulin delivery rates
WO2017123703A2 (en) 2016-01-14 2017-07-20 Bigfoot Biomedical, Inc. Occlusion resolution in medication delivery devices, systems, and methods
US10328204B2 (en) 2016-05-02 2019-06-25 Dexcom, Inc. System and method for providing alerts optimized for a user
US20170332952A1 (en) * 2016-05-23 2017-11-23 Bigfoot Biomedical, Inc. Insulin delivery system and methods with risk based set points
WO2018009614A1 (en) 2016-07-06 2018-01-11 President And Fellows Of Harvard College Event-triggered model predictive control for embedded artificial pancreas systems
MA45980A (fr) * 2016-08-17 2019-06-26 Novo Nordisk As Systèmes et procédés de réglage d'un rapport basal/bolus dans un régime d'insuline
EP3526701A1 (en) * 2016-10-13 2019-08-21 Centre National De La Recherche Scientifique Artificial pancreas
ES2957551T3 (es) * 2016-10-21 2024-01-22 Hoffmann La Roche Procedimiento para resaltar valores de analitos durante una ventana terapéutica
JP7082121B2 (ja) 2016-10-31 2022-06-07 ノボ・ノルデイスク・エー／エス 将来の低血糖イベントのリスクを推定するためのシステムおよび方法
WO2018077835A1 (en) * 2016-10-31 2018-05-03 Novo Nordisk A/S Systems and methods for estimating the risk of a future hypoglycemic event
US10854322B2 (en) * 2016-12-21 2020-12-01 Medtronic Minimed, Inc. Infusion systems and methods for patient activity adjustments
EP3568860A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
US10881792B2 (en) 2017-01-13 2021-01-05 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
EP3568859A1 (en) 2017-01-13 2019-11-20 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
US10758675B2 (en) 2017-01-13 2020-09-01 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10500334B2 (en) 2017-01-13 2019-12-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10583250B2 (en) 2017-01-13 2020-03-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
CN110402156B (zh) 2017-02-03 2022-05-03 弗吉尼亚大学专利基金会 控制胰岛素递送的方法、系统和计算机可读介质
USD853583S1 (en) 2017-03-29 2019-07-09 Becton, Dickinson And Company Hand-held device housing
ES2903174T3 (es) 2017-05-05 2022-03-31 Lilly Co Eli Control de bucle cerrado de glucosa fisiológica
WO2019125932A1 (en) 2017-12-21 2019-06-27 Eli Lilly And Company Closed loop control of physiological glucose
US11389596B2 (en) * 2018-01-12 2022-07-19 Becton, Dickinson And Company Smart vial adapter and method
US20190246914A1 (en) 2018-02-09 2019-08-15 Dexcom, Inc. System and method for decision support
JP6763897B2 (ja) * 2018-02-22 2020-09-30 京セラ株式会社 電子機器、推定システム、推定方法及び推定プログラム
US20190313969A1 (en) * 2018-04-12 2019-10-17 Edwards Lifesciences Corporation Customized healthcare management of a living subject
AU2019288473A1 (en) 2018-06-22 2020-12-10 Ypsomed Ag Insulin and pramlintide delivery systems, methods, and devices
EP3598453A1 (en) * 2018-07-15 2020-01-22 mySugr GmbH Method for detecting issues in the basal rate in insulin treated diabetes patients
US11464908B2 (en) * 2019-02-18 2022-10-11 Tandem Diabetes Care, Inc. Methods and apparatus for monitoring infusion sites for ambulatory infusion pumps
US20220254472A1 (en) * 2019-07-09 2022-08-11 President And Fellows Of Harvard College Iterative learning control with sparse measurements for insulin injections in people with type 1 diabetes
CA3146965A1 (en) 2019-07-16 2021-02-21 Beta Bionics, Inc. Blood glucose control system
US11957876B2 (en) 2019-07-16 2024-04-16 Beta Bionics, Inc. Glucose control system with automated backup therapy protocol generation
EP4000075A4 (en) 2019-07-16 2023-10-04 Beta Bionics, Inc. BLOOD GLUCOSE CONTROL SYSTEM
US11992656B2 (en) 2019-08-29 2024-05-28 Medtronic Minimed, Inc. Controlling medical infusion device operation and features based on detected patient sleeping status
US11887712B2 (en) 2019-12-13 2024-01-30 Medtronic Minimed, Inc. Method and system for classifying detected events as labeled event combinations for processing at a client application
US11938301B2 (en) 2019-12-13 2024-03-26 Medtronic Minimed, Inc. Controlling medication delivery system operation and features based on automatically detected muscular movements
US11786655B2 (en) 2019-12-13 2023-10-17 Medtronic Minimed, Inc. Context-sensitive predictive operation of a medication delivery system in response to gesture-indicated activity changes
WO2021188942A1 (en) * 2020-03-20 2021-09-23 WellDoc, Inc. Systems and methods for analyzing, interpreting, and acting on continuous glucose monitoring data
US11931548B2 (en) 2020-08-26 2024-03-19 Anas EL FATHI Method and system for determining optimal and recommended therapy parameters for diabetic subject
IL278675B2 (en) * 2020-11-12 2024-04-01 Dreamed Diabetes Ltd Method and system for automatic monitoring of diabetes treatments based on insulin injections
EP4075444A1 (en) * 2021-04-14 2022-10-19 Roche Diabetes Care GmbH Method and means for postprandial blood glucose level prediction
EP4415785A1 (en) * 2021-10-12 2024-08-21 Tandem Diabetes Care, Inc. Systems and methods for delayed meal boluses in automated insulin delivery
KR102659042B1 (ko) * 2022-02-07 2024-04-22 주식회사 지투이 플랫폼 기반의 스마트 인슐린 펜 제어 방법 및 기록매체
KR102659038B1 (ko) * 2022-02-07 2024-04-22 주식회사 지투이 플랫폼 기반의 인슐린펌프 제어 방법 및 기록매체
CN116439698B (zh) * 2023-03-31 2023-12-15 中南大学 一种重症监护室血糖监测预警方法、系统及设备

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US509784A (en) 1893-11-28 Alexander jvurts
US5956501A (en) * 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
FR2748588B1 (fr) * 1996-05-07 1998-08-07 Soc Et Tech Set Dispositif comportant au moins un reseau de neurones pour determiner la quantite d'une substance a administrer a un patient, notamment de l'insuline
US6558351B1 (en) 1999-06-03 2003-05-06 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
EP1025530A2 (en) * 1997-10-31 2000-08-09 Amira Medical Analyte concentration information collection and communication s ystem
US7806886B2 (en) 1999-06-03 2010-10-05 Medtronic Minimed, Inc. Apparatus and method for controlling insulin infusion with state variable feedback
US6572542B1 (en) 2000-03-03 2003-06-03 Medtronic, Inc. System and method for monitoring and controlling the glycemic state of a patient
US6575905B2 (en) 2000-09-22 2003-06-10 Knobbe, Lim & Buckingham Method and apparatus for real-time estimation of physiological parameters
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US7176278B2 (en) * 2001-08-30 2007-02-13 Biorexis Technology, Inc. Modified transferrin fusion proteins
US8504179B2 (en) 2002-02-28 2013-08-06 Smiths Medical Asd, Inc. Programmable medical infusion pump
US7404796B2 (en) * 2004-03-01 2008-07-29 Becton Dickinson And Company System for determining insulin dose using carbohydrate to insulin ratio and insulin sensitivity factor
JP2005267364A (ja) * 2004-03-19 2005-09-29 Asahi Kasei Medical Co Ltd 治療支援システム
US8313433B2 (en) * 2004-08-06 2012-11-20 Medtronic Minimed, Inc. Medical data management system and process
US7547281B2 (en) 2005-02-01 2009-06-16 Medtronic Minimed, Inc. Algorithm sensor augmented bolus estimator for semi-closed loop infusion system
JP5037496B2 (ja) 2005-05-13 2012-09-26 トラスティーズ オブ ボストン ユニバーシティ １型糖尿病用の完全自動制御システム
US20060272652A1 (en) * 2005-06-03 2006-12-07 Medtronic Minimed, Inc. Virtual patient software system for educating and treating individuals with diabetes
NL1030272C1 (nl) 2005-10-26 2007-04-27 Variak Inrichting voor het automatisch reguleren van de concentratie van glucose in het bloed van een diabetes-patient.
EP1991110B1 (en) 2006-03-09 2018-11-07 DexCom, Inc. Systems and methods for processing analyte sensor data
WO2007120904A2 (en) 2006-04-14 2007-10-25 Fuzzmed, Inc. System, method, and device for personal medical care, intelligent analysis, and diagnosis
US8548544B2 (en) * 2006-06-19 2013-10-01 Dose Safety System, method and article for controlling the dispensing of insulin
US9056165B2 (en) * 2006-09-06 2015-06-16 Medtronic Minimed, Inc. Intelligent therapy recommendation algorithm and method of using the same
US7734323B2 (en) 2007-01-24 2010-06-08 Smiths Medical Asd, Inc. Correction factor testing using frequent blood glucose input
US20080206799A1 (en) * 2007-02-27 2008-08-28 Michael Blomquist Carbohydrate ratio testing using frequent blood glucose input
US20080228056A1 (en) * 2007-03-13 2008-09-18 Michael Blomquist Basal rate testing using frequent blood glucose input
US20080235053A1 (en) * 2007-03-20 2008-09-25 Pinaki Ray Communication medium for diabetes management
US20080269723A1 (en) * 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
US20100145262A1 (en) * 2007-05-03 2010-06-10 Novo Nordisk A/S Safety system for insulin delivery advisory algorithms
US7751907B2 (en) * 2007-05-24 2010-07-06 Smiths Medical Asd, Inc. Expert system for insulin pump therapy
ES2845400T3 (es) * 2007-06-27 2021-07-26 Hoffmann La Roche Sistema para determinar una administración de insulina y comunicar una dosis en un programa informático de páncreas automatizado
WO2009075925A1 (en) * 2007-12-13 2009-06-18 Shaya Steven A Method and apparatus to calculate diabetic sensitivity factors affecting blood glucose
CN101214373B (zh) * 2007-12-26 2012-11-07 珠海福尼亚医疗设备有限公司 开环式智能胰岛素泵的控制方法
WO2010097796A1 (en) 2009-02-26 2010-09-02 Mor Research Applications Ltd. Method and system for automatic monitoring of diabetes related treatments

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101600379B1 (ko) * 2015-08-03 2016-03-07 (주) 비비비 당뇨병 환자를 위한 혈당 관리 방법

Also Published As

Publication number Publication date
JP2013526887A (ja) 2013-06-27
CA2776007A1 (en) 2011-04-07
IL218878A0 (en) 2012-06-28
US20150134356A1 (en) 2015-05-14
US20120246106A1 (en) 2012-09-27
EP2483824A1 (en) 2012-08-08
EP2483824B1 (en) 2017-08-16
US8954373B2 (en) 2015-02-10
KR20120102048A (ko) 2012-09-17
WO2011039741A1 (en) 2011-04-07
AU2010302266A1 (en) 2012-04-19
DK2483824T3 (da) 2017-11-27
US9507917B2 (en) 2016-11-29
CN102667787A (zh) 2012-09-12

Similar Documents

Publication Publication Date Title
JP5728767B2 (ja) インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム
EP2516671B1 (en) Systems for managing drug delivery devices
EP2350895B1 (en) System and method for determining optimal insulin profiles
RU2014111290A (ru) Способ, система и машиночитаемый носитель для адаптационного рекомендательного контроля сахарного диабета
US20040225205A1 (en) Glucose level control method and system
WO2015056259A1 (en) System and method for improved artificial pancreas management
US20100057043A1 (en) Method, System, and Computer Program Product for the Detection of Physical Activity by Changes in Heart Rate, Assessment of Fast Changing Metabolic States, and Applications of Closed and Open Control Loop in Diabetes
Zhao et al. Rapid model identification for online subcutaneous glucose concentration prediction for new subjects with type I diabetes
AU2022215576A1 (en) Systems and methods for risk based insulin delivery conversion
CN117558435A (zh) 一种基于bcm设备的远程透析指导系统
US20210151190A1 (en) Joint state estimation prediction that evaluates differences in predicted vs. corresponding received data
CN114901127A (zh) 治疗区域评估器
Contador et al. Short and medium term blood glucose prediction using multi-objective grammatical evolution
US20220193338A1 (en) Bolus advisor with correction boluses based on risk, carb-free bolus recommender, and meal acknowledgement
US20230138746A1 (en) Systems and methods for a data driven framework for actionable feedback in insulin management for type 1 diabetic subjects on artificial pancreas
IL278675A (en) Method and system for automatic monitoring of diabetes treatments based on insulin injections
CN118645233A (zh) 基于医疗物联网的临床数据管理方法及系统
WO2022140543A1 (en) Bolus advisor with correction boluses based on risk, carb-free bolus recommender, and meal acknowledgement
WO2022234032A2 (en) Methods and systems for estimating fasting glucose values
CN112424868A (zh) 确定待由胰岛素输送装置施用的团剂的方法、计算机程序产品和数据处理装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130816

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20140514

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140519

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140731

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140807

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20140911

A602 Written permission of extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A602

Effective date: 20140919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20141001

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: 20150216

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20150312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150318

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20150312

R150 Certificate of patent or registration of utility model

Ref document number: 5728767

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250