【技术实现步骤摘要】
【国外来华专利技术】基于概率的控制器增益相关申请的交叉引用本申请要求保护2016年3月4日提交的美国专利申请15/061,202的权益,通过引用将该美国专利申请以其整体合并于此。
本公开内容涉及胰岛素递送并且更特别地涉及一种用于胰岛素递送的控制器,它基于从葡萄糖传感器输入的信号的所计算的质量来实现基于概率的控制器增益,以便更好地确定维持人的良好葡萄糖控制所需的胰岛素递送。
技术介绍
作为
技术介绍
,患有类型I或类型II糖尿病的人的血液中的糖类水平不会被身体适当调节。这些人中的许多可以使用连续葡萄糖监测(CGM)来以持续的基础监测他们的葡萄糖水平。为了执行CGM,葡萄糖传感器可以被放置在皮肤下,这能够测量间质液中人的葡萄糖水平。葡萄糖传感器可以以已知的时间间隔(诸如每一分钟)定期测量人的葡萄糖水平,并且将葡萄糖测量的结果传送给输液泵、血糖计、智能电话或其他电子监测器。在某些情况下,测得的葡萄糖结果(来自葡萄糖传感器)可能包含促使它们偏离人的实际葡萄糖水平的传感器“噪声”。传感器噪声可能因为例如葡萄糖传感器相对于皮肤的物理运动或者因为传感器自身中可能固有的电气噪声。此外,葡萄糖传感器有时可能发生故障,以使得测得的葡萄糖结果(来自葡萄糖传感器)可能与人的实际葡萄糖水平实质上不同。葡萄糖传感器可能因为例如传感器电子器件或电池的故障或因为传感器“信号丢失”而以这种方式发生故障。传感器信号丢失可能因为葡萄糖传感器与人的附接引起的生理问题(诸如传感器相对于人的移动)而发生。传感器信号丢失可能促使测得的葡萄糖结果“降”至零附近,尽管人的实际葡萄糖水平可能高得多。
技术实现思路
鉴于上面指出的问题并 ...
【技术保护点】
1.一种用于估计患有糖尿病的人的葡萄糖水平并且为所连接的疗法递送设备自动选择开环和闭环控制的方法,该方法包括:从耦合至人的葡萄糖传感器将多个测得的葡萄糖结果以及对应的阻抗值接收到具有微控制器的血糖管理设备中;使用微控制器来利用被配置成确定总质量得分
【技术特征摘要】
【国外来华专利技术】2016.03.04 US 15/0612021.一种用于估计患有糖尿病的人的葡萄糖水平并且为所连接的疗法递送设备自动选择开环和闭环控制的方法,该方法包括:从耦合至人的葡萄糖传感器将多个测得的葡萄糖结果以及对应的阻抗值接收到具有微控制器的血糖管理设备中;使用微控制器来利用被配置成确定总质量得分的概率分析工具分析多个测得的葡萄糖结果以及对应的阻抗值,该总质量得分以基于多个测得的葡萄糖结果的葡萄糖传感器准确性的概率和基于阻抗值的感测质量Qac的概率的最小约束为基础;以及使用微控制器来利用递归滤波器估计人的葡萄糖水平,该递归滤波器被配置成基于按总质量得分加权的多个测得的葡萄糖结果来估计葡萄糖水平并且基于总质量得分的值来为所连接的疗法递送设备自动选择开环控制或闭环控制。2.根据权利要求1所述的方法,其中该血糖管理设备包括血糖计,并且该微控制器耦合至葡萄糖传感器、蜂窝电话、智能电话、个人数字助理、个人计算机或计算机服务器。3.根据权利要求1所述的方法,其中该葡萄糖传感器包括物理耦合至患有糖尿病的人并且被配置成自动测量人的葡萄糖水平的连续葡萄糖监测系统,并且所连接的疗法递送设备是输液泵,其中该输液泵有线或无线连接至血糖管理设备。4.根据权利要求1所述的方法,其中该多个测得的葡萄糖结果包括在从每1分钟至每10分钟的范围选择的时段中获得的定期葡萄糖测量结果。5.根据权利要求1所述的方法,其中该概率分析工具被配置成进一步基于以下各项中的至少一个来确定总质量得分:人何时吃一顿饭;人何时锻炼;以及何时向人递送胰岛素。6.根据权利要求1所述的方法,其中该概率分析工具包括隐马尔可夫模型,其中:该隐马尔可夫模型具有两个状态:指示葡萄糖传感器为准确的第一状态SA,以及指示葡萄糖传感器为不准确的第二状态SI;以及该隐马尔可夫模型被配置成基于隐马尔可夫模型的状态和多个测得的葡萄糖结果来确定葡萄糖传感器准确性的概率PA。7.根据权利要求6所述的方法,其中处于第二状态SI的葡萄糖传感器的概率基于最近测得的葡萄糖结果、多个测得的葡萄糖结果中的最近变化或其组合。8.根据权利要求6所述的方法,其中该隐马尔可夫模型从第一状态SA过渡到第二状态SI的概率是:在这里CG是最近测得的葡萄糖结果,ΔCG是多个测得的葡萄糖结果中的最近变化,并且α1、α2、α3和α4是与葡萄糖传感器的特性有关的常数。9.根据权利要求6所述的方法,其中该隐马尔可夫模型保持在第二状态SI的概率是,在这里ΔCG是多个测得的葡萄糖结果中的最近变化,是过渡到第二状态SI中或者处于第二状态SI的先前概率,并且γ、α5和α6是与葡萄糖传感器的特性有关的常数。10.根据权利要求6所述的方法,其中葡萄糖传感器准确性的概率PA是,其中当该隐马尔可夫模型处于第一状态SA时SA=1,并且否则SA=0,当该隐马尔可夫模型处于第二状态SI时SI=1,并且否则SI=0,是从第一状态SA过渡到第二状态SI的概率,以及是当处于第二状态SI时保持在第二状态SI中的概率。11.根据权利要求1所述的方法,其中该递归滤波器是卡尔曼滤波器或扩展的卡尔曼滤波器。12.根据权利要求11所述的方法,进一步包括使用微控制器来利用卡尔曼滤波器或扩展的卡尔曼滤波器预测人的未来葡萄糖水平,其中:该卡尔曼滤波器或扩展的卡尔曼滤波器包括预测步骤和测量步骤;以及该预测步骤被执行一次或多次以便预测人的未来葡萄糖水平。13.根据权利要求11所述的方法,其中该卡尔曼滤波器或扩展的卡尔曼滤波器包括状态向量,在这里k表示状态向量的第k个样本,g表示人的估计的葡萄糖水平;表示g的一阶导数;以及表示g的二阶导数。14.根据权利要求13所述的方法,其中使用微控制器来估计人的葡萄糖水平包括确定状态向量,在这里,CG是在时间k最近测得的葡萄糖结果,ΔCG是多个测得的葡萄糖结果中的最近变化,Kk是卡尔曼增益,是总质量得分,并且β1和β2是与葡萄糖传感器的特性有关的常数。15.根据权利要求14所述的方法,其中卡尔曼增益Kk基于测量不确定性Rk,以使得测量不确定性Rk是可变的并且基于传感器准确性的概率。16.根据权利要求15所述的方法,其中该测量不确定性Rk是:,在这里表示在最后采样时段内原始CGM测量结果(z)和经过滤波的CGM测量结果(x)之间的差的标准偏差,表示对于有差的可控糖尿病的人体内的葡萄糖的最大生理方差,是总质量得分,并且表示对于原始CGM测量结果的最小方差。17.根据权利要求16所述的方法,其中该递归滤波器被配置成进一步基于以下各项中的至少一个来估计人的葡萄糖水平:人何时吃一顿饭;人何时锻炼;以及何时向人递送胰岛素。18.根据权利要求1所述的方法,进一步包括使用微控制器来利用回归分析工具来预测人的未来葡萄糖水平,该回归分析工具被配置成基于根据递归滤波器而估计的人的葡萄糖水平来预测未来葡萄糖水平。19.根据权利要求18所述的方法,其中该回归分析工具包括高斯过程回归分析。20.根据权利要求19所述的方法,其中该高斯过程回归分析包括被配置成学习与人的葡萄糖水平有关的人的一个或多个特性的训练算法。21.一种用于估计患有糖尿病的人的葡萄糖水平并且为所连接的疗法递送设备自动选择开环和闭环控制的装置,该装置包括微控制器和显示器,其中:该微控制器被配置成:从耦合至人的葡萄糖传感器接收多个测得的葡萄糖结果以及对应的阻抗值,利用被配置成确定总质量得分的概率分析工具来分析多个测得的葡萄糖结果以及对应的阻抗值,该总质量得分以基于多个测得的葡萄糖结果的葡萄糖传感器准确性的概率PA和基于阻抗值的感测质量Qac的概率的最小约束为基础,利用被配置成基于按总质量得分加权的多个测得的葡萄糖结果来估计葡萄糖水平...
【专利技术属性】
技术研发人员:HB小巴克,DL杜克,
申请(专利权)人:豪夫迈·罗氏有限公司,
类型:发明
国别省市:瑞士,CH
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。