Comparación de modelos de algoritmos de control predictivo (MPC) para optimizar la glucosa en sangre en sistemas de...

Área de la Ciencia:

• Endocrinología Endocrinología.
• Ingeniería Biomédica Ingeniería Biomédica.
• La inteligencia artificial es la inteligencia artificial.

Sus antecedentes:

• Los sistemas de circuito completamente cerrado (FCL) representan un avance en la automatización de la regulación de la glucosa para la diabetes tipo 1.
• El Control Predictivo Modelo (MPC) es una tecnología emergente dentro de los sistemas FCL.

Objetivo del estudio:

• Para evaluar la eficacia clínica de los sistemas FCL.
• Para explorar futuras optimizaciones mediante la comparación de los últimos desarrollos del sistema FCL.

Principales métodos:

• Comparación de los sistemas FCL basados en MPC con los modelos híbridos de circuito cerrado (HCL) controlados por derivados integrales proporcionales (PID).
• Análisis de tres avances emergentes en FCL: el MPC no lineal (NMPC), la iteración de la política λ (λ-PI) y los sistemas de páncreas artificial modulado por pulso (PMCL).
• Propuesta de un nuevo modelo híbrido que integre los beneficios de los algoritmos emergentes.

Principales resultados:

• Los sistemas FCL basados en MPC demostraron un tiempo en el rango (TIR) superior en comparación con el PID-HCL (74,4% frente a 63,7%, P = 0,020).
• Permanecen desafíos clave, incluida la hiperglucemia postprandial y los retrasos en la absorción de insulina, sin que ningún sistema exceda consistentemente el objetivo del 70% de TIR.
• Los avances emergentes incluyen NMPC para sistemas de doble hormona, λ-PI para el aprendizaje adaptativo y sistemas PMCL que imitan la secreción natural de insulina.

Conclusiones:

• Las innovaciones actuales son prometedoras en silico, pero carecen de validación clínica.
• Las barreras para la adopción clínica incluyen la inestabilidad del glucagón, las inexactitudes de la CGM, el costo y la adherencia del paciente.
• La investigación futura debe centrarse en ensayos a largo plazo que aborden los factores del mundo real e integren el control predictivo, el aprendizaje adaptativo y la regulación dual de hormonas para mejorar el manejo de la diabetes.