针对患者的具体建模和模型预测控制方法,以个性化优化贫血管理

科学领域:

• 生物医学工程 生物医学工程
• 腎臟病學 (nephrology) 是一種醫學專業.
• 控制系统 控制系统

背景情况:

• 慢性病 (CKD) 中贫血很常见,原因是红色素 (EPO) 产量减少,导致血红蛋白 (Hgb) 低.
• 外部EPO的管理旨在保持Hgb水平在10-12g/dL之间,但当前的方法,如贫血管理协议 (AMP) 与剂量稳定性和Hgb波动作斗争.

研究的目的:

• 开发和评估一个个性化的模型预测控制 (MPC) 框架,以优化CKD患者的EPO剂量.
• 为了比较MPC与现有的贫血管理协议 (AMP) 在稳定Hgb水平方面的疗效.

主要方法:

• 一种半盲强大的模型识别方法被用来从最小的剂量反应数据创建个性化的患者模型.
• 这些个性化模型被整合到EPO剂量指导的模型预测控制 (MPC) 框架中.
• 进行模拟,将MPC性能与贫血管理协议 (AMP) 进行比较.

主要成果:

• 模型预测控制 (MPC) 在维持目标血红蛋白 (Hgb) 水平 (10-12 g/dL) 方面表现出卓越的表现,没有显著的超出或下降.
• MPC有效地稳定了EPO剂量,与贫血管理协议 (AMP) 不同,该协议在Hgb水平中表现出波动.
• 在体检测结果表明,MPC具有更精确,更稳定的CKD贫血管理能力.

结论:

• 模型预测控制 (MPC),利用个性化的患者模型,在治疗慢性病 (CKD) 患者的贫血方面取得了重大进展.
• 这项研究为个性化EPO剂量提供了临床决策框架,改进了当前的贫血管理协议.
• 拟议的方法使用最小的患者数据,使其实际用于临床应用.