相关实验视频
Updated: Jul 4, 2025
12:08
Improving IV Insulin Administration in a Community Hospital
Published on: June 11, 2012
18.8K
神经网络人工胰腺:一项随机交叉试验,对一流的自动化胰岛素输送算法进行了随机交叉试验
Boris Kovatchev1, Alberto Castillo1, Elliott Pryor1
1Center for Diabetes Technology, University of Virginia School of Medicine, Charlottesville, Virginia, USA.
Diabetes technology & therapeutics
|January 26, 2024
概括
一个新的神经网络人工胰腺 (NAP) 与现有的1型糖尿病自动胰岛素输送 (AID) 算法的性能密切匹配. 这种人工智能方法显著减少了计算需求,为糖尿病管理中的机器学习铺平了道路.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能在医学中的应用
- 内分泌学 在内分泌学.
背景情况:
- 自动注射胰岛素 (AID) 系统对于1型糖尿病 (T1D) 的管理至关重要.
- 一种新的方法涉及将AID算法编码到神经网络中,创建一个神经网络人工胰腺 (NAP).
- 本研究评估了NAP的可行性和性能与传统的AID算法相比.
研究的目的:
- 引入和评估使用神经网络人工胰腺 (NAP) 的新监管和临床范式.
- 将NAP的性能与已建立的弗吉尼亚大学模型预测控制 (UMPC) AID算法进行比较.
- 为了评估NAP的计算效率.
主要方法:
- 该UMPC算法被编码到一个神经网络中,以创建它的NAP近似.
- 十五名患有T1D的参与者被纳入了一项随机交叉研究,在两个20小时的会议中使用NAP和UMPC.
- 参与者的人口统计包括年龄,糖尿病持续时间,性别,种族和基线糖化血红蛋白.
主要成果:
- NAP的表现与UMPC的表现相似,TIR差异为1% (NAP为86%而UMPC为87%).
- 两种算法都显示了在70 mg/dL以下的时间和变化系数的类似结果.
- 与UMPC相比,NAP的计算需求低了6倍,胰岛素建议的差异很小.
结论:
- 模型预测控制算法 (NAP) 的神经网络编码实现了与T1D中UMPC相似的血糖控制.
- 与传统的AID算法相比,NAP显著降低了计算要求.
- 这项研究支持将机器学习方法集成到用于T1D管理的自动化胰岛素输送领域.
更多相关视频
08:32Studying the Hypothalamic Insulin Signal to Peripheral Glucose Intolerance with a Continuous Drug Infusion System into the Mouse Brain
Published on: January 4, 2018
10.3K
06:13Author Spotlight: Exploring the Impact of Reduced Resistance Exercise Volume on Metabolic Health
Published on: December 1, 2023
1.1K
