طراحی و پیاده سازی پمپ تزریق انسولین هوشمند با بهره گیری از شبکه های عصبی عمیق برای پیش بینی سطح گلوکز

دیابت نوع یک یکی از شایع ترین بیماری های متابولیکی در جهان است که به دلیل ناتوانی بدن در تولید انسولین، نیازمند کنترل دقیق و مستمر سطح گلوکز خون است. پمپ های تزریق انسولین به عنوان یکی از ابزارهای رایج در مدیریت این بیماری، در سال های اخیر پیشرفت های قابل توجهی داشته اند. بااین حال، بسیاری از این سامانه ها از الگوریتم های ساده و غیر دینامیک برای تنظیم میزان انسولین استفاده می کنند که نمی توانند به طور بهینه با نوسانات پیچیده قند خون سازگار شوند. در این پژوهش، یک سامانه پمپ تزریق انسولین هوشمند مبتنی بر یادگیری عمیق پیشنهاد می شود که با استفاده از داده های پیوسته حاصل از مانیتور گلوکز (CGM)، سطح قند خون بیمار را پیش بینی کرده و به صورت بلادرنگ میزان مناسب انسولین را تنظیم می نماید. مدل پیشنهادی با استفاده از شبکه های عصبی بازگشتی (RNN) و به ویژه ساختار LSTM طراحی شده و بر روی مجموعه داده های معتبر بیماران دیابتی آموزش دیده است. نتایج حاصل از شبیه سازی نشان می دهد که مدل ارائه شده دارای دقت پیش بینی بالایی بوده و در مقایسه با روش های کلاسیک، عملکرد بهتری در کنترل سطح گلوکز ارائه می دهد. استفاده از این روش می تواند گامی موثر در جهت تحقق سامانه های خودکار و هوشمند در درمان دیابت نوع یک باشد.

کلیدواژه ها:

دیابت نوع یک ، پمپ انسولین ، یادگیری عمیق ، شبکه عصبی LSTM ، پیش بینی گلوکز ، سیستم تزریق هوشمند