شخصی سازی دوز انسولین در پانکراس مصنوعی با استفاده از یادگیری انتقالی و داده های پایش مداوم گلوکز

دیابت نوع ۱ یکی از اختلالات مزمن متابولیکی است که کنترل دقیق آن نیازمند تنظیم مداوم دوز انسولین بر اساس تغییرات لحظه ای گلوکز، وعده های غذایی، فعالیت بدنی و حساسیت فردی بیمار به انسولین است. سامانه های پانکراس مصنوعی با ترکیب پایش مداوم گلوکز و پمپ تزریق انسولین امکان کنترل حلقه بسته قند خون را فراهم کرده اند؛ با این حال تفاوت های بین فردی و درون فردی بیماران باعث می شود مدل های عمومی در همه شرایط عملکرد پایدار و دقیق نداشته باشند. در این پژوهش یک چارچوب هوشمند برای شخصی سازی دوز انسولین با استفاده از یادگیری انتقالی ارائه می شود. در روش پیشنهادی ابتدا یک مدل پایه بر روی داده های چند بیمار آموزش داده شده و سپس با استفاده از حجم محدودی از داده های اختصاصی هر بیمار لایه های نهایی مدل بازآموزی می شوند تا رفتار گلوکز انسولین فردی بهتر مدل سازی گردد. ورودی های سامانه شامل داده های پایش مداوم، گلوکز، انسولین فعال، کربوهیدرات مصرفی و الگوی فعالیت بدنی است و خروجی آن دوز پیشنهادی انسولین بازال و بولوس اصلاحی می باشد. ارزیابی شبیه سازی شده نشان می دهد که یادگیری انتقالی می تواند زمان انطباق مدل با بیمار جدید را کاهش داده، نیاز به داده آموزشی گسترده را کم کند و شاخص هایی مانند زمان در محدوده هدف، خطای پیش بینی گلوکز و پایداری نرخ تزریق را نسبت به مدل عمومی بهبود دهد. نتایج این پژوهش نشان می دهد که یادگیری انتقالی می تواند گامی موثر در جهت توسعه پانکراس مصنوعی شخصی سازی شده ایمن و قابل اعتماد باشد.

کلیدواژه ها:

پانکراس ، مصنوعی ، یادگیری انتقالی ، شخصی سازی دوز ، انسولین ، پایش مداوم ، گلوکز ، دیابت نوع ۱ ، هوش مصنوعی پزشکی