基于胰岛素基础率估计的人工胰腺系统自抗扰控制

胰岛素基础率是人工胰腺系统实现人体血糖闭环控制的基准, 但该变量在临床治疗中难以准确确定. 针对这一问题, 本文设计了一种基于胰岛素基础率动态估计的人工胰腺自抗扰控制方法, 通过扩张状态观测器(Extended state observer, ESO)实时估计血糖代谢过程中的内部与外界干扰, 构建具备参数自适应能力的反馈控制律和胰岛素注射安全约束, 实现血糖闭环调控能力的有效改善. 在此基础上, 本文设计了基于移动设备和蓝牙模块的人工胰腺软件系统, 并通过美国食品药品监督管理局(Food and Drug Administration, FDA)接受的UVA/Padova T1DM仿真平台完成算法的比较仿真与功能测试. 本文的工作将为后续人工胰腺临床试验的开展提供方法基础和技术支持, 也为我国糖尿病患者血糖管理的改善提供精准医学治疗手段.     

数据驱动的间歇低氧训练贝叶斯优化决策方法

青藏地区快速的经济发展使得进入高原的群体数量日益增加,随之而来的高原健康问题也愈发突出.间歇性低氧训练(Intermittent hypoxic training, IHT)是急进高原前常使用的预习服方法,一般针对不同个体均设置固定的开环策略,存在方案制定无标准、系统化的理论指导缺乏、效果不明显等问题.针对以上情况,设计了一种小样本数据驱动的IHT策略贝叶斯闭环学习优化框架,建立自回归结构的高斯过程血氧饱和度(Peripheral oxygen saturation, SpO2)预测模型,并考虑高低风险事件对训练的影响,设计与氧浓度变化方向和速率相关的风险不对称代价函数,提出具有安全约束的贝叶斯优化方法,实现IHT最优供氧浓度的优化决策.考虑到现有仿真器无法反映个体动态变化过程,依据“最优速率理论”设计了合理的模型自适应变化律.所提出闭环干预方法通过该仿真器进行了可行性和有效性验证.说明该学习框架能够指导个体提升高原适应能力,减轻其在预习服阶段的非适应性不良反应,为个性化IHT提供精准调控手段.     

面向智能血糖管理的餐前胰岛素剂量贝叶斯学习优化方法

餐前胰岛素剂量精准决策是改善糖尿病患者血糖管理的关键.临床治疗中胰岛素剂量调整一般在较短时间内完成,具有典型的小样本特征;数据驱动建模在该情形下无法准确学习患者餐后血糖代谢规律,难以确保胰岛素剂量的安全和有效决策.针对这一问题,设计一种临床经验辅助的餐前胰岛素剂量自适应优化决策框架,构建高斯过程血糖预测模型和模型有效性在线评估机制,提出基于历史剂量和临床经验决策约束的贝叶斯优化方法,实现小样本下餐后血糖轨迹的安全预测和餐前胰岛素注射剂量的优化决策.该方法的安全性和有效性通过美国食品药品监督管理局接受的UVA/Padova T1DM平台测试结果和1型糖尿病患者实际临床数据决策结果充分验证.可为餐前胰岛素剂量智能决策及临床试验提供方法基础和技术支持,也为中国糖尿病患者血糖管理水平的有效改善,提供了精准医学治疗手段.