Klinisk vurdering af en ny avanceret bolusberegner til type 1-diabetes 5 (ABC4D5)

Den nye beslutningsstøttealgoritme er baseret på case-based reasoning (CBR). CBR er en kunstig intelligens-teknik, der forsøger at løse nyligt stødte problemer ved at anvende de løsninger, man har lært fra løste problemer, man stødte på i fortiden (10).

CBR-algoritmen kræver følgende input for hver insulindosisanbefaling:

• Tid på dagen
• Kapillær blodsukker
• Måltid kulhydratindtag (g)
• Type måltid CHO (hurtig, medium eller langsom absorption)
• Træning før eller efter måltid, hvis inden for 4 timer efter måltidet (intensitet: moderat eller intens) Disse parametre udgør caseproblemet præsenteret for CBR-algoritmen. Ved at bruge denne information vil algoritmen finde et lignende tilfælde fra puljen af ​​tidligere stødte tilfælde og anbefale en forbedret løsning (insulindosis) for at opnå det bedst mulige resultat (post-prandial blodsukker).

Applikationen til anbefaling af insulin kører lokalt på et standardoperativsystem såsom iOs5.x eller Android i en kommercielt tilgængelig smartphone. Den indeholder den CBR-baserede beslutningsstøttealgoritme samt oplysninger om tidligere vellykkede sager. Åbning af beslutningsstøtteapplikationen på smartphonen fører til hovedmenuen, som giver et link til undermenuen for at anmode om en ny anbefaling. Hver beregnet anbefaling skal accepteres eller afvises manuelt, og sidstnævnte mulighed kræver, at brugeren indtaster den justerede mængde insulin, der er blevet leveret. Derudover giver hovedmenuen brugeren mulighed for at se loggede data såsom seneste glukoseniveauer, måltider/træningshændelser og tidligere råd om insulindosis.

De glukosesensorer, der vil blive brugt under de kliniske valideringsstudier, er Enlite-sensoren (CE-mærket, fremstillet af Medtronic) eller Dexcom-sensoren (CE-mærket, fremstillet af Dexcom). De er subkutane sensorer, som sidder lige under huden og prøver interstitiel væske ved hjælp af en enzymelektrode. En lille spænding påføres over sensoren, og en strøm føres tilbage til sensorinstrumenteringen. Denne strøm er proportional med glukosekoncentrationen i interstitiel væske og kalibreres mod blodsukker mindst 12 timer i timen. I fase 2 og 3 vil CGM'en blive blindet og enten kalibreret retrospektivt ved hjælp af iPro2-systemet (CE-mærket, fremstillet af Medtronic) eller kalibreret i realtid ved hjælp af Dexcom CGM-systemet (dog vil CGM'en være blindet for emnet). iPro2 består af en optager, der vil blive fastgjort til Enlite-sensoren, og efter 6 dage vil dataene blive downloadet til Medtronic Carelink iPro-softwaren. Dexcom CGM-dataene vil blive downloadet til DiaSend/Dexcom Studio-softwaren. I fase 4 vil Dexcom-realtids-CGM (dvs. forsøgspersoner vil kunne se deres CGM-data til enhver tid) blive brugt kontinuerligt gennem hele undersøgelsen. I fase 5 vil den seneste kommercielt tilgængelige version af Dexcom RT-CGM (Dexcom G6) blive brugt i overensstemmelse med producentens brugervejledning, og data vil automatisk blive gemt i Dexcom Clarity. Alle data vil blive anonymiseret. Den ikke-CE-mærkede komponent af interventionen (ABC4D-enheden, som er en ny bolusberegner til type 1-diabetes) forbliver den samme, og eventuelle justeringer af algoritmen vil blive dokumenteret med nye versionsnumre som sædvanligt. Den seneste kommercielt tilgængelige version af Dexcom RT-CGM (Dexcom G6) vil blive brugt, og denne har fået CE-mærket godkendelse. To yderligere komponenter til automatisk at indsamle yderligere oplysninger vil blive brugt i fase 5:

1. Insulinpennehætter tillader automatisk logning af insulindoser leveret fra insulinpennen. Deltageren vil blive forsynet med penhætten, der er kompatibel med deres insulinpen.

   InPen (Companion Medical). InPen er en CE-mærket enhed. GoCap (Common Sensing). GoCap er klassificeret som et ikke-medicinsk udstyr og kræver derfor ikke CE-mærke i Europa.

2. FitBit Charge 2 HR (Fitbit) til at indsamle fysisk aktivitetsdata. Fitbit Charge 2 HR er klassificeret som en ikke-medicinsk enhed.

En oversigt over komponenterne i ABC4D-systemet til fase 5 er inkluderet i protokollens fase 5-afsnit og i det tilsvarende PIS.

For at demonstrere sikkerheden og effektiviteten af ​​CBR-algoritmen blev der udført et in-silico-studie med UVa-Padova T1DM-simulatoren (11), som viste gode resultater. Simulatoren er udviklet ud fra menneskelige data og tager højde for sensorfejl, sensorplacering, insulinadministrationsvej og glukoseabsorption ved måltider.