[发明专利]一种专家经验辅助的餐前胰岛素剂量学习优化决策系统

说明书

本发明提供一种专家经验辅助的餐前胰岛素剂量学习优化决策系统，结合人工智能和专家经验方法，同时挖掘患者血糖监测和胰岛素输注数据蕴含的信息，实现在少样本下，仍能基于历史数据确定安全有效的餐前胰岛素剂量，改善餐后血糖管理，同时赋予系统不断自适应学习，提升决策性能的能力；由此可见，本发明为改善餐后血糖管理，利用少量患者历史数据，设计了专家决策辅助的餐前胰岛素剂量个体化学习决策系统，该系统引入模型预测评估方法，有效避免少样本条件下系统决策失误，持续学习患者血糖代谢规律；同时，本发明还引入迭代更新思想，自适应确定餐后血糖管理目标，实现为不同患病情况的糖尿病患者少样本下快速确定安全有效的餐前胰岛素剂量。

技术领域

本发明属于餐前胰岛素剂量决策领域，尤其涉及一种专家经验辅助的餐前胰岛素剂量学习优化决策系统。

背景技术

胰岛素和胰高血糖素共同维持着人体正常血糖水平。糖尿病是由胰岛素分泌缺陷或其生物作用受损导致，主要分为1型和2型糖尿病，可导致低血糖症等急性症状，以及心血管疾病、慢性肾脏病等严重长期并发症。2017年国际糖尿病联盟的统计数据显示，我国患者数量达到1.144亿，成为全世界最多。随着我国现代生活水平的提升，生活节奏的加快，糖尿病慢慢地趋于年轻化。同时我国人口基数大，存在人口老龄化问题，未来糖尿病患者数量势必会持续增加。糖尿病的有效防治已成为我国在卫生健康领域面临的严峻挑战。

目前医疗界没有根治糖尿病的治疗方式，体外补充胰岛素仍是目前控制血糖的有效手段，其中每日多次皮下注射胰岛素(Multiple Daily Injection,MDI)治疗是一种重要治疗手段。MDI治疗方案采用分开注射基础胰岛素和餐时胰岛素的方式，有效改善血糖控制。目前MDI在确定餐前胰岛素剂量时，大多采用简单的比例转换关系。例如患者在用餐前估算将摄入的碳水化合物含量(CHO)，再除以医师提供的胰岛素与碳水化合物比(Carbohydrate Ratio,CR)，得到此次餐时胰岛素剂量。这种方式的餐后血糖管理性能很大程度由CR参数的准确性决定，严重依赖于主治医师的临床治疗水平和患者估算CHO的经验。同时这种方式往往忽略了对患者血糖代谢规律进行挖掘，没有考虑就餐前血糖情况对餐后血糖的影响。种种原因导致患者餐后血糖调节效果差强人意。

随着血糖监测设备领域的发展，动态葡萄糖监测技术(Continuous GlucoseMonitoring，CGM)可为患者提供全天的连续血糖监控数据。这些血糖监测数据和胰岛素输注数据为个体化治疗提供大数据支持，但如何挖掘与利用数据反映出来的血糖代谢规律，改善血糖管理仍存在诸多挑战。国内患者由于缺乏估算CHO的经验，往往在血糖管理不佳的情况下，申请住院由医生确定合适的餐时剂量。住院期间患者往往会佩戴CGM，但由于住院资源有限，患者住院时间普遍较短，造成可收集的餐时数据样本较少。因此如何在少样本条件下，将血糖代谢过程存在的个体内/个体间差异考虑进餐前胰岛素剂量的优化设计，建立基于数据驱动的餐前胰岛素剂量个性化学习优化决策方法具有重要意义。一方面在少样本下可帮助医生快速确定餐时剂量，减轻患者负担，另一方面在患者出院继续佩戴CGM条件下，学习优化决策方法可不断地适应患者生理节律的变化，有望持续改善餐后血糖管理。

据调查与了解，目前公开的现有技术如下：

申请公开号为CN101214373的发明专利公开了一种餐前胰岛素用量控制方法，该方法根据患者过去一定时间段内是否注射常规或速效胰岛素，采用不同的方式，将就餐胰岛素剂量、校正胰岛素剂量和残留的活性胰岛素(IOB)约束进行组合，确定餐前胰岛素用量；申请公开号为CN109564775A的发明专利公开了优化餐时胰岛素剂量的系统和方法，提供了一种利用胰岛素笔中记录的胰岛素输注数据调整受验者预期用餐的短效剂量的系统和方法。然而上述专利确定剂量时仍然采用比例关系，性能严重依赖医生的医疗水平，没有提供一种同时挖掘胰岛素和血糖监测数据蕴含的患者血糖变化规律的方法，难以有效地改进剂量决策。