[发明专利]基于云端大数据的胰岛素泵个体化配置优化系统

摘要

本发明公开了一种基于云端大数据的胰岛素泵个体化配置优化系统及方法，包括胰岛素泵、实时动态血糖监测系统、智能手机及安装在智能手机中的血糖监测应用软件、云端大数据服务器。本发明所构建的系统可以通过在云端储存的用户个人的血糖测量历史数据有效地计算每个用户的个体最优胰岛素注射量和注射速率，辅助医生和患者制定更有效的糖尿病治疗方案。

主权项

1.一种基于云端大数据的胰岛素泵个体化配置优化系统，其特征在于，包括胰岛素泵、实时动态血糖监测系统、智能手机及安装在智能手机中的血糖监测应用软件、云端大数据服务器；胰岛素泵包括带有控制模块和无线传输模块的注射泵本体、可更换的储药器和皮下留置针；胰岛素泵的无线传输模块与智能手机通过无线方式联接并与血糖监测应用软件相互传输数据；实时动态血糖监测系统包括可更换的植入式葡萄糖传感器探头、可重复使用的信号采集器和信号发射器；实时动态血糖监测系统的信号发射器与智能手机通过无线方式联接并与血糖监测应用软件相互传输数据；智能手机和安装在智能手机中的血糖监测应用软件具有通过无线传输技术与实时动态血糖监测系统和胰岛素泵进行数据传输，以及通过手机数据网络或无线网络与云端大数据服务器进行数据上传下载的功能；云端大数据服务器具有用户个人信息和历史数据存储，更新，计算和传输的功能；云端大数据服务器根据存储的用户历史数据计算用户与糖尿病相关的个体化参数，并对胰岛素泵和实时动态血糖监测系统的参数输出数据进行自动修正计算并推送至智能手机中，所述参数包括1单位胰岛素转化的单位碳水化合物数量CR、胰岛素敏感指数IS、胰岛素存留时间TA、用户在禁食期间身体通过新陈代谢向血液中释放葡萄糖的速率GR、单次大剂量注射量BOLUS、基础输注率BASAL；胰岛素泵可通过智能手机从云端大数据服务器下载最新的用户参数，然后根据用户输入的碳水化合物摄入量计算建议胰岛素大剂量注射方案，并根据用户对基础输注率的时间分段向用户建议更新过的基础输注率方案；在云端大数据服务器中用户生理参数CR，IS，TA，GR以及胰岛素输注量的定义和计算方式如下：CR：1单位胰岛素转化的单位碳水化合物数量IS：胰岛素敏感指数TA：胰岛素存留时间GR：用户在禁食期间身体通过新陈代谢向血液中释放葡萄糖的速率BOLUS：单次大剂量注射量BASAL：基础输注率，通常以胰岛素单位/小时(U/h)进行计数根据给定的CR，IS，TA，则BOLUS注射剂量的计算公式为：其中，BGcurrent是实时动态血糖监测系统读取的大剂量注射前的血糖值；BGtarget是目标血糖值；BOLUSprev为上一次大剂量的注射量；CARBS为用户所输入的当前碳水化合物摄入量；TI为进行当前运算的时刻距离上次大剂量注射过程中点的时间，min(TI，TA)取TI，TA中的较小值，使得当TI大于或等于TA时，上一次大剂量的残留量为0；根据给定的GR，则在时长为t的禁食期间BASAL输注率的计算方式为：其中BGstart是实时动态血糖监测系统读取的禁食时间段开始时一段时间的平均血糖，TI为进行当前运算的时刻距离上次大剂量注射过程中点的时间；云端大数据服务器可通过实时收集用户使用实时动态血糖监测系统和胰岛素泵进行大剂量注射所获得的实时数据来优化其生理参数CR，IS，TA，具体步骤如下：步骤A，建立回归方程其中，BGbefore是大剂量注射前的血糖值，同计算公式中的BGcurrent；BGafter是大剂量注射一段时间后的实测血糖值；步骤B，通过智能手机从胰岛素泵和实时动态血糖监测系统获取每次大剂量注射时间Tstart附近的以下数据：注射开始时间Tstart：胰岛素泵数据注射结束时间Tend：胰岛素泵数据Tstart时刻开始的大剂量注射量BOLUS：胰岛素泵数据Tstart时刻实时动态血糖监测系统测得的血糖值BGbeforeTend一段时间后实时动态血糖监测系统测得的血糖值BGafterTstart时刻附近的由用户输入的糖水化合物摄入量CARBS形成用于计算的样本记录包[Tstart_n Tend_n BOLUS_n CARBS_n BGbefore_n BGaffer_n]将最近三至六个月内的数据用于回归，历史数据变量的下标序号n根据Tstart逆序排列，即越接近当前的历史数据，序号越小；步骤C，构建样本矩阵：其中，ΔBG_n＝BGafter_n‑BGbefore_n，当TI_n＜TAl时，BOLUS′_n＝BOLUS_n+BOLUS_n+1，TI′_n＝TI_n，TI_n＝Tstart_n‑(Tstart_n+1+Tend_n+1)/2；当TI_n＞TAu时，BOLUS′_n＝BOLUS_n，TI′_n＝0；当TAl≤TI_n≤TAu时，样本舍弃；TAu是TA允许设置的上限，TAl是TA允许设置的下限；步骤D，若对于所有n，X_n，3＝0，则：否则样本矩阵保持不变；步骤E，求解超定方程G＝XC，用加权最小二乘法求解：步骤F，剔除异常数据：计算残差：剔除残差大于阈值的数据项，然后重复回归算法A～F，直至不存在残差大于阈值的数据项；步骤G，根据回归算法结果计算更新的生理参数IS，CR，TA：若存在则否则步骤H，最终，得到的和以一定的校正比例γ修正当前设定的IS、CR和TA，γ的取值范围为0＜γ＜1，作为现在起胰岛素泵大剂量注射的设置参数；同时修订TAl和TAu：TAl：＝TA×τ％，其中0＜τ＜100；TAu：＝TA×v％，其中100＜v＜150；储存并更新生理参数IS、CR、TA、TAl和TAu至云端大数据服务器并推送至手机应用程序和胰岛素泵。