Ny UVA klinisk prövning utforskar AI-driven insulinleverans för bättre diabetesvård

För personer som lever med typ 1-diabetes (T1D) är det en ständig utmaning att hålla blodsockernivån i schack. En ny klinisk studie vid UVA syftar till att förenkla diabeteshanteringen genom att testa en innovativ AI-driven enhet som är utformad för att förbättra automatiserad insulinleverans.

Studien leds av flera School of Data Science-fakulteten, inklusive biträdande professor i datavetenskap Herman Shakeri och Boris Kovatchev, grundare av UVA Center for Diabetes Technology, professor vid School of Medicine och professor i datavetenskap (med artighet); och Anas El Fathi, forskningsassistent professor vid Center for Diabetes Technology och biträdande professor i datavetenskap (med tillstånd).

Tack vare det senaste FDA-godkännandet är forskare inställda på att bedöma denna banbrytande teknik. Försöket, som startar i mars, kommer att utvärdera en ny förstärkningsinlärningsfunktion som kallas "Bolus Priming System with Reinforcement Learning" (BPS_RL). Med hjälp av finjusteringen av BPS_RL var postdoktoralforskaren Ali Tavasoli, som också genererade datorsimuleringen som hjälpte till att leda till FDA-godkännande.

Den helautomatiska BPS_RL-tekniken integreras med det befintliga automatiska insulintillförseln Adaptive NET-arbetet (AIDANET) - ett system som innehåller en telefonapp, Dexcom-glukosmonitor och Tandem insulinpump - för att möjliggöra insulinleverans utan att kräva användarinmatning.

- Målet? För att se om denna nya funktion kan hjälpa människor att behålla bättre blodsockerkontroll, särskilt under måltider och över natten, samtidigt som hälsosäkerheten bibehåller sig hälsosäkerheten och förbättrar användarvänligheten.

Ta itu med utmaningarna i T1D
För många med T1D är det en pågående kamp att hålla blodsockernivån stabil. Insulinbehovet kan förändras på grund av måltider, aktivitetsnivåer, stress och andra faktorer, vilket gör det svårt att dosera exakt. AID-system kräver användarinmatning, och de kan vara kostsamma och svåra att komma åt. UVA:s nya studie hoppas kunna ta itu med dessa frågor genom att utveckla ett smartare och mer adaptivt system som inte bara är effektivt utan också praktiskt och prisvärt.

Hur det fungerar
Under tre veckor kommer 16 vuxna deltagare med erfarenhet av att använda ett AID-system att testa den förbättrade tekniken.

Vecka 1: Deltagarna använder standard AIDANET-systemet hemma för att upprätta en baslinje.

Vecka 2: Deltagarna bor på en övervakad testplats, med både standard och uppdaterade system för 18-timmars sessioner vardera.

Vecka 3: Deltagarna återvänder hem och använder det förbättrade systemet under fjärrövervakning.

Studien kommer att jämföra hur väl blodsockernivån upprätthålls med och utan den AI-drivna uppgraderingen. Hälften av deltagarna kommer att börja med det nuvarande systemet innan de byter till den nya, och den andra hälften kommer att göra det omvända.

En ny era av diabetesvård
"Den här studien handlar inte bara om att främja teknik - det är ett djärvt steg mot att omvandla diabetesvård och lyfta liv", säger Shakeri.
"Vi är fast beslutna att skapa ett helt automatiserat, intelligent insulinleveranssystem som omdefinierar diabeteshanteringen, vilket gör behandlingen enklare, mer tillförlitlig och helt enkelt för patienterna."

Utöver att förbättra blodsockerkontrollen hoppas forskare att framsteg som BPS_RL kommer att bidra till att minska den mentala och ekonomiska bördan av diabeteshantering. Genom att göra insulinleveranssystem mer anpassningsbara, exakta och kostnadseffektiva, banar UVA vägen för en framtid där diabetesvården är effektivare och rättvis för alla.

Källa: UVA Data Science