[go: up one dir, main page]

CN115135359A - 人工胰腺中的机器学习 - Google Patents

人工胰腺中的机器学习 Download PDF

Info

Publication number
CN115135359A
CN115135359A CN202080097204.5A CN202080097204A CN115135359A CN 115135359 A CN115135359 A CN 115135359A CN 202080097204 A CN202080097204 A CN 202080097204A CN 115135359 A CN115135359 A CN 115135359A
Authority
CN
China
Prior art keywords
insulin
user
glucose
artificial pancreas
delivery system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202080097204.5A
Other languages
English (en)
Inventor
A·U·卡马斯
D·J·埃斯科瓦尔
S·三上
H·罕帕普拉姆
B·E·韦斯特
N·保罗
N·C·巴瓦拉朱
M·R·门辛格尔
G·A·莫里斯
A·A·帕尔
E·雷曼
S·M·贝利维奥
K·Y·克勒
N·波利塔瑞迪斯
R·德雷格尔
J·瓦尔德斯
D·普赖斯
P·C·辛普森
E·斯威尼
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dexcom Inc
Original Assignee
Dexcom Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dexcom Inc filed Critical Dexcom Inc
Publication of CN115135359A publication Critical patent/CN115135359A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222—Evaluating particular parts, e.g. particular organs
    • A61B5/425—Evaluating particular parts, e.g. particular organs pancreas
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/683—Means for maintaining contact with the body
    • A61B5/6832—Means for maintaining contact with the body using adhesives
    • A61B5/6833—Adhesive patches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M5/14244—Pressure infusion, e.g. using pumps adapted to be carried by the patient, e.g. portable on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0894—Escrow, recovery or storing of secret information, e.g. secret key escrow or cryptographic key storage
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/30—Public key, i.e. encryption algorithm being computationally infeasible to invert or user's encryption keys not requiring secrecy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H04W12/033—Protecting confidentiality, e.g. by encryption of the user plane, e.g. user's traffic
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/03—Protecting confidentiality, e.g. by encryption
    • H04W12/037—Protecting confidentiality, e.g. by encryption of the control plane, e.g. signalling traffic
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/08—Sensors provided with means for identification, e.g. barcodes or memory chips
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M2005/14208—Pressure infusion, e.g. using pumps with a programmable infusion control system, characterised by the infusion program
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/18—General characteristics of the apparatus with alarm
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3546—Range
    • A61M2205/3553—Range remote, e.g. between patient's home and doctor's office
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
    • A61M2205/3584—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using modem, internet or bluetooth
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/35—Communication
    • A61M2205/3576—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver
    • A61M2205/3592—Communication with non implanted data transmission devices, e.g. using external transmitter or receiver using telemetric means, e.g. radio or optical transmission
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/502—User interfaces, e.g. screens or keyboards
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/50—General characteristics of the apparatus with microprocessors or computers
    • A61M2205/52—General characteristics of the apparatus with microprocessors or computers with memories providing a history of measured variating parameters of apparatus or patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/58—Means for facilitating use, e.g. by people with impaired vision
    • A61M2205/581—Means for facilitating use, e.g. by people with impaired vision by audible feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/58—Means for facilitating use, e.g. by people with impaired vision
    • A61M2205/582—Means for facilitating use, e.g. by people with impaired vision by tactile feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/58—Means for facilitating use, e.g. by people with impaired vision
    • A61M2205/583—Means for facilitating use, e.g. by people with impaired vision by visual feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/82—Internal energy supply devices
    • A61M2205/8206—Internal energy supply devices battery-operated
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2230/00—Measuring parameters of the user
    • A61M2230/20—Blood composition characteristics
    • A61M2230/201—Glucose concentration
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L2209/00—Additional information or applications relating to cryptographic mechanisms or cryptographic arrangements for secret or secure communication H04L9/00
    • H04L2209/80—Wireless
    • H04L2209/805—Lightweight hardware, e.g. radio-frequency identification [RFID] or sensor

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Anesthesiology (AREA)
  • Hematology (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Diabetes (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)

Abstract

描述了人工胰腺中的机器学习。人工胰腺系统可以包括可穿戴葡萄糖监测设备、胰岛素递送系统和计算设备。从广义上讲，可穿戴葡萄糖监测设备连续地提供人的葡萄糖测量值。可以在计算设备处实现的人工胰腺算法基于多个方面且出于将人的葡萄糖维持在目标范围内的目的而确定要递送给人的胰岛素剂量，如那些葡萄糖测量值所示。然后，胰岛素递送系统将这些确定的剂量递送给人。由于人工胰腺算法随时间确定人的胰岛素剂量并且观察到该胰岛素剂量将人的葡萄糖水平维持在目标范围内的有效性，因此可以更新人工胰腺算法的底层模型以更好地确定胰岛素剂量。

Description

人工胰腺中的机器学习
相关申请的参引合并
本申请要求于2020年2月20日提交的美国临时专利申请第62/979347的优先权，其标题为“人工胰腺中的机器学习(Machine Learning in An Artificial Pancreas)”。上述申请的全部内容通过引用并入本文，并在此明确地构成本说明书的一部分。
背景技术
糖尿病是一种影响数亿人的代谢疾病，并且是全球主要的死亡原因之一。对于患有糖尿病的人群来说，获得治疗对他们的生存至关重要。通过适当的治疗，可以在很大程度上避免因糖尿病而对心脏、血管、眼睛、肾脏和神经造成的严重损害。对I型糖尿病患者的适当治疗通常涉及全天监测葡萄糖水平并调节这些水平——通常使用胰岛素——使水平保持在目标范围内。对于许多II型糖尿病患者，也可以规定胰岛素疗法作为治疗的一部分。
制定胰岛素治疗计划并随后对其进行施用通常至少在开始时和定期需要医疗保健提供者的监督，例如，以确保对治疗的适当身体反应和治疗的有效性。就接受治疗的人而言，传统的胰岛素治疗技术通常还涉及其严谨性。例如，为了确定胰岛素的基础速率，人可能需要以特定速率(最初较低)遵循递送胰岛素的增量过程，观察在特定速率下他或她的葡萄糖测量值如何受到影响，然后，直到人的葡萄糖测量值始终保持在目标范围内，通过参考通用调整表，在每次增量时，手动微上调他或她的胰岛素泵的速率。然而，这个过程可能需要几个月的时间，因此对人来说很麻烦。确定推注胰岛素剂量也可能很费力——这样做可能涉及在食用相同的、经测量的量的特定碳水化合物(例如，将白米与糙米分开)或食用相同的餐食后(按照食物及其数量)，且还涉及递送经测量的量的推注胰岛素，人可能还需要根据观察到的葡萄糖手动调整胰岛素。
即使在确定了基础速率和推注剂量之后，人也必须保持警惕，以确保根据这些剂量及时递送胰岛素，此外，必须继续监测他或她的身体正在进行的反应，即，以防需要进一步调整剂量。可以进一步调整这些剂量的一些因素的实施例包括饮食变化、体重减轻、运动习惯变化和各种医疗状况(例如，怀孕)，仅举几例。尽管胰岛素疗法能够意味着相对正常的负面健康事件(大多数人都经历过)和非常严重的事件(特别是由于糖尿病)之间的差异，但定制疗法然后进行施用的过程仍然是一种负担。此外，由于这种负担，许多应该接受胰岛素疗法的人会避免它，而另一些人则没有充分地遵守他们的治疗参数。
发明内容
为了克服这些问题，利用了人工胰腺中的机器学习。在一种或更多种实施方式中，人工胰腺系统包括可穿戴葡萄糖监测设备、胰岛素递送系统和计算设备，它们通信耦合以执行系统的各个方面。从广义上讲，可穿戴葡萄糖监测设备连续地提供人的葡萄糖测量值。可以在计算设备处实现的人工胰腺算法基于多个方面且出于将人的葡萄糖水平维持在目标范围内的目的而确定要递送给人的胰岛素剂量，如那些葡萄糖测量值所示。然后，胰岛素递送系统将确定的剂量递送给人，以供他或她的身体吸收，以将平衡的葡萄糖维持在目标范围内。由于人工胰腺算法随时间而确定人的胰岛素剂量，并且(例如，基于葡萄糖测量值)观察到这些剂量维持人的葡萄糖水平的有效性，可以优化人工胰腺算法的底层模型以更好地确定该人未来的胰岛素剂量。
本概述以简化形式介绍了一些概念，这些概念将在下面的详细描述中进一步描述。因此，本发明内容并非旨在识别所要求保护的主题的基本特征，也不旨在用作确定所要求保护的主题的范围的帮助。
附图说明
参考附图来描述详细说明书。
图1是在可操作以采用本文描述的技术的示例性实施方式中的环境的图示。
图2更详细地描绘了图1的可穿戴葡萄糖监测设备的实施例。
图3更详细地描绘了图1的胰岛素递送系统的实施例。
图4描绘了其中图1的可穿戴葡萄糖监测设备、胰岛素递送系统和计算设备被配置为人工胰腺的示例性实施方式。
图5-9描绘了存储在共享存储器中的关于实现人工胰腺系统的表格的示例性实施方式。
图10描绘了为确定基础胰岛素剂量而显示的用户界面的示例性实施方式。
图11描绘了为确定人的碳水化合物与葡萄糖比例而显示的用户界面的示例性实施方式。
图12描绘了为确定人的胰岛素敏感性而显示的用户界面的示例性实施方式。
图13描绘了为将胰岛素剂量与餐食匹配而显示的用户界面的示例性实施方式。
图14描绘了确定胰岛素剂量并将其递送给用户的示例性实施方式中的步骤。
图15描绘了确定碳水化合物与葡萄糖的比例并用于控制推注胰岛素剂量的递送的示例性实施方式中的步骤。
图16描绘了确定胰岛素敏感性因子并用于控制推注胰岛素剂量的递送的示例性实施方式中的步骤。
图17描绘了人工胰腺算法被训练以使用一种或更多种机器学习技术来确定用户的胰岛素剂量的示例性实施方式的步骤。
图18描绘了胰岛素递送请求被加密并被传送以由应用程序解密的示例性实施方式的步骤。
图19描绘了加密的胰岛素递送请求被接收、解密，并且基于该请求将用于递送胰岛素的指令传送到胰岛素递送系统的示例性实施方式的步骤。
图20示出了包括示例性设备的各种构件的示例性系统，该示例性设备可以以任何类型的计算设备被实现，如参考图1-19所描述和/或利用的来实现本文所描述的技术的实施方式。
具体实施方式
概述
胰岛素疗法可能意味着大多数人经历的相对正常的负面健康事件与特别是由糖尿病引起的非常严重的负面健康事件之间的差异。然而，定制疗法然后实施疗法的过程仍然可能是一种负担。此外，由于这种负担，许多应该接受胰岛素疗法的人会避免它，而另一些人则没有充分地遵守他们的治疗参数。
本文描述了人工胰腺中的机器学习。在一种或更多种实施方式中，人工胰腺系统包括可穿戴葡萄糖监测设备、胰岛素递送系统和计算设备，它们通信耦合以执行系统的各个方面。从广义上讲，可穿戴葡萄糖监测设备连续地提供人的葡萄糖测量值。可以在计算设备处实现的人工胰腺算法基于多个方面且出于将人的葡萄糖水平维持在目标范围内的目的而确定要递送给人的胰岛素剂量，如那些葡萄糖测量值所示。然后，胰岛素递送系统将确定的剂量递送给人，以供他或她的身体吸收，以将平衡的葡萄糖维持在目标范围内。
由于人工胰腺算法随时间而确定人的胰岛素剂量，并且(例如，基于葡萄糖测量值)观察到这些剂量维持人的葡萄糖水平的有效性，可以更新人工胰腺算法的底层模型以更好地确定该人未来的胰岛素剂量。通过程序化地加强导致目标范围内的稳定葡萄糖测量值的确定，以及程序化地阻止导致不稳定测量值和/或目标范围之外的测量值的确定，人工胰腺算法学会更频繁地将人的葡萄糖水平保持在目标范围内和/或比首次部署算法时更稳定地保持。
在连续葡萄糖监测和递送所确定的胰岛素剂量之间的完全封闭的自动化循环中使用机器学习可以消除伴随胰岛素治疗的常规系统和过程的许多负担。例如，基于连续葡萄糖测量值中存在的数据模式，使人工胰腺算法自动调整可以显著减少确定基础胰岛素剂量速率的时间(例如，在某些情况下从近一年缩短到几周)。人工胰腺算法不仅可以基于将要食用的餐食的用户输入(例如，碳水化合物的克数)随着时间的推移确定和改进人的推注胰岛素剂量，而且人工胰腺算法还可以学习预测可能影响人的葡萄糖的即将到来的事件(例如，餐食和锻炼)，并且在预测的即将到来的事件的预期中自动递送胰岛素——而无需接收特定事件的用户输入。此外，人工胰腺算法可以学习检测可能影响人葡萄糖的事件(例如，进餐和锻炼)的发生，并自动递送胰岛素以减轻这种所检测到的事件的任何影响——同样无需接收特定事件的用户输入。人工胰腺系统的这些和其他优点可以在下面进一步描述。此外，人工胰腺系统可以以模块化方式实现，即，使得葡萄糖监测平台批准的多个胰岛素递送系统供应商中的任何一个都能够安全地与包括人工胰腺系统的平台的组成部分——可穿戴葡萄糖监测设备和人工胰腺算法相互连接。
在以下讨论中，首先描述可采用本文所述技术的示例性环境。然后描述可以在示例性环境以及其他环境中执行的示例性实施方式细节和程序。示例性程序的执行不限于示例性环境，且示例性环境不限于示例性过程的执行。
示例性环境
图1是示例性实施方式的环境100的示意图，其可操作以采用如本文所述的在人工胰腺中机器学习。所示环境100包括人102，其被描绘为佩戴可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108。所示环境100还包括可穿戴葡萄糖监测设备的用户群体110中的其他用户、葡萄糖监测平台112和物联网114(IoT 114)。可穿戴葡萄糖监测设备104、胰岛素递送系统106、计算设备108、用户群体110、葡萄糖监测平台112和IoT 114是通信耦合的，其包括通过网络116。
替代地或附加地，可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108可以以其他方式通信耦合，诸如使用一种或更多种无线通信协议或技术等。可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108可以通信耦合，例如，以形成如上文和下文讨论的特别是关于图4的人工胰腺系统。
例如，可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108可以使用蓝牙(例如，牙低能量链路)、近场通信(NFC)、5G等中的一种或更多种来相互通信。可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108可以利用这些类型的通信在彼此之间形成闭环系统，诸如人工胰腺系统。以此方式，当可穿戴葡萄糖监测设备104获得那些葡萄糖测量值时，胰岛素递送系统106可以基于连串的葡萄糖测量值实时地递送胰岛素。
根据所描述的技术，可穿戴葡萄糖监测设备104被配置为(例如，连续地)监测人102的葡萄糖。因此，在一种或更多种实施方式中，可穿戴葡萄糖监测设备104可以被配置为连续葡萄糖监测(CGM)系统。尽管，可穿戴葡萄糖监测设备104可以被配置有葡萄糖传感器，例如，其连续地检测指示人102的葡萄糖的分析物并且能够生成葡萄糖测量值。在所示环境100中，这些测量值代表葡萄糖测量值118。关于图2更详细地讨论了该功能以及可穿戴葡萄糖监测设备104的配置的其他方面。
在一种或更多种实施方式中，可穿戴葡萄糖监测设备104诸如通过无线连接等将葡萄糖测量值118传输到计算设备108。例如，当这些测量值通过使用葡萄糖传感器而产生时，可穿戴葡萄糖监测设备104可以实时传送这些测量值。替代地或附加地，可穿戴葡萄糖监测设备104可以以设定的时间间隔将葡萄糖测量值118传送到计算设备108，例如，每30秒、每分钟、每5分钟、每小时、每6小时、每天等等。此外，可穿戴葡萄糖监测设备104可以响应于来自计算设备108的请求而传送这些测量值，例如，当计算设备108导致显示具有关于人102的葡萄糖水平的信息的用户界面、更新这样的显示、使用人102的葡萄糖测量值之一(或一连串的它们)用于递送胰岛素等时，将该信息传送给可穿戴葡萄糖监测设备104。因此，计算设备108可以至少暂时地保存人102的葡萄糖测量值118，例如，在计算设备108的计算机可读存储介质中。
在不背离所描述的技术的精神或范围的情况下，尽管被示为可穿戴设备(例如，智能手表)，但是计算设备108可以以多种方式配置。举例来说而非限制，计算设备108可以被配置为不同类型的移动设备(例如，移动电话或平板设备)。在一种或更多种实施方式中，计算设备108可以被配置为与葡萄糖监测平台112相关联的专用设备，例如，具有从可穿戴葡萄糖监测设备104获得葡萄糖测量值118、执行与葡萄糖测量值118相关的各种计算、显示与葡萄糖测量118和葡萄糖监测平台112有关的信息、将葡萄糖测量118传送到葡萄糖监测平台112、从胰岛素递送系统106接收通信信息、控制胰岛素递送系统106向人102递送胰岛素的剂量的功能，等等。然而，与计算设备108被配置为移动电话的实施方式相比，当被配置为专用葡萄糖监测设备时，计算设备108可能不包括移动电话或可穿戴配置可用的一些功能，例如拨打电话的能力、相机功能、使用社交网络应用程序的能力，等等。
另外，根据所描述的技术，计算设备108可以代表不止一个设备。例如，在一个或更多个情景中，计算设备108可以对应于可穿戴设备(例如，智能手表)和移动电话。在这样的情景下，这两个设备可能都能够执行至少一些相同的操作，诸如从可穿戴葡萄糖监测设备104接收葡萄糖测量值118、通过网络116将它们传送到葡萄糖监测平台112、显示与葡萄糖测量值118相关的信息、从胰岛素递送系统106接收通信信息、控制胰岛素递送系统106向人102递送单位的胰岛素，等等。替代地或附加地，不同的设备可能具有其他设备不具有的或受到特定设备的计算指令的限制的不同功能。
例如，在计算设备108对应于单独的智能手表和移动电话的情况下，智能手表可以配置有各种传感器和功能以测量人102的各种生理标记(例如，心率、呼吸、血流速率等)和活动(例如，步数)。在这种情景下，移动电话可能不会配置有这些传感器和功能，或者可能包括有限数量的功能——尽管在其他情况下，移动电话可能能够提供相同的功能。继续这个特定情景，移动电话可能具有智能手表不具备的功能，诸如用于捕捉餐食图像以预测有效胰岛素剂量的照相机、使得移动电话能够更有效地执行与葡萄糖测量值118相关的计算的计算资源的量(例如，电池和处理速度)。即使在智能手表能够执行此类计算的情景中，计算指令也可能限制手机上的这些计算的性能，以免给两个设备带来负担并有效地利用可用资源。就此而言，在不背离所描述的技术的精神或范围的情况下，计算设备108可以以不同的方式配置并且代表与本文讨论的不同数量的设备。
计算设备108还包括用于确定基于葡萄糖测量值118并且被预测为防止人102的未来葡萄糖测量值偏离目标葡萄糖范围的胰岛素剂量的功能(例如，一种或更多种算法)。与此相关，诸如，通过经由与胰岛素递送系统106建立的无线连接(例如，牙低能量链路)上的控制信号传送指令，计算设备108可以控制胰岛素递送系统106递送所确定的胰岛素剂量。在一种或更多种实施方式中，胰岛素递送系统106包括胰岛素储药器并且被配置为根据指令从该储药器向人102递送胰岛素剂量。关于图3更详细地讨论了该功能以及胰岛素递送系统106的其他方面。
如上所述，计算设备108将葡萄糖测量值118传送到葡萄糖监测平台112。在所示环境100中，葡萄糖测量值118显示为存储在葡萄糖监测平台112的存储设备120中。存储设备120可以代表一个或更多个数据库和能够存储葡萄糖测量值118的其他类型的存储器。存储设备120还存储各种其他数据。根据所描述的技术，例如，人102至少对应于葡萄糖监测平台112的用户并且还可以是一个或更多个其他第三方服务提供商的用户。为此，人102可以与用户名相关联并且在某些时候被要求提供认证信息(例如，密码、生物特征数据等)以使用用户名访问葡萄糖监测平台112。该信息以及关于用户的各种其他信息可以被维护在存储设备120中，其包括，例如，描述人102的人口统计信息、关于医疗保健提供者的信息、支付信息、处方信息、确定的健康指标、用户偏好、其他服务提供商系统的帐户信息(例如，与可穿戴的、社交的网络系统等相关的服务提供商)等等。
存储设备120还维护用户群体110中的其他用户的数据。鉴于此，存储设备120中的葡萄糖测量值118包括来自人102所佩戴的可穿戴葡萄糖监测设备104的葡萄糖传感器的葡萄糖测量值，并且还包括来自对应于用户群体110的其他用户的人所佩戴的可穿戴葡萄糖监测设备的葡萄糖传感器的葡萄糖测量值。其还遵循，这些其他用户的葡萄糖测量值118由他们各自的设备通过网络116传送到葡萄糖监测平台112，并且这些其他用户在葡萄糖监测平台112上具有各自的用户配置文件。
数据分析平台122表示——单独地和/或与被维持在存储设备120中的其他数据一起处理葡萄糖测量值118——以生成各种预测的功能，诸如通过使用各种机器学习模型。基于这些预测，葡萄糖监测平台112可以提供建议和/或关于预测的其他信息。尽管被描绘为与计算设备108是分离的，数据分析平台122的部分或全部可以替代地或附加地在计算设备108上实现。数据分析平台122还可以使用通过IoT 114获得的附加数据来生成这些预测。
应当理解，IoT 114代表能够提供各种来源，其描述人102和作为一个或更多个服务提供商的用户的人102的活动以及真实世界的活动的数据。举例来说，IoT 114可以包括用户的各种设备，例如，相机、移动电话、手提电脑等。为此，IoT 114可以提供关于用户与各种设备的交互的信息，例如，与基于网络的应用程序的交互、拍摄的照片、与其他用户的通信，等等。IoT 114还可以包括配置有传感器的各种真实的物品(例如，鞋子、衣服、运动装备、电器、汽车等)以提供描述行为的信息，诸如所走的步数、脚踩地面的力、步幅、用户的温度(和其他生理测量值)、用户周围环境的温度、冰箱中储存的食物类型、从冰箱中取出的食物类型、驾驶习惯等等。IoT 114还可以包括葡萄糖监测平台112的第三方，诸如医疗提供者(例如，人102的医疗提供者)和能够分别提供可由数据分析平台122利用的医疗和制造数据的制造商(例如，可穿戴葡萄糖监测设备104、胰岛素递送系统106或计算设备108的制造商)。当然，在不背离所描述的技术的精神或范围的情况下，IoT 114可以包括能够提供用于预测胰岛素剂量来控制葡萄糖水平的大量数据的设备和传感器。例如，以连续测量葡萄糖和获得描述这种测量值的数据为背景，考虑以下图2的讨论。
图2更详细地描绘了图1的可穿戴葡萄糖监测设备104的示例性实施方式200。特别地，所示实施例200包括可穿戴葡萄糖监测设备104的俯视图和对应的侧视图。
可穿戴葡萄糖监测设备104被示出为包括传感器202和传感器模块204。在所示实施例200中，传感器202在侧视图中被描绘为已被皮下插入到(例如，人102的)皮肤206中。传感器模块204在俯视图中被描绘为虚线矩形。可穿戴葡萄糖监测设备104还包括所示实施例200中的发射器208。传感器模块204使用虚线矩形表明它可以被容纳或以其他方式实现在发射器208的外壳内。在该实施例200中，可穿戴葡萄糖监测设备104还包括粘合垫210和附接机构212。
在操作中，传感器202、粘合垫210和附接机构212可以组装以形成应用组件，其中应用组件被配置为应用到皮肤206，使得传感器202如图所示被皮下插入。在这种情景下，发射器208可以在应用到皮肤206之后通过附接机构212附接到组件上。附加地或替代地，发射器208可以作为应用组件的一部分并入，使得传感器202、粘合垫210、附接机构212和发射器208(带有传感器模块204)都可以同时用于到皮肤206。在一种或更多种实施方式中，使用单独的施加器(未示出)将该应用组件应用到皮肤206上。该应用组件也可以通过从皮肤206上剥离粘合垫210来移除。应当理解，在不背离所描述的技术的精神或范围的情况下，所示出的可穿戴葡萄糖监测设备104及其各种组成部分仅仅是一种示例性形式因素，并且可穿戴葡萄糖监测设备104及其组成部分可以具有不同的形式因素。
在操作中，传感器202通过可以是“无线”连接或“有线”连接的至少一个通信信道通信地耦合到传感器模块204。从传感器202到传感器模块204或从传感器模块204到传感器202的通信可以主动或被动地实现，并且这些通信可以是连续的(例如，模拟的)或离散的(例如，数字的)。
传感器202可以是响应于至少部分独立于传感器202的事件而改变或导致改变的设备、分子和/或化学品。传感器模块204被实现以接收对传感器202的变化或由传感器202引起的变化的指示。例如，传感器202可以包括葡萄糖氧化酶，其与葡萄糖和氧气反应形成过氧化氢，该过氧化氢可由可包括电极的传感器模块204来电化学检测。在该实施例中，传感器202可以被配置为或包括葡萄糖传感器，该葡萄糖传感器被配置为使用一种或更多种测量技术检测血液或组织液中指示葡萄糖水平的分析物。
在另一个实施例中，传感器202(或可穿戴葡萄糖监测设备104的附加传感器——未示出)可以包括第一和第二电导体，并且传感器模块204可以电检测跨过传感器202的第一和第二电导体的电势变化。在该实施例中，传感器模块204和传感器202被配置为热电偶，使得电势变化对应于温度变化。在一些实施例中，传感器模块204和传感器202被配置为检测单一分析物，例如，葡萄糖。在其他实施例中，传感器模块204和传感器202被配置为检测多种分析物，例如钠、钾、二氧化碳和葡萄糖。替代地或附加地，可穿戴葡萄糖监测设备104包括多个传感器以不仅检测一种或更多种分析物(例如，钠、钾、二氧化碳、葡萄糖和胰岛素)而且检测一种或更多种环境条件(例如，温度)。因此，传感器模块204和传感器202(以及任何附加传感器)可以检测一种或更多种分析物的存在、一种或更多种分析物的缺少和/或一种或更多种环境条件的变化。
在一种或更多种实施方式中，传感器模块204可以包括处理器和内存(memory)(未示出)。通过最大限度利用处理器，传感器模块204可以基于与指示上述变化的传感器202的通信来生成葡萄糖测量值118。基于来自传感器202的这些通信，传感器模块204还被配置为生成葡萄糖监测设备数据214。葡萄糖监测设备数据214是包括至少一个葡萄糖测量值118的可通信数据程序包。替代地或附加地，葡萄糖监测设备数据214包括其他数据，诸如多个葡萄糖测量值118、传感器识别216、传感器状态218，等等。在一种或更多种实施方式中，葡萄糖监测设备数据214可包括其他信息，诸如一种或更多种对应于葡萄糖测量值118和其他分析物的测量值的温度。应当理解，在不背离所描述的技术的精神或范围的情况下，葡萄糖监测设备数据214可以包括除了至少一个葡萄糖测量值118之外的多种数据。
在操作中，发射器208可以将葡萄糖监测设备数据214作为数据流无线发送到计算设备108中。替代地或附加地，传感器模块204可以缓冲葡萄糖监测设备数据214(例如，在传感器模块204的内存中)并且使发射器208以各种间隔(例如，时间间隔(每秒、每三十秒、每分钟、每五分钟、每小时等)、存储间隔(当缓冲的葡萄糖监测设备数据214达到数据的阈值量或葡萄糖监测设备数据214的实例数时)等等)发射缓冲的葡萄糖监测设备数据214。
除了生成葡萄糖监测设备数据214并使其被传送到计算设备108之外，传感器模块204还可以包括根据所描述的技术的附加功能。该附加功能可以包括生成人102未来的葡萄糖水平的预测并基于该预测传达通知(诸如当预测指示人102的葡萄糖水平可能在不久的将来降得危险时通过传达警告)。传感器模块204的这种计算能力可能是有利的，尤其是在通过网络116到服务的连接性受限或不存在的情况下。以这种方式，人在不必依赖连接(例如，连接到互联网)的情况下也可以被警告危险状况。传感器模块204的这个附加功能还可以包括最初或在现行的基础上校准传感器202以及校准可穿戴葡萄糖监测设备104的任何其他传感器。
关于葡萄糖监测设备数据214，传感器识别216表示从其他传感器(诸如其他可穿戴葡萄糖监测设备104的其他传感器、先前或随后植入皮肤206中的其他传感器等)唯一地识别传感器202的信息。通过唯一识别传感器202，传感器识别216还可用于识别关于传感器202的其他方面，诸如传感器202的制造批次、传感器202的包装细节、传感器202的运输细节等等。以此方式，以与传感器202类似的方式为传感器制造、包装和/或运输检测到的各种问题可以以不同方式被识别并使用，例如，校准葡萄糖测量值118，以通知用户改变有缺陷的传感器或处理它们，以通知制造工厂加工问题，等等。
传感器状态218代表传感器202在给定时间的状态，例如，在产生葡萄糖测量值118之一的同时传感器的状态。为此，传感器状态218可以包括每个葡萄糖测量值118的条目，使得葡萄糖测量值118和传感器状态218信息中捕获的状态之间存在一对一的关系。一般而言，传感器状态218描述传感器202的操作状态。在一种或更多种实施方式中，传感器模块204可以识别给定葡萄糖测量值118的多个预定操作状态之一。识别的操作状态可以基于来自传感器202的通信和/或那些通信的特性。
举例来说，传感器模块204可以包括(例如，在内存或其他存储器中)查询表，该查询表具有预定数量的操作状态和用于从另一个状态中选择一个状态的基础。例如，预定状态可以包括“正常”操作状态，其中选择该状态的基础可以是来自传感器202的通信落在指示正常操作的阈值内，例如，在预期时间的阈值内，在预期信号强度的阈值、环境温度在合适温度的阈值内以按预期继续操作，等等。预定状态还可以包括指示传感器202的通信的一个或更多个特性超出正常活动并且可能导致葡萄糖测量值118中的潜在错误的操作状态。
例如，这些非正常操作状态的基础可以包括在阈值预期时间之外接收来自传感器202的通信，检测传感器202在预期信号强度阈值之外的信号强度，检测在合适的温度范围之外的环境温度以按预期继续操作，检测到人102已经滚压到(例如，在床上)到可穿戴葡萄糖监测设备104上，等等。在不背离所描述的技术的精神或范围的情况下，传感器状态218可以指示关于传感器202和可穿戴葡萄糖监测设备104的多个方面。
图3更详细地描绘了图1的胰岛素递送系统106的示例性实施方式300。
在所示实施例300中，胰岛素递送系统106包括胰岛素泵302和输液器304。尽管输液器304被描绘成具有连接到胰岛素泵302的管306，但是在一种或更多种实施方式中，输液器304可以是无管的。广义地讲，输液器304是一种装置，其被配置为——将由胰岛素泵302泵送到输液器304的———胰岛素皮下递送到人102中以供人102的血流吸收。以这种方式，人102的身体可以使用所递送的胰岛素来将平衡的葡萄糖水平维持在例如葡萄糖测量值的目标范围内。在一种或更多种实施方式中，输液器304包括皮下插入皮肤中的插管，诸如在所示实施例300中的人102的输液部位308处。因此，输液器304可以以例如连续方式和可编程速率通过人102的皮肤施用胰岛素剂量。如本文所讨论的，例如，基础剂量和/或推注剂量的胰岛素可以经由输液器304通过人102的皮肤来施用。
如图所示，输液器304包括将装置粘贴到人102一段时间的粘合垫。在一种或更多种实施方式中，使用单独的施加器(未示出)将输液器304施加到输液部位308。在操作中，该施加器可以将输液器304的插管在输液部位308处插入到人102的皮肤中，并且还将粘合垫粘贴到输液部位308以在使用期间将输液器304粘贴到人102上。在至少一些实施方式中，例如，输液器可以是一次性的，使得它们被设计用于在规定和/或推荐的时间段之后移除并且用于替换为应用于人102并附接到胰岛素泵302的新器件。在任何情况下，胰岛素泵302被配置成通过输液器(诸如所示的输注装置304)向人102递送胰岛素剂量。
在所示的实施例300中，胰岛素泵302包括通信模块310、胰岛素递送控件312、胰岛素储药器314、显示模块316、安全模块318和电池320。在实施方式中，胰岛素泵302可以以各种方式配置，诸如其具有这些组成部分中的一些而其他被容纳或以其他方式在单独的装置中实现。替代地或附加地，在不背离本文描述的技术的精神或范围的情况下，胰岛素泵302可以包括附加的或替代的组成部分。
通信模块310被配置为将数据传输到其他设备以及从其他设备接收数据，诸如计算设备108。在一种或更多种实施方式中，通信模块310与此类其他设备建立通信耦合以实现数据的传输和接收。举例来说，通信模块310可以建立或以其他方式促进建立与那些其他设备的通信链路或信道。链路或信道可以以各种方式配置，其包括但不限于蓝牙(例如，蓝牙低能量链路)、近场通信(NFC)、5G或其他蜂窝以及WiFi，仅举几例。这样的通信耦合使胰岛素泵302能够通过不同的网络(诸如网络116)通信和/或安全地在如关于图4所讨论的人工胰腺系统内通信。
一旦建立了通信耦合，通信模块310可以使数据通过建立的耦合传输和/或可以通过建立的耦合从其他设备接收数据。附加地或替代地，通信模块310可以被配置为通过有线通信信道建立连接——诸如通过连接到胰岛素泵302和另一设备的USB线——并且还被配置为通过这种有线耦合传输和/或接收数据。通信模块310可以以各种方式配置以使胰岛素泵302能够与其他设备通信。
作为一个实施例，通信模块310使胰岛素泵302能够从计算设备108接收指令以控制向人102递送胰岛素。例如，通信模块310使胰岛素泵302能够接收指令，该指令指示胰岛素泵302关于向人102输送胰岛素的基础速率、更新胰岛素的基础速率、向人102递送胰岛素的推注剂量(例如，在有限时间内的推注量)等。在不背离本文描述的技术的精神或范围的情况下，计算设备108可以向胰岛素递送系统106发送各种通信信息用于控制胰岛素递送。
胰岛素递送控件312代表胰岛素泵302的任何硬件、软件和/或机械部件，其使得胰岛素从胰岛素储药器314被泵送(或以其他方式提取)以使其流过输液器304并流进入人102体内。此外，胰岛素递送控件312进一步被配置成根据(例如，来自指定胰岛素的一次或更多次递送的计算设备108的)胰岛素剂量指令使胰岛素从胰岛素储药器314泵送或以其他方式提取。胰岛素储药器314被配置为容纳一定量的胰岛素，通过利用胰岛素泵302的功能，可以经由输液器304皮下递送该胰岛素。胰岛素储药器314可以是可更换的或以其他方式配置使得胰岛素的量可以补充到胰岛素储药器314中。在不背离所描述技术的精神或范围的情况下，可以以各种方式(例如，不同形状、不同材料、不同地可移除等等)来配置胰岛素储药器314。
显示模块316被配置为通过胰岛素泵302的显示设备322显示信息。显示模块316可以生成用于通过显示设备322显示的一个或更多个用户界面。举例来说，显示模块316可以通过显示设备显示用户界面，用于建立与计算设备108的无线连接。附加地或替代地，显示模块316可以使显示设备322显示葡萄糖测量值(例如，以与它们经由计算设备108的葡萄糖监测应用程序显示的类似方式)、趋势箭头(例如，关于葡萄糖测量值中识别的趋势)、警报(例如，关于葡萄糖测量值、其他生理条件、胰岛素递送系统106的可操作性、人工胰腺系统的组成部分的可操作性、与计算设备108的无线连接的状态，等等)、泵设置接口、超出来自不同设备(例如，计算设备108或可穿戴葡萄糖监测设备104)的通信范围的指示，等等。显示模块316因此可以使各种信息通过胰岛素泵302的显示设备322显示。
安全模块318被配置为提供一种或更多种保护措施来控制胰岛素的递送，从而使递送无害；换句话说，以便安全地递送胰岛素。举例来说，安全模块318可以包含或以其他方式强制实施递送限制，诸如不同时间段内的最大和最小递送速率。诸如当传输指令的错误影响其内容时或者当一个或更多个机器学习模型做出的预测中的错误危险地影响那些指令时，这些限制有效地防止来自计算设备108的错误递送指令伤害人102。例如，即使从计算设备108接收的指令指示胰岛素泵302递送多于阈值量，安全模块318也可以将胰岛素泵302递送的胰岛素的量或速率限制为阈值量或阈值速率。类似地，即使从计算设备108接收的指令指示胰岛素泵递送少于阈值量，安全模块318也还可防止胰岛素泵递送少于阈值量的胰岛素或以低于阈值速率递送胰岛素。
此外，安全模块318被配置为在没有来自计算设备108的指令的情况下，例如在没有描述要递送多少胰岛素以及何时递送的指令的情况下，继续操作胰岛素泵302。例如，安全模块318可以被配置为当计算设备108超出通信范围时继续操作胰岛素泵302以将胰岛素递送到人102。安全模块318可以访问逻辑、默认设置或作为设置过程的一部分输入的设置，仅举几例，其控制当没有从计算设备108接收到指令时胰岛素泵要递送多少胰岛素。安全模块318可以执行各种附加的或不同的保护措施以确保所递送的胰岛素量对人102无害。
电池320被配置为提供用于操作胰岛素泵302的电力，诸如为通信模块310供电以发送和接收数据、为胰岛素输送控件312供电以使胰岛素从胰岛素储药器通过输液器递送至人102、为显示模块316供电以通过显示设备322显示信息，等等。电池320可以是可充电的(例如，通过USB充电端口)或可更换的。应当理解，电池320可以以各种方式配置。
尽管未描绘，但胰岛素递送系统106或另一装置(例如，可穿戴葡萄糖监测设备104)可配置有胰岛素传感器。这种胰岛素传感器可以应用于皮肤或皮下插入以测量(例如，在人102中)胰岛素的全身水平。因此，胰岛素传感器可以作为输液器304、可穿戴葡萄糖监测设备104的一部分包括在内，或者可以单独应用。在任何情况下，这种胰岛素传感器可以与安全模块318和/或计算设备108的剂量预测功能结合使用。以这种方式，使用胰岛素传感器产生的胰岛素测量值可用于防止或检测胰岛素过量，例如防止接受胰岛素的人经历低血糖发作。举例来说，例如，如果安全模块318检测到胰岛素水平超过预定阈值，安全模块318可以基于胰岛素测量值通过胰岛素泵302来停止胰岛素递送。基于胰岛素测量值，计算设备108还可以或替代地向胰岛素递送系统106发送指令，指示其停止胰岛素递送。在一种或更多种实施方式中，如果胰岛素水平超过预定阈值，安全模块318和/或计算设备108也可以触发警报。在生理上，可以基于不同人的胰岛素敏感性为不同的人确定不同的阈值，从而可以对于不同的人的不同胰岛素水平，触发上述关闭、警报或停止胰岛素递送。如下文更详细描述的，人工胰腺系统还可以使用这样的胰岛素传感器来确定用于控制人102的胰岛素剂量的各种因素，诸如人102的碳水化合物与葡萄糖的比例和胰岛素敏感性因子。
在考虑了示例性环境、示例性可穿戴葡萄糖监测设备和示例性胰岛素递送系统之后，现在考虑根据一个或多个实施方式的在数字媒体环境中的人工胰腺中进行机器学习的技术的一些示例性细节的讨论。
人工胰腺中的机器学习
图4描绘了其中图1的可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108被配置为人工胰腺的示例性实施方式400。
在所示实施例400中，人工胰腺系统402包括可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108，计算设备108在该实施例中被示为移动电话。计算设备108进一步被示为具有人工胰腺控制器404，其包括胰岛素模块406、葡萄糖监测模块408和共享存储器410(例如，数据库)。应当理解，尽管人工胰腺控制器404及其组成部分被示为计算设备108的一部分，但是在一种或更多种实施方式中，人工胰腺控制器404的部分、那些模块和共享存储器410可以在其他设备处实现，例如其他计算设备(例如，葡萄糖监测平台112的智能手表或服务器)、可穿戴葡萄糖监测设备104和/或胰岛素递送系统106。无论如何，人工胰腺控制器404包括或以其他方式访问关于胰岛素模块406、葡萄糖监测模块408和共享存储器410描述的功能。
根据本文描述的技术，可穿戴葡萄糖监测设备104、胰岛素递送系统106和计算设备108可以将人工胰腺系统402形成为全闭环系统，使得监测葡萄糖(例如，手指针刺)、确定胰岛素剂量(例如，基于过去的经验、记录先前的剂量和身体反应、参考剂量表)以及实际选择要递送的胰岛素的量以及何时递送的用户交互被消除并且改为由系统处理。这种闭环系统不仅可用于I型和II型糖尿病患者的日常治疗，还可用于医院或其他临时提供胰岛素治疗的医疗机构。
可穿戴葡萄糖监测设备104和胰岛素递送系统106分别通过无线连接412、414通信耦合到计算设备108。在一种或更多种实施方式中，在可穿戴葡萄糖监测设备104和胰岛素递送系统106之间没有通信耦合——没有建立无线连接。相反，人工胰腺控制器404代表这些设备处理通信信息以实现人工胰腺系统402，通过诸如通过无线连接412从可穿戴葡萄糖监测设备104接收数据，如上文和下文讨论的那样处理接收到的数据，以及通过无线连接414向胰岛素递送系统106传输各种指令和/或经处理的数据的部分。类似地，人工胰腺控制器404可以通过无线连接414从胰岛素递送系统106接收数据，处理从胰岛素递送系统106接收的数据，并通过无线连接412将指令(例如，状态或数据请求、执行诸如提供当前葡萄糖测量值等各种操作的请求)或其他数据(例如，算法或固件更新)传输至可穿戴葡萄糖监测设备104。
以这种方式，处理葡萄糖监测平台112的可穿戴葡萄糖监测设备104和不同的胰岛素递送系统之间的通信信息(其可从葡萄糖监测平台112的多个第三方获得)，从可穿戴葡萄糖监测设备104和胰岛素递送系统卸载。因此，为了实现人工胰腺系统402的目的，这些设备之间的接口可以在软件级别处理，而不是由可穿戴葡萄糖监测设备104和/或胰岛素递送系统106的硬件和固件处理。通过以这种方式实现人工胰腺系统402，葡萄糖监测平台112不需要透露关于可穿戴葡萄糖监测设备104和计算设备108如何通信的细节，例如所使用的通信信道的类型、通信协议和/或传递的数据结构。相反，人工胰腺控制器404可以包括或以其他方式访问多个接口，其中每个接口将用于传输到胰岛素递送系统106的数据(例如，用于控制胰岛素剂量的递送的指令或用于显示各种信息的指令)转换为被胰岛素递送系统106接受的特定格式，并且还将从胰岛素递送系统106接收的数据转换成特定格式以供人工胰腺控制器404处理。
在一个或更多个实施方式中，对于每个不同的胰岛素递送系统106可以有一个接口，该接口被授权以用作人工胰腺系统402的一部分。换句话说，对于销售被授权用作人工胰腺系统402的一部分的胰岛素递送系统的每个第三方可以有不同的接口，和/或对于被授权用作人工胰腺系统402的一部分的胰岛素递送系统的每个不同模型可以有不同的接口。虽然本文技术一般地被描述为在可佩戴葡萄糖监测设备104和胰岛素输送系统106之间没有建立和使用无线连接——为了实现人工胰腺系统402的目的——但是应当理解，在一些实施方式中，在可穿戴葡萄糖监测设备104和胰岛素递送系统106之间可以有无线连接，诸如传送警报(例如，检测即将发生的高血糖或低血糖、设备故障等)。
现在转向对人工胰腺控制器404的更详细的讨论，胰岛素模块406通常表示能够与胰岛素递送系统106通信、确定要递送的胰岛素剂量和控制胰岛素递送系统106递送所确定的剂量的功能。作为对比，葡萄糖监测模块408表示能够与可穿戴葡萄糖监测设备104通信的功能，诸如接收葡萄糖测量值118，并且还处理从可穿戴葡萄糖监测设备104接收的数据使得接收到的数据能够被用于确定胰岛素剂量。这可以包括提取从可穿戴葡萄糖监测设备104接收的葡萄糖监测设备数据214的部分(例如，葡萄糖测量值118)和/或将该数据的至少一些部分与来自计算设备108的补充数据(例如，描述在与葡萄糖测量值118相关的时间的应用使用或健康相关方面的数据)打包。
在一种或更多种实施方式中，人工胰腺控制器404可以被配置为处理可穿戴葡萄糖监测设备104和计算设备108之间的配对以及胰岛素递送系统106和计算设备108之间的配对。还应理解，胰岛素模块406和葡萄糖监测模块408中的一个或两者可以具体包括该功能。在一些实施方式中，这些模块中只有一个可以包括将可穿戴葡萄糖监测设备104和胰岛素递送系统106与计算设备108配对的功能。无论如何，人工胰腺控制器404可以部分地通过经由计算设备108的显示设备显示用户界面以及通过经由用户界面接收用户输入来配对设备，诸如选择胰岛素递送系统106的制造商和/或提供胰岛素递送系统106的序列号的用户输入。应当理解，用户界面还可以使用户能够使用计算设备108来捕捉制造商和/或序列号的图像，诸如通过捕捉粘贴在胰岛素递送系统106的外壳上和/或包含在胰岛素递送系统106的盒子上的该信息的数字图像。人工胰腺控制器404可以接收关于可穿戴葡萄糖监测设备104的类似用户输入以将其与计算设备108配对。
在一种或更多种实施方式中，人工胰腺控制器404还可以在配对期间或者在系统以其他方式被设置时，例如在可穿戴葡萄糖监测设备104的传感器的“预热”期间，显示关于人工胰腺系统402的教育信息。人工胰腺控制器404还可以被配置为通过可穿戴葡萄糖监测设备104、胰岛素递送系统106、计算设备108和例如与人102相关联的健康护理专业人员的远程计算设备中的一个或更多个生成警报并输出警报。举例来说，这些警报可以响应于从可穿戴葡萄糖监测设备104接收到指示人102的葡萄糖在目标范围之外或被预测在将来在目标范围之外的一个或更多个葡萄糖测量值118而输出。附加地或替代地，这些警报可以响应于设备或功能故障(例如，胰岛素递送系统106中的堵塞)而输出。
在一种或更多种情景下，人工胰腺控制器404也可以使这些警报逐步升级。例如，人工胰腺控制器404可以在第一警报时遵守设备设置，例如通过简单地使胰岛素递送系统106振动。如果人102未确认第一警报(例如，通过提供一些指示确认的用户输入)，则人工胰腺控制器404可以升级输出第二警报，例如，计算设备108五分钟后以听觉方式输出警报。如果人102也未确认第二警报，则人工胰腺控制器404可以进一步升级输出第三警报，例如使胰岛素递送系统106输出中等音量的听觉警报。如果第三警报也没有被人102确认，则人工胰腺控制器404可以甚至进一步升级输出第四警报，例如计算设备108在五分钟后再次以听觉方式输出警报。这种逐步升级可以持续到人102或某个其他人(例如，医疗保健专业人员)确认警报为止。实际上，在不背离所描述的技术的精神或范围的情况下，人工胰腺控制器404可以以多种方式在人工胰腺系统402的不同设备之间升级警报。
关于人工胰腺控制器404的模块，胰岛素模块406包括人工胰腺算法416和泵控制管理器418。人工胰腺算法416被配置为生成胰岛素剂量的预测，这将防止人102的葡萄糖测量值118偏离目标范围，或者换句话说，将人102的葡萄糖测量值118大致保持在目标范围内。通常，极端或持续偏离此目标范围会导致危险的健康状况和/或对人的身体(例如，心脏、血管、眼睛、肾脏和神经)的损害。因此，通过及时递送胰岛素将葡萄糖水平维持在目标范围内，这可以帮助避免那些危险的健康状况和身体损害。
如以下更详细讨论的，使用人工胰腺算法416所确定的胰岛素剂量可以包括基础速率变化和推注剂量。应当理解，人工胰腺算法416可以以多种方式配置以处理基础速率变化和推注胰岛素剂量的确定。在一定程度上，基础速率变化和推注剂量通常适用于不同类型的情景——基础速率剂量对应于长效形式的胰岛素以在禁食期间保持血糖水平稳定，而推注剂量对应于短效胰岛素以防止由进餐引起的葡萄糖水平升高或立即纠正葡萄糖水平——确定这些不同类型的剂量可能涉及考虑人102的背景的不同方面，且因此考虑不同的输入。因此，人工胰腺算法416可以包括机器学习模型或它们的集合。这种机器学习模型可以根据各种范式进行配置，例如监督学习、无监督学习、强化学习、迁移学习等。
在一种或更多种实施方式中，人工胰腺算法416和/或其包括的模型可以最初使用葡萄糖测量值118和描述用户群体110的特征的其他用户数据来训练或以其他方式学习，并维持在存储设备120中，其包括所递送的胰岛素剂量、胰岛素测量值、目标葡萄糖范围、胰岛素敏感性、碳水化合物比例、食物摄入数据和活动数据，仅举几例。此外，该其他用户数据可以与葡萄糖测量118相关，例如，基于葡萄糖测量值118的时间戳和其他数据。最初训练的人工胰腺算法416然后可以通过连接420(其可以是有线的、无线的或组合的)传送以并入人工胰腺控制器404。一旦并入，可以进一步训练人工胰腺算法416，以便针对人102(即，与计算设备108相关联并且佩戴特定可穿戴葡萄糖监测设备104和特定胰岛素递送系统106的人)而定制。
在一个或更多个实施方式中，使得人工胰腺算法416针对人102而定制的进一步训练可以包括迁移学习以个性化人工胰腺算法416——以将其从用用户群体110的训练数据训练的状态个性化到用描述人102的一个或多个方面和/或描述类似于人102确定的用户群体110的子集的一个或多个方面的附加训练数据或(更新数据)训练的更新状态。相似性可以基于多个方面，诸如年龄、性别、所诊断的医疗状况、葡萄糖测量值和其他生理测量，仅举几例。举例来说，这种迁移学习可以与计算人102的胰岛素-碳水化合物比例和/或胰岛素敏感性因子结合使用。这种迁移学习在人102的系统的初始化期间可能是有利的，因为虽然可用于个性化人工胰腺算法416的关于人102的数据仍然有相对少，但是该算法仍然能够由于来自最初训练它的用户群体110的大量信息而生成预测。
例如，人工胰腺算法416可以被进一步训练，使得它部分地通过从人102的医疗保健提供者获得目标测量值、目标测量范围和/或起始剂量针对人102个性化。例如，对于基础滴定过程，并且通过如下文更详细描述的调整过程，可以获得胰岛素的起始剂量。用于基础滴定过程的数据可以从医疗保健提供者获得(例如，通过葡萄糖监测平台112的医疗保健提供者门户)和/或通过计算设备108显示的一个或更多个用户界面。例如，可以结合设置人工胰腺系统402来显示这样的用户界面以供使用。在后者情景下，计算设备108可以经由一系列或一连串这些设置界面接收来自用户(例如，人102)的输入。人工胰腺算法416还可以使用类似于最初从用户群体110使用的数据进行进一步训练，但获得的该数据是是关于人102的，诸如人102的历史葡萄糖测量值118、所递送的胰岛素剂量、胰岛素测量值、目标血糖范围、胰岛素敏感性、碳水化合物比例、食物消摄入数据、活动数据，等等。与用户群体110数据一样，人102的葡萄糖测量值118可以与其他数据相关，诸如基于葡萄糖测量值118的时间戳和其他数据。
应进一步理解，人工胰腺算法416可使用上述示例性初始化信息——目标测量值、目标测量范围和/或从医疗保健提供者获得的起始剂量——用于在开始偏离初始化信息之前确定预定时间量的胰岛素剂量。举例来说，人工胰腺算法416可以最初输出(例如，第一天、第一周、第一个月，等)用于递送的与人102的医疗保健提供者指定的剂量相对应的胰岛素剂量。然而，在预定量的时间过去之后，人工胰腺算法416可能偏离医疗保健提供者指定的剂量，例如，通过基于接收到的关于人102的实时数据调整那些剂量。人工胰腺算法416可以替代地等待偏离健康护理提供者指定的剂量，直到收集到关于人102的阈值量的数据，从而可以生成人102的行为的准确预测，而不是等待预定量的时间过去。在人工胰腺算法416等待直到收集到合适数量的数据以能够生成准确预测的情景中，关于人102的“足够”数据的确定可以基于人工胰腺算法416的一个或更多个学习速率参数。通常，人工胰腺算法416的学习速率可以防止算法对可能对人102有害的初始指定剂量做出过于剧烈的改变。
关于人工胰腺算法416的输入，胰岛素模块406可以提供描述与确定胰岛素剂量相关的人102的各种特征的数据。在一个或更多个实施方式中，这些输入可以被配置为特征向量，其中向量的每个特征被配置为表示与确定胰岛素剂量相关的预定特征。在操作中，这些特征中的每一个都可以被设置为指示相应特征的值，因为在输入时，它被与人102相关地检测和记录。所述输入(例如，对应于输入特征向量的特征)可以包括例如目标葡萄糖范围、初始基础胰岛素剂量速率、先前递送的胰岛素剂量或一连串的它们、一连串或更多串葡萄糖测量值118(例如，来自可穿戴葡萄糖监测设备104)、一连串或更多串胰岛素测量值、一连串或更多串其他生理测量值(例如，温度、心率等)、指示已摄入的和/或要摄入的餐食的数据(例如，图像、通过用户界面的各种可编辑数据字段输入的数据、通过用户界面做出的选择)、指示锻炼的数据(例如，从智能手表获得的步骤或心脏数据、从健身车或其它健身器获得的锻炼数据等)、糖尿病亚型、胰岛素敏感性、碳水化合物比例，等等。
在一种或更多种实施方式中，人工胰腺算法416的输入可以描述人102的生理胰岛素敏感性以及人102的胰岛素输液部位的相对有效性，其中输液器304被施加到人102。在本文中，“有效性”是指人102的身体使用通过输液部位递送的胰岛素来控制人102的葡萄糖的能力。部位越“有效”，通过该部位递送的胰岛素对人102的葡萄糖的控制得越好，使得当胰岛素通过人102的更有效部位递送时，有效性接近和/或基本匹配人102的生理胰岛素敏感性。相反，通过不太有效的部位递送的胰岛素不如人102的生理胰岛素敏感性所指示的有效性有效。鉴于此，人工胰腺系统402可以测量人102的生理胰岛素敏感性和胰岛素输液部位(例如，输液部位308)的有效性。然后，人工胰腺算法416可以部分地基于人102的胰岛素敏感性和该部位的有效性来确定要在该胰岛素输液部位递送的胰岛素剂量。举例来说，人工胰腺416可以确定更高剂量的胰岛素以通过不太有效的部位递送。替代地或附加地，人工胰腺系统402可以在输液部位的有效性低于阈值有效性时输出消息，诸如建议将输液部位改变为不同的输液部位、建议人限制输液部位被使用的时间段，等等的消息。
为了测量人的生理胰岛素敏感性和不同输液部位的有效性，人工胰腺系统402被配置为学习和构建生理胰岛素敏感性(通常可以是稳定的)和潜在可变的输液部位特异性胰岛素敏感性的模型。作为构建该模型的一部分，人工胰腺系统402在使用不同输液部位期间对人102的葡萄糖进行采样。对于每个不同的输液部位，人工胰腺系统402还记录通过该部位递送的胰岛素量、通过该部位递送胰岛素的时间(例如，递送的开始时间、结束时间和/或持续时间)、通过该部位递送的胰岛素类型等等。人工胰腺系统402还可以记录关于输液部位的其他信息，其包括例如人102身体上的一个或更多个位置、输液器被粘贴或以其他方式应用到该部位的时间、输液器被移除的时间，端口类型等等。当确定要递送的胰岛素剂量时，人工胰腺算法416可以使用输液部位有效性的这些不同方面中的一个或更多个作为输入。
在不背离本文描述的技术的精神和范围的情况下，人工胰腺算法416的输入可以描述与确定胰岛素剂量相关的多种特征。该算法的一些附加和/或不同输入也在下文进一步讨论。
如所提到的，人工胰腺算法416被配置为输出胰岛素剂量。人工胰腺算法416的输出也可以是特征向量的形式，使得特征中的至少一个代表在某个时间段内要递送给人102的胰岛素的量。如上所述，人工胰腺算法416输出的胰岛素剂量可以对应于基础剂量速率和推注剂量。为此，人工胰腺算法416的输出可以指示基础速率剂量，例如，在一天的整个过程中要递送的并且可以不经常地调整的长效胰岛素的量。人工胰腺算法416的输出还可以或替代地指示推注剂量，例如在用餐之前和/或用餐期间要递送的短效胰岛素的量。人工胰腺算法416可以生成推注剂量的预测，例如，响应于指示用户将要进餐的用户输入和/或响应于预测用户将要进餐的算法，例如，基于用户(餐厅)的当前位置、记录的以前的饮食习惯、一天中的某个时间等。
在人工胰腺算法416预测预期进餐时胰岛素的推注剂量的情景中，该算法不仅可以基于用户的位置，还可以基于实时接收的葡萄糖测量值118来这样做，诸如基于指示人102已经开始吃饭的升高的葡萄糖测量值118。如上所述，人工胰腺算法416可以被配置为检测事件的发生，当该事件发生时，可能影响人102的葡萄糖。因此，基于实时数据检测到人102已经开始进餐是检测可能影响人102的葡萄糖的事件发生时的实施例。此外，基于用户的位置和/或人102的葡萄糖测量值118，人工胰腺算法416还可以预测人102正在吃的餐食并预测相应的胰岛素剂量，例如，如果人102位于披萨餐厅，人工胰腺算法416可以确定对应于披萨的胰岛素剂量。预测人102正在进餐或可能一会儿马上进餐并确定相应的推注剂量的能力对于不严格遵守其胰岛素疗法的用户可能特别有用，例如通过预测将要食用的餐食(例如，30分钟前)来将数据(例如，碳水化合物的量)输进他们的胰岛素递送系统或者预测此类进餐本身来计算剂量。相反，这些“不合规”的用户可能经常不会输入此类数据，可能不会及时输入此类数据，和/或可能根本不会施用胰岛素。餐食数据可以有各种来源，其可以描述所吃的饭菜或所吃的饭菜的特征(例如，时间、食物量等)，并且除了位置数据之外或者作为位置数据的替代，可以用作人工胰腺算法416的输入。
举例来说，“智能”冰箱可以被配置为生成并提供供人工胰腺算法416使用的餐食数据。这种冰箱可以被配置为跟踪库存，这可以包括跟踪添加到冰箱的食物和从冰箱中取出的食物。为此，冰箱可以生成描述由人102取出并且没有放回冰箱的食物的餐食数据。这可以进一步基于系统接收到描述用户正在吃从冰箱取出的食物的信息。替代地或附加地，诸如在人与冰箱交互时，冰箱可以被配置为基于人102的葡萄糖测量值，建议冰箱内存储的食物或涉及冰箱内存储的食物的食谱。
举例来说，冰箱可以检测到人102具有可穿戴葡萄糖监测设备104并且还与冰箱交互，例如，人102与冰箱交互控制或打开冰箱。响应于此，冰箱可以获得人102的葡萄糖测量值118，例如，通过从可穿戴葡萄糖监测设备104、计算设备108或葡萄糖监测平台112中的一个或更多个下载它们。基于所获得的葡萄糖测量值，冰箱然后可以确定它保持的哪些食物(或涉及那些食物的食谱)，如果被人102摄入，则预测将达到预期的葡萄糖目标，诸如如果确定葡萄糖高于阈值或正上升，则降低葡萄糖，如果确定葡萄糖在期望的葡萄糖范围内，则保持葡萄糖，或者如果确定葡萄糖低于阈值或正下降，则升高葡萄糖。然后，确定的食物或食谱可以由冰箱建议(例如，显示在冰箱上)，传送到计算设备108以供显示，等等。
如上所述，还可以利用图像来获得关于人102所摄入的餐食的信息。在一个或更多个实施方式中，葡萄糖监测模块408可以使用图像分析通过比较第一图像和第二图像来确定人102在用餐期间摄入了什么，其中，所述第一图像是在人食用之前拍摄的餐食102(例如，有餐食的盘子)，并且所述第二图像是在人102摄入该餐食之后拍摄的(例如，没有餐食的盘子和/或有未被食用的餐食的任何部分的盘子)。尽管结合葡萄糖监测模块讨论了该功能，但是应当理解，图像分析、图像比较和摄入量的确定可以由葡萄糖监测模块408以外的某个其他模块执行，并且信息可以单纯地由葡萄糖监测模块408访问。
无论如何，前后图像之间的差异使得系统计算实际食用量，而不是单纯地使用前图像，如果前图像中描绘的所有食物都没有被摄入，前图像可能不能准确地表示实际摄入量。通过由于前后图像的比较而更准确地确定进食的量，葡萄糖监测模块408还可以更准确地确定所食用的餐食的碳水化合物和/或营养含量。此外，这种准确地确定餐食使得人工胰腺算法416预测与实际食用的食物相对应的正确胰岛素剂量，而不是单纯地基于(例如，坐在盘子前的)先前图像中描绘的食物量来预测胰岛素的剂量，这也可能与实际进食量不同。
葡萄糖监测模块408可以处理前图像和后图像以估计碳水化合物和/或脂肪的量并且确定在用餐之前的餐食与吃完餐食之间的差异。然后，人工胰腺算法416可以预测与这些确定相关的一种或更多种胰岛素的剂量以处理(cover)所摄入的餐食(不仅是在进食前描绘的)对人102的葡萄糖的影响。通过前图像和后图像和人102的葡萄糖的检测模式，人工胰腺算法416可以快速生成回顾性响应并使用回顾性响应来预测未来的餐食葡萄糖响应。
除了检测正在食用的量和/或正在食用的食物之外，在一种或更多种实施方式中，人工胰腺系统402可以利用一个或更多个传感器来检测人102何时正在进食——这对于确定递送胰岛素的时间和/或胰岛素递送的速率是有利的。例如，在一个实施例中，人可以佩戴可用于检测食物摄入(即，人是否正在进食)的可穿戴应变传感器。在不背离所描述的技术的精神或范围的情况下，可穿戴应变传感器可以以多种方式配置。举例来说，可穿戴应变传感器可以被配置为柔性基板(例如，弹性体、纸或还原的氧化石墨烯，仅举几个例子)，其感测形状的变化，并且响应于感测到的变化，产生可测量的电信号。该可测量的电信号可以被用来向人工胰腺控制器406(例如，胰岛素模块406和/或葡萄糖监测模块408)提供信号或基于该信号提供通信信息以指示用户当前正在进食。换句话说，可穿戴应变传感器可用于生成描述用户实际用餐时间的用餐数据。然后，人工胰腺算法416可以基于用户正在进食的实际时间而不是其他时间来确定胰岛素的剂量，诸如当用户提供指示他们正在进食的用户输入的时候(这可能与他们实际进食的时间不匹配)。
在一种或更多种实施方式中，这样的可穿戴应变传感器可以由人102佩戴在颈部前部以感测吞咽，佩戴在下巴上以感测咀嚼，或佩戴在口中，仅举几例。人工胰腺控制器404或系统402的一些组成部分可以包括一种或更多种机器学习模型，这些模型学习区分进食和产生信号的其他动作，诸如没有食用任何东西的情况下的说话或吞咽。使用这样的机器学习模型，可以过滤提供给人工胰腺算法416的信号，使得人工胰腺算法416仅接收来自可穿戴应变传感器的对应于进食的信号。
为了生成餐食的预测，人工胰腺算法416还可以利用人102和/或用户群体110的历史数据。替代地或附加地，人工胰腺算法416可以使用当前时间和置信区间来预测这些将要食用的餐食和相应的推注剂量，其中这些区间是围绕人102历史上进食的时间建立的。人工胰腺算法416还可以基于历史数据预测人102的通常的餐食，例如以确定对应于预测餐食的剂量。例如，在一种或更多种实施方式中，人工胰腺算法416可以基于当前时间预测将要食用的餐食并确定平均推注剂量，例如早餐、午餐、晚餐或零食的平均推注剂量。另外或替代地，人工胰腺算法416可以基于当前时间和历史进餐时间来预测将要食用的餐食，但是人工胰腺算法416可以等待直到检测到人102正在进食的早期迹象而递送胰岛素。这样，人工胰腺算法416可以比仅依赖当前事件检测的算法更早地递送胰岛素。特别地，人工胰腺算法416可以使用这些信号——历史进餐时间以及被吃进餐的早期迹象(诸如如葡萄糖的轻微增加)——来以提供比单独的葡萄糖轻微增加更早的正在进食的指示。
除了预测可能导致胰岛素峰值的将要食用的餐食和确定推注胰岛素递送之外，人工胰腺算法416还可以预测其他事件，诸如锻炼。以下场景可以对应于其中人工胰腺算法416在事件发生时检测影响人102的葡萄糖的事件的发生的另一实施例。例如，人工胰腺算法416可以使用人102的当前位置、人102的葡萄糖测量值118、人102的活动数据等中的一项或更多项来预测人102正在锻炼或正要锻炼。为此，基于描述人102的历史位置和活动的数据以及与该其他数据相关的他或她的葡萄糖测量值118，并且通过使用一种或多种机器学习技术，人工胰腺算法416可能已经被训练，或者底层模型以其他方式来学习。因此，经训练的人工胰腺算法416能够基于从历史数据中的学习利用描述他或她的当前情境的数据来预测人102的活动(例如，锻炼)。基于所预测的活动，人工胰腺算法416还可以相应地确定胰岛素剂量，或者可能需要食用食物(例如，果汁、糖果等)来提高人102的葡萄糖。在需要食物摄入的情景中，人工胰腺系统402可以输出吃东西的建议，诸如通过计算设备108的显示器。
根据所描述的技术，输入到人工胰腺算法416并从其输出的与确定胰岛素剂量有关的数据通常存储在共享存储器410中。由于人工胰腺算法416随时间而确定人102的胰岛素剂量并且监测这些胰岛素剂量以维持人102的葡萄糖水平的有效性，例如，基于葡萄糖测量值118，胰岛素模块406可以调整人工胰腺算法416的底层模型以更好地确定人102的胰岛素剂量，诸如通过强化(例如，奖励)导致在目标范围内稳定葡萄糖测量值的确定和阻止(例如，惩罚)导致不稳定测量的确定和/或导致测量值超出目标范围的测定。以这种方式，人工胰腺算法416可以被配置为学习如何更频繁地将人102的葡萄糖水平保持在目标范围内和/或比算法首次部署时更稳定。在一种或更多种实施方式中，可以通过调整人工胰腺算法416的内部权重或通过调整用于实现人工胰腺算法416的一个或更多个函数的参数来调整底层模型。这种基于监测人工胰腺算法416输出结果跟随时间的调整可以称为“学习”或“学习模型”，其中使用机器学习技术学习底层模型，或者简而言之，是机器学习模型。
在任何情况下，失去这种学习通常可能是不可取的。这是因为人工胰腺算法416可能需要时间量(例如，剂量和监测的反应)来了解人102的身体如何准确地对确定的胰岛素剂量作出响应。此外，人工胰腺算法416再次花费那些量的时间来重新学习这样的响应可能是不方便的——重新学习还可能导致在先前学习期间发生的负面健康事件的再次发生。为此，人工胰腺算法416被配置用于与不同设备通信并由不同设备存储，这些设备可用于备份算法。举例来说，计算设备108可以通过连接420将人工胰腺算法416传送到葡萄糖监测平台112，以便可以将其保存在存储设备120中，诸如结合在葡萄糖监测平台112的人102的用户配置文件。替代地或附加地，人工胰腺算法416可以被传送到胰岛素递送系统106和/或与计算设备108相关联的服务，例如备份云端存储服务。这样，当用户开始使用新设备(例如，新的移动电话或新的胰岛素递送系统)时，人工胰腺算法416可以被简单地转移到新设备，使得学习不会丢失。换言之，人工胰腺算法416可以“从中断的地方继续”。在一些使用案例中，一个或更多个设备可能是一次性的，例如胰岛素递送系统——一些配置仅使用三天然后被丢弃。在这些情况下，在每次丢弃(例如，每三天)之后重新学习人工胰腺算法416的底层模型或参数是完全不合适的。
存储在共享存储器410中的数据，除其他信息外，包括输入到算法和从算法输出的数据，可以以类似方式传送到其他设备。例如，共享存储器410的数据可以被传送到葡萄糖监测平台112以存储在存储设备120中、被传送到胰岛素递送系统106、被传送到与计算设备108相关联的远程存储器等等。因此，如果设备发生故障或被替换，人工胰腺算法416和/或存储在共享存储器410中的数据可以简单地从例如葡萄糖监测平台112的存储设备120或计算设备108的云端存储器中下载到新的或所更换的设备中。
此外，当共享存储器410的数据被传送到葡萄糖监测平台112时，数据分析平台122可以将其与来自用户群体110的类似数据一起汇总以形成海量的汇总数据集。该数据集可用于训练各种机器学习模型。附加地或替代地，机器学习模型可以应用于海量数据集以识别数据中的模式。以此方式，数据中的模式可用于改进人工胰腺系统402，诸如改进部署在人102的计算设备108上的初始人工胰腺算法416。举例来说，作为人工胰腺系统402设置的一部分，葡萄糖监测平台112可以将人工胰腺算法416传送给计算设备108，人工胰腺算法416使用来自类似于人102的用户群体110的用户的数据进行训练(根据数据描述的人和那些用户的各种特征)。
泵控制管理器418代表控制胰岛素递送系统106以递送由人工胰腺算法416输出的胰岛素剂量的功能。举例来说，泵控制管理器418可以基于人工胰腺算法416的输出生成指令，该指令指示胰岛素递送系统106在一段时间内输送一定量的胰岛素，立即注射三个胰岛素单位(IU)，每小时连续注射.15IU，等等。泵控制管理器418还可以将这些指令通过无线连接414传送到胰岛素递送系统106。除了基于人工胰腺算法416的输出生成指令以控制胰岛素剂量的输送，泵控制管理器418还被配置为连接来自不同供应商(例如，不同制造商)的胰岛素递送系统，从而不同的泵可以根据使用人工胰腺算法416确定的剂量递送胰岛素。泵控制管理器418可以使用专用接口连接不同的胰岛素系统(例如，对于每个不同的胰岛素递送系统或它们的提供者)并通过无线连接414传送安全有效载荷数据，如下文更详细讨论的。在不背离所描述技术的精神或范围的情况下，泵控制管理器418可包括用于控制胰岛素递送系统106以递送使用人工胰腺算法416确定的胰岛素剂量的多种功能。
尽管被示为作为人工胰腺控制器404的一部分被包括在内，但是在一个或更多个实施方式中，胰岛素模块406和葡萄糖监测模块408可以被配置为单独的计算应用程序，使得胰岛素模块406对应于第一胰岛素应用程序且葡萄糖监测模块408对应于第二葡萄糖监测应用程序。附加地或替代地，当胰岛素模块406被配置为应用程序时，其可以被配置为葡萄糖监测模块408的插件。实际上，根据所描述的技术可以设想各种程序或逻辑布置。在胰岛素模块406和葡萄糖监测模块408是独立应用程序的情景中，这些模块之间的数据通信也可以由安全通信协议控制，即，使得有效载荷数据在胰岛素模块406和葡萄糖监测模块408之间安全地传送。如上所述，用于保护该有效载荷数据的过程将在下面更详细地描述。
共享存储器410可由胰岛素模块406和葡萄糖监测模块408使用以安全地共享数据，这使得能够部分地基于由可穿戴葡萄糖监测设备104产生的葡萄糖测量值118来提供胰岛素剂量。在一种或更多种实施方式中，共享存储器410被优化用于快速写入。对共享存储器410的访问也可以由编程接口(API)(未显示)的应用程序控制，使内部和外部数据消费者能够从共享存储器410访问数据。附加地或替代地，对共享存储器410的访问可以限于基于包括在由葡萄糖监测平台112发布的应用程序组中而被授权这样做的应用程序，例如，利用签名证书。该应用程序组中包括的应用程序可以通过使用API并基于加密管理被授权访问共享存储器410。
附加地或替代地，共享存储器410可以包括多个数据库，诸如胰岛素模块406的数据库和葡萄糖监测模块408的数据库。根据授予其他模块的访问权限，可以将这些多个数据库视为共享存储器。例如，胰岛素模块406可以被授予允许其访问葡萄糖监测模块408的数据库的一部分的许可，并且葡萄糖监测模块408可以被授予允许其访问胰岛素模块406的数据库的一部分的许可。两个模块均可访问的数据库部分可以包含共享存储器410。数据库管理器422被配置为管理不同应用程序对共享存储器410的安全访问，诸如通过在葡萄糖监测模块408的私有钥匙串中维护数据库密钥。下面更详细地讨论关于至少一个示例性实施方式的细节。
葡萄糖监测系统管理器424通常被配置为管理可穿戴葡萄糖监测设备104。这可以包括，例如，将可穿戴葡萄糖监测设备104配置为与葡萄糖监测平台112一起使用、将可穿戴葡萄糖监测设备104配置为用作人工胰腺系统402的一部分、从可穿戴葡萄糖监测设备104接收葡萄糖监测设备数据214、处理所接收的葡萄糖监测设备数据214(例如，从葡萄糖监测设备数据214中提取葡萄糖测量值118并将它们存储在共享存储器410中)、将葡萄糖监测设备数据214(或其部分)与补充数据(例如，描述在对应于葡萄糖测量值的时间的应用程序使用或健康相关方面的数据)相关联，使得该补充数据中的至少一些存储在共享存储器410中或可通过共享存储410访问，将葡萄糖监测设备数据214与补充数据打包用于通过网络116经由连接420传送到葡萄糖监测平台112并存储在存储设备120中，等等。在不背离所描述技术的精神或范围的情况下，葡萄糖监测系统管理器424可以被配置为管理交互，所述交互涉及可穿戴葡萄糖监测设备104和葡萄糖监测平台112以各种方式与实现人工胰腺系统402相关联。
已经讨论了人工胰腺系统402及其用于确定胰岛素剂量并且还将它们递送给人而无需人监测他或她的葡萄糖并手动注射胰岛素的不同组成部分，考虑以下实施方式的实施例。
共享的葡萄糖监测存储器和胰岛素模块存储器
在下面的讨论中提供了共享存储器410的一个示例性实施方式。如上所述，共享存储器410被配置为安全地共享数据——与递送预计将人102的葡萄糖水平保持在目标范围内的胰岛素剂量结合使用——在胰岛素模块406(例如，胰岛素应用程序)和葡萄糖监测模块408(例如，葡萄糖监测应用程序)之间。
在一种或更多种实施方式中，胰岛素模块406和葡萄糖监测模块408使用加密库来加密共享存储器410。举例来说，胰岛素模块406和葡萄糖监测模块408使用第三方加密库来加密共享存储器410，诸如通过使用SQLCipher。当然，在不背离所描述技术的精神或范围的情况下，可以使用第三方和/或专有的其他加密库来加密共享存储器410。在一定程度上，在可以使用基于SQL的加密库，共享存储器410还可以被配置为各种实施方式中的共享数据库，例如SQLite数据库。共享存储器410也可以按照所描述的技术以其他方式配置以确保胰岛素模块406和葡萄糖监测模块408的安全数据存储。
例如，为了确保存储在共享存储器410中的数据的安全性和私密性，可以使用安全地保存在共享钥匙串中的私钥对共享存储器410进行加密。通过以这种方式加密共享存储器410，当在计算设备108上时和/或当一个或多个服务提供商向不同的计算设备生成计算设备108的未加密备份时，所述加密保护存储在共享存储410中的数据免受未授权的修改、拦截或窃听。
一般而言，共享存储器410被配置为将对其数据的访问限制于在应用程序组中列出的应用程序(例如，包括胰岛素模块406和/或葡萄糖监测模块408或其组成部分的应用程序)。该应用程序组中列出的应用程序可以由血糖监测平台112控制，使得葡萄糖监测平台112发布该应用程序组并且使得该应用程序组列出允许访问共享存储器410的数据的应用程序。换言之，由葡萄糖监测平台112列出的应用程序组一部分的应用程序是唯一被允许访问共享存储器410的应用程序——其他应用程序被阻止访问共享存储器410。在一种或更多种实施方式中，该应用程序组可以包括控制对共享存储器410的访问的进一步的信息，例如是否允许所列出的应用程序对共享存储器410的读取和/或写入访问。在一些情景中，例如，给定应用程序可能被列为具有对共享存储器410的读取访问权限，但没有写入访问权限。在其他情景下，给定应用程序可能对共享存储器410具有读取和写入访问权限。
通过使用应用程序组，计算设备108可以提供仅可由应用程序组的应用程序访问的共享文档区域。此外，可以配置应用程序组使得可以加入该组的唯一应用程序是使用葡萄糖监测平台112的签名证书发布的和/或由葡萄糖监测平台112的开发者-用户授权的应用程序。葡萄糖监测平台的开发者-用户可以通过门户授权应用程序成为应用程序组的一部分，用于形成应用程序组并用于使得能够利用这样的签名证书进行公布。此外，葡萄糖监测模块408，即数据库管理器422，被配置为管理共享存储器410的加密密钥。具体地，数据库管理器422将该共享存储器410的密钥保存在葡萄糖监测模块408的私有钥匙串中。因此，应用程序组中的应用程序可以访问上述共享文档区域和共享钥匙串。然而，只有具有私有数据库密钥的应用程序才能读取和写入共享存储器410。
在操作中，胰岛素模块406可以在与葡萄糖监测模块408的设置过程期间生成公/私钥对。胰岛素模块406的公钥可用于共享钥匙串中的葡萄糖监测模块408。在各种情景中，用户可以将胰岛素应用程序下载到计算设备108以与人工胰腺系统402一起使用。例如，该应用可以从应用商店下载，并且包括胰岛素模块406。在这种应用程序的设置期间，用户可以选择将该应用程序与葡萄糖监测模块408链接。
基于将胰岛素应用程序链接到葡萄糖监测模块408的选择并且基于将该胰岛素应用程序包括在上述应用程序组中，数据库管理器422通过用胰岛素应用程序的公钥加密葡萄糖监测模块408的加密密钥并将该加密版本的胰岛素应用程序的公钥存储在共享钥匙串中来制作该加密密钥的副本。值得注意的是，应用程序组中的每个应用程序都可以访问共享钥匙串。但是，为了解密给定应用程序的公钥的加密版本，需要相应的私钥，并且只有给定的应用程序包含这样的私钥。因此，应用程序组中的应用程序无法解密另一个应用程序的公钥的加密版本——尽管其被包括在该应用程序组中。
在用户选择取消链接胰岛素应用程序的情景中，例如，当切换到不同的胰岛素应用程序时，数据库管理器422将应用程序的加密密钥从共享钥匙串中移除并将共享存储器410重新加上新的加密密钥。然后，数据库管理器422更新保存在葡萄糖监测模块408的私有钥匙串中的加密密钥。但是，当胰岛素模块406和/或葡萄糖监测模块408可以访问共享存储器410时，这些模块可以利用在共享存储器410中存留的各种数据(例如，通过从其中读取数据或将数据写入到存储器中)，即，能够将胰岛素的剂量递送给人102以将葡萄糖水平保持在目标范围内。在这种背景下，考虑以下图5-9的讨论。
图5-9描述了存储在共享存储器中的与实现人工胰腺系统402相关的表格的实施例。这些图中的每一个都更详细地描绘了共享存储器410并且包括特定表的实施例。举例来说，图5描绘了共享存储器的示例性实施方式500和活性胰岛素(体内残余胰岛素(IOB))表的一个实施例。除了活性胰岛素(IOB)表502之外，所示实施例500还包括基础递送表504、推注递送表506、胰岛素配置文件表508和推注计算表510。在不背离所描述技术的精神或范围的情况下，共享存储器410用省略号示出的指示更多和/或不同的表可以被包括在共享存储器中。图6-9分别详细地讨论了基础递送表504、推注递送表506、胰岛素配置文件表508和推注计算表510。
在所示实施例500中，活性胰岛素(IOB)表502包括多个列512-520，其中每一列对应于活性胰岛素(IOB)表502中数据的不同属性。所示实施例中的行——除了最上面的行——每一个都代表活性胰岛素(IOB)表502中的数据记录。应当理解，在不背离所描述技术的精神或范围的情况下，活性胰岛素(IOB)表502可以配置有不同的属性。
广义地说，活性胰岛素(IOB)表502包含体内残余胰岛素(insulin on board)的历史。该表是在递送胰岛素的剂量时生成的，使得一旦给定推注剂量的体内残余胰岛素的量达到零，则不再向活性胰岛素(IOB)表502添加记录，直到开始递送下一个胰岛素剂量。在一个或更多个实施方式中，胰岛素模块406可以在一定时间间隔提供体内残余胰岛素测量值的数据，使得活性胰岛素(IOB)表502根据该间隔(例如，当IOB变化的每分钟)更新新的记录。在至少一些实施方式中，小于阈值量的体内残余胰岛素的变化可能不会将新记录添加到活性胰岛素(IOB)表502中，例如小于0.1单位的体内残余胰岛素的变化的胰岛素。
在所示实施例500的背景下，属性512代表记录标识符。对于活性胰岛素(IOB)表502中的给定记录，记录标识符从表中的其他记录中唯一地标识该记录。在所示实施例500中，属性512标有名称“record_id”。在一个或更多个实施方式中，属性512的类型可以是整型主键。因此，属性512可以被配置为给定记录的主键。
属性514代表测量时间，例如，进行测量或以其他方式确定测量的时间。对于活性胰岛素(IOB)表502中的给定记录，测量时间对应于确定活性胰岛素(即，体内残余胰岛素)的测量的时间。在所示实施例500中，属性514标有名称“insulin_system_time_sec”。在一个或更多个实施方式中，属性514的类型可以是整型。此外，测量时间可以对应于以秒为单位的协调世界时(UTC)。
属性516代表体内残余胰岛素的量。对于活性胰岛素(IOB)表502中的给定记录，体内残余胰岛素的量对应于用于递送的剩余胰岛素的测量，直到剩下有零单位的胰岛素要递送到例如人102。在所示实施例500中，属性516标有名称“insulin_on_board”。在一个或更多个实施方式中，属性516的类型可以是整型。此外，体内残余胰岛素的量可以对应于胰岛素单位的数量并且被测量为胰岛素单位的百分之一。
属性518代表对于给定的胰岛素剂量，直到没有胰岛素留在体内的时间量。该量可以基于仍在体内残余的胰岛素的量(例如，属性516)以及剂量的递送速率来确定。替代地或另外地，该量可以基于固定的递送结束时间，其中已经指定了结束时间(例如，根据人工胰腺算法416的输出)并且胰岛素递送系统106被指示递送整个剂量的胰岛素到最后。在所示实施例500中，属性518标有名称“remaining_time_sec”。在一个或更多个实施方式中，属性518的类型可以是整型。此外，剩余的时间量可以对应于对于给定的胰岛素剂量直到体内没有剩余的胰岛素的秒数。
属性520代表对应于体内残余胰岛素测量的源设备或应用程序的名称，其中“对应”可以是请求测量、执行测量和/或使体内残余胰岛素被递送的设备或应用程序。该名称可以通过处理来自设备或应用程序的数据包或统一资源定位系统(URL)消息来确定，例如，从字段中提取名称，或使用特定密钥成功解密数据或消息，仅举几例。在所示实施例500中，属性520标有名称“source_name”的。在一个或更多个实施方式中，属性520的类型可以是文本型(text)，例如，文本串。此外，源设备或应用程序的名称可以标识与其他设备或应用程序相关的对应于给定记录的设备或应用程序，例如能够请求测量、执行测量和/或具有可被递送的体内残余胰岛素的其他设备或应用程序。
图6描绘了基础递送表504的实施例600，其包括多个列602-616。这里，这些列中的每一列对应于基本递送表504中的数据的不同属性。所示实施例600中的行——除了最上面的行——每一个都代表基础递送表504中的数据记录。应当理解，在不背离所描述技术的精神或范围的情况下，基础递送表504可以配置有不同的属性。
广义地说，基础递送表504包含基础速率变化的历史。例如，每次人工胰腺算法416确定对人102的基础速率的改变时，一个新记录将被添加到基础递送表504中。何时可以将记录添加到基础递送表504的实施例包括根据临时基础速率(例如，由于假期、疾病、压力、一天中的时间、锻炼等)的递送和确定、胰岛素递送的暂停，处方药的施用，怀孕和健康指标的变化，仅举几例。
在所示实施例600的背景下，属性602代表记录标识符。对于基本递送表504中的给定记录，记录标识符从表中的其他记录中唯一地标识该记录。在所示实施例600中，属性602标有名称“record_id”。在一个或更多个实施方式中，属性602的类型可以是整型主键。因此，属性602可以被配置为给定记录的主键。
属性604代表例如基于上面刚刚提到的事件，改变胰岛素递送的基础速率以不同速率将基础胰岛素递送给人102的时间。对于基础递送表504中的给定记录，该特定变化时间对应于与特定记录相对应的基础速率开始的时间。在所示实施例600中，属性604标有名称“basal_rate_start_time_sec”。在一个或更多个实施方式中，属性604的类型可以是整型。此外，递送开始时间可以对应于以秒为单位的UTC时间。
属性606描述了胰岛素的递送速率。对于基础递送表504中的给定记录，递送速率对应于基础胰岛素递送已经改变的速率，例如，自属性604描述的开始时间起。因此，例如，基于另一个或更多个上述事件，可以使用由属性606描述的递送速率，直到基础速率再次改变。在所示实施例600中，属性606标有名称“basal_delivery_rate”。在一个或更多个实施方式中，属性606的类型可以是整型。具体地，由属性606指示的整数可以描述在预定时间量(诸如一小时)内递送的胰岛素单位的数。因此，在这种情景下，如果给定记录的属性606的值为“1.00”，那么这可以代表基础胰岛素的递送速率是每小时1.00个胰岛素单位。此外，可以将每个已知时间间隔递送的胰岛素单位数指定为已知的精确度(fidelity)，诸如指定为胰岛素单位的百分之一。在不背离所描述技术的精神或范围的情况下，应当理解，在不同的实施方式中，精确度和时间间隔可以不同。例如，属性606可以描述要在24小时期间内递送的胰岛素的单位数(指定为单位的十分之一)。
属性608代表由记录描述的基础速率相对于由人102的基础配置文件描述的基础速率改变了多少，所述基础配置文件诸如由胰岛素配置文件表508的记录描述的并且对应于当前时间的基础配置文件。属性608可以对应于(由属性606描述的)该速率是由人102的基础配置文件描述的基础速率的百分比。在这种情况下，这种基础配置文件所描述的基础速率没有发生的变化对应于百分之一百(100％)。然而，如果基础速率是基础配置文件所指示的速率的两倍，则属性608可被设置为对应于百分之二百(200％)的值。例如，如果基础配置文件所指示的基础速率是1.00IU/小时并且给定记录对应于2.00IU/小时的变化，则属性608可以设置为对应于200％的值。因此，如果基础速率是由基础配置文件指示的速率的一半，则属性608可以设置为对应于百分之五十(50％)的值。例如，如果基础配置文件指示的基础速率是1.00IU/小时并且给定记录对应于0.50IU/小时的变化，则属性608可以设置为对应于50％的值。
在一种或更多种实施方式中，仅当对应于记录的改变是临时的时，该属性608才可以被设置为不同于百分之一百的值。作为对比，如果记录对应于也改变由人102的基础配置文件描述的基本速率的速率变化，则该属性608的值可以设置为百分之一百(100％)，即使该记录的速率不同于人102的基础配置文件所描述的先前速率。在所示实施例600中，属性608标有名称“temp_basal_adjustment”。在一个或更多个实施方式中，属性608的类型可以是整型。在不背离所描述技术的精神或范围的情况下，可以以不同于百分比的方式来描述相应记录的速率和由基础配置文件描述的速率之间的差异。
属性610代表根据相应记录的速率(例如，由属性606描述的速率)递送胰岛素的持续时间。对于临时速率变化，该属性610被设置的值可以对应于基础速率返回到由人102的基础配置文件描述的速率的时间。对于打算无限期使用的速率——由基础配置文件描述的速率发生变化的变化——该属性610可以设置为指示或保留用于无限期使用的速率的值。替代地或附加地，该属性610可被设置为在没有中断变化的情况下触发基础配置文件的新基础速率的自动计算的值。举例来说，该属性610可以设置为对应于一个月的值，使得如果在该时间期间没有其他事件导致胰岛素输送的基础速率改变，则人工胰腺算法416自动确定该人每月的胰岛素递送的基础速率。在所示实施例600中，属性610标有名称“insulin_action_duration_sec”。在一个或更多个实施方式中，属性610的类型可以是整型。此外，持续时间可以对应于根据记录的速率(如属性606所述)的基础胰岛素递送被设置改变之前的秒数。
属性612描述了根据记录的速率递送的胰岛素的通用名称。在这种背景下，术语“通用”与“商品”名称形成对比；术语“通用”是指与相应记录相关的所递送的胰岛素类型的非品牌名称。一种类型的长效胰岛素的通用名称的一个实施例是甘精胰岛素，其商品名称可能包括
Figure BDA0003806735880000321
和
Figure BDA0003806735880000322
在所示实施例600中，属性612标有名称“insulin_generic_name”。在一个或更多个实施方式中，属性612的类型可以是文本型，例如，通用名称的文本串。此外，该属性612和/或属性614可以可选地被包括在基础递送表504中。
与属性612相反，属性614描述了根据记录的速率递送的胰岛素的商品名称(如果有的话)。术语“商品名称”是指一种胰岛素的品牌名称——通用胰岛素的品牌名称。例如，在上述实施例中，
Figure BDA0003806735880000323
和
Figure BDA0003806735880000324
是甘精胰岛素的商品名称——一种可用于基础胰岛素递送的长效胰岛素的通用名称。在所示实施例600中，属性614标有名称“insulin_trade_name”。在一个或更多个实施方式中，属性614的类型可以是文本型，例如，商品名称的文本串。与属性612一样，该属性614可以可选地被包括在基础递送表504中。
属性616代表根据记录的速率递送基础胰岛素的胰岛素递送系统的名称，例如，胰岛素递送系统106的名称。该名称可以通过处理来自胰岛素递送系统106的数据、基于人工胰腺系统402的设置等来确定。在所示实施例600中，属性616标有名称“source_name”。在一个或更多个实施方式中，属性616的类型可以是文本型，例如，文本串。此外，胰岛素递送系统的名称可以识别与能够递送胰岛素的其他系统相关的系统，诸如当用户(例如由于保险原因、升级、使用多个系统，以及等等)更改为不同的胰岛素系统时。
图7描绘了推注递送表506的实施例700，其包括多个列702-716。这里，这些列中的每一列对应于推注递送表506中数据的不同属性。所示实施例700中的行——除了最上面的行——每一个都代表推注递送表506中的数据记录。应当理解，在不背离所描述技术的精神或范围的情况下，推注递送表506可以配置有不同的属性。
广义地说，推注递送表506包含由作为人工胰腺系统402的一部分的胰岛素递送系统递送的胰岛素推注的历史。举例来说，当推注胰岛素递送由人工胰腺算法416确定并在预期进餐时递送时，至少一个记录被添加到描述递送的推注递送表506。在一种或更多种情景下，可以添加多个记录用于分次和/或组合推注胰岛素剂量。例如，可以为对应于推注胰岛素递送的多个阶段添加多个记录，例如，可以为两阶段胰岛素递送添加两个记录。
在所示实施例700的背景下，属性702代表记录标识符。对于推注递送表506中的给定记录，记录标识符从表中的其他记录中唯一地标识该记录。在所示实施例700中，属性702标有名称“record_id”。在一个或更多个实施方式中，属性702的类型可以是整型主键。因此属性702可以被配置为给定记录的主键。
属性704代表对应于相应记录的胰岛素的推注剂量的递送或推注剂量的阶段开始的时间，例如，响应于描述将要食用的餐食的数据的输入或基于人工胰腺算法416预测该人102的很可能在不久的将来吃一顿饭。对于推注递送表506中的给定记录，该特定递送时间对应于当对应于特定记录的推注剂量或阶段开始递送给人102的时间。该时间可以对应于人工胰腺算法416对推注剂量的确定，使得在人工胰腺算法416基于(由用户指定的或由算法预测的)将要食用的餐食来确定将要递送胰岛素的推注剂量之后，将记录添加到推注递送表506中。这里，由属性704描述的开始时间对应于人工胰腺算法416输出确定结果的时间和/或在算法的输出中指定的时间。然后，泵控制管理器418根据所添加的记录使所确定的剂量通过胰岛素递送系统106递送。在所示实施例700中，属性704标有名称“delivery_start_time_sec”。在一个或更多个实施方式中，属性704的类型可以是整型。此外，递送开始时间可以对应于以秒为单位的UTC时间。
属性706代表为对应于相应记录的胰岛素推注剂量或推注剂量的阶段结束递送的时间。因此，可以基于属性704和属性706的值之间的差异来确定剂量或阶段的持续时间。该时间可以对应于人工胰腺算法416对相应推注剂量的确定，诸如人工胰腺算法416的输出所描述的那样。人工胰腺算法416可以被配置为输出剂量的持续时间和/或剂量开始和结束的实际时间。在所示实施例700中，属性706标有名称“delivery_end_time_sec”。在一个或更多个实施方式中，属性的类型可以是整型。此外，递送结束时间可以对应于UTC时间，以秒为单位。
属性708代表为对应于相应记录的推注剂量或推注剂量的阶段递送的胰岛素的量。对于推注递送表506中的给定记录，该量对应于由人工胰腺算法416所做出的确定，例如，关于基于用户指定的餐食或预测的将要食用的餐食向人102递送多少胰岛素，为特定剂量的阶段递送多少，等等。在所示实施例700中，属性708标有名称“insulin_units”。在一个或更多个实施方式中，属性708的类型可以是整型。此外，对于推注剂量要递送的胰岛素的量可以对应于由属性704指定的开始时间和由属性706指定的结束时间之间要递送的胰岛素单位的数量，并且该量可以以胰岛素单位和胰岛素单位的百分之一来表示。
属性710代表持续时间，在该持续时间，为对应于该记录的推注剂量或阶段递送由属性708所描述的胰岛素的量。该属性710可以基于属性704、706所描述的时间之间的差异来确定。替代地或附加地，属性706所描述的结束时间可以通过将属性710所描述的持续时间加到属性704所描述的开始时间来确定。为此，在一个或更多个实施方式中，人工胰腺算法416可以输出要递送给人的胰岛素的推注剂量的预测以匹配将要食用的或所预测的将要食用的餐食。如上所述，该预测不仅可以包括要递送的胰岛素量，还可以包括推注的开始和结束时间，或者替代地，递送的开始时间和递送持续时间，者仅仅是持续时间，其中开始时间对应于预测的输出。实际上，在不背离所描述的技术的精神或范围的情况下，人工胰腺算法416的输出可以(例如，以特征向量)指定胰岛素的推注剂量的多种特征。在所示实施例700中，属性710标有名称“insulin_action_duration_sec”。在一个或更多个实施方式中，属性710的类型可以是整型。此外，持续时间可以对应于例如通过胰岛素递送系统106将属性708所描述的推注胰岛素量递送给人102的秒数。
属性712描述了根据先前讨论的推注递送表506中的相应记录的属性递送的胰岛素的通用名称。如上所述，术语“通用”与胰岛素的“商品”名称形成对比。一种短效胰岛素的通用名称的实施例是赖脯胰岛素，其商品名称可能包括
Figure BDA0003806735880000341
和
Figure BDA0003806735880000342
在所示实施例700中，属性712标有名称“insulin_generic_name”。在一个或更多个实施方式中，属性712的类型可以是文本型，例如，指示根据记录的属性所递送的胰岛素的通用名称的文本串。此外，该属性712和/或属性714可以可选地被包括在推注递送表506中。
与属性712相反，属性714描述了根据记录的属性所递送的胰岛素的商品名称(如果有的话)。如上所述，术语“商品名称”是指一种胰岛素的品牌名称——通用胰岛素的品牌名称。例如，在上面刚刚提到的实施例中，
Figure BDA0003806735880000343
和
Figure BDA0003806735880000344
是赖脯胰岛素的商品名称——一种可用于胰岛素的推注剂量的短效胰岛素的通用名称。在所示实施例700中，属性714标有名称“insulin_trade_name”。在一个或更多个实施方式中，属性714的类型可以是文本型，例如，指示商品名称的文本串。与属性712一样，该属性714可以可选地被包括在推注递送表506中。
属性716代表根据记录的属性递送胰岛素的推注剂量或推注剂量的阶段的胰岛素递送系统的名称，例如胰岛素递送系统106的名称。该名称可以通过处理来自胰岛素递送系统106的数据、基于人工胰腺系统402的设置等来确定。在所示实施例700中，属性716标有名称“source_name”。在一个或更多个实施方式中，属性716的类型可以是文本型，例如文本串。此外，胰岛素递送系统的名称可以识别与能够递送胰岛素的其他系统相关的系统，诸如当用户(例如，由于保险原因、升级等)改变为不同的胰岛素系统时。
图8描绘了胰岛素配置文件表508的实施例800，其包括多个列802-812。在此，这些列中的每一列对应于胰岛素配置文件表508中数据的不同属性。所示实施例800中的行——除了最上面的行——每一个都代表胰岛素配置文件表508中的数据记录。应当理解，在不背离所描述的技术的精神或范围的情况下，胰岛素配置文件表508可以配置有不同的属性。
广义地说，胰岛素配置文件表508包括人102的当前概况，对于其，人工胰腺系统402正在监测关于给药胰岛素、确定胰岛素剂量和根据确定来递送剂量的各个方面。在一种或更多种实施方式中，该概况可以对应于与胰岛素递送系统106相关联的多个不同配置文件的选定的配置文件。胰岛素配置文件表508还可以包括概况变化的历史。举例来说，当用户改变他或她的胰岛素配置文件或人工胰腺算法416改变时，可以将记录添加到胰岛素配置文件表508中，根据属性描述配置文件。在用户更改配置文件的背景下，这可能对应于(即，通过改变或更新设置)选择不同的预设配置文件(例如，“返回”到默认配置文件或选择“吃披萨”配置文件)或修改配置文件的特定属性。此类配置文件更改可能基于各种事件，诸如来自医疗保健提供者的建议、生活方式的改变、怀孕、疾病、改善或恶化的健康指标，仅举几例。作为用户指定的改变的实施例，用户可以基于来自医疗保健提供者的信息(例如新的最低和最高的葡萄糖水平)输入新的葡萄糖目标范围的值。
胰岛素配置文件表508还可以被配置为说明用户的身体在一天中如何对饮食、锻炼、睡眠、胰岛素等作出反应。以这种方式，胰岛素配置文件表508可以说明整个晚上(例如，睡觉时)、早上、下午和晚上身体如何反应的差异。为此，胰岛素配置文件表508中的第一条记录可以具有为零(午夜)的开始时间，使得胰岛素配置文件表508说明为占据一整天。在其中用户在一天中的每个小时(例如，24个小时)具有不同配置文件的实施例中，该表中可能有24条记录。在任何情况下，胰岛素配置文件表508包括至少一个记录，使得可以使用与给药胰岛素相关的属性将胰岛素递送给人102。
在所示实施例800的背景下，属性802表示记录标识符。对于胰岛素配置文件表508中的给定记录，记录标识符从表中的其他记录中唯一地标识该记录。在所示实施例800中，属性802标有名称“record_id”。在一个或更多实施方式中，属性802的类型可以是整型主键。因此，属性802可以被配置为给定记录的主键。
属性804代表记录所描述的配置文件的开始时间。在一种或更多种实施方式中，配置文件开始时间的范围可以从午夜到下午11:59。因此，对于胰岛素配置文件表508中的给定记录，该记录的属性的值被用于计算从相应的开始时间开始的胰岛素递送，直到具有下一个按时间顺序的开始时间的另一配置文件根据其相应的开始时间“启动”。在所示实施例800中，属性804标有名称“start_time_hr_min”。在一个或更多个实施方式中，属性804的类型可以是整型。此外，配置文件开始时间可以被配置为四位数字，使得前两位数字对应于小时(例如，0-23)并且后两位数字对应于分钟(例如，0-59)。鉴于此特定实施方式，值的范围可以从“0000”到“2359”，其中“0000”对应于午夜，“1200”对应于中午，“1800”对应于下午6:00，等等。应当理解，在不背离所描述技术的精神或范围的情况下，可以使用各种时间格式。
属性806代表当相应记录对应于启动的配置文件时人102的目标最低葡萄糖水平。这是当相应记录对应于启动的配置文件时人工胰腺系统402试图防止人102的葡萄糖下降低于其所描述的水平。在所示实施例800中，属性806标有名称“glucose_target_min”。在一个或更多个实施方式中，属性806的类型可以是整型。此外，最低葡萄糖水平可以以每分升的毫克(mg/dL)来描述，使得人工胰腺系统402试图防止人102的葡萄糖测量值118下降到低于由属性806指定的mg/dL的数。
当相应记录对应于启动的配置文件时，属性808代表人102的目标最高葡萄糖水平。这是当相应记录对应于启动的配置文件时人工胰腺系统402试图阻止人102的葡萄糖升高到高于其描述的水平。在所示实施例800中，属性808标有名称“glucose_target_max”。在一个或更多个实施方式中，属性808的类型可以是整型。与最低葡萄糖水平一样，最高葡萄糖水平也可以根据mg/dL来表示，使得人工胰腺系统402试图防止人102的葡萄糖测量值118升至超过由属性808指定的mg/dL的数。应当理解，在不背离所描述技术的精神或范围的情况下，除了mg/DL之外的测量值可以用于描述一段时间内的最低和最高葡萄糖水平。
由属性806描述的目标最低葡萄糖水平和由属性808描述的目标最高葡萄糖水平一起定义了如本文所讨论的“目标范围”。这些最低值和最高值可以通过多种方式获得，例如，人102可以在设置人工胰腺系统402时经由(例如，计算设备108或胰岛素递送系统106的)用户界面输入它们以自动输送胰岛素。在一些情况下，这些用户输入的最低值和最高值可以对应于人102的医疗保健提供者提供的信息。替代地或附加地，这些最低值和最高值可以通过捕获(例如，处方或其他医疗保健提供者提供的信息的)数字图像来获得，或者可以直接从人102的医疗保健提供者处接收，诸如其中一个门户暴露给医疗保健提供者(例如，通过葡萄糖监测平台112)并且医疗保健提供者通过门户的用户界面输入最低值和最高值。
当相应记录对应于启动的配置文件时，属性810代表人102的胰岛素敏感性。该属性810描述了人102的葡萄糖对于所递送的每个胰岛素单位(IU)如何变化(如葡萄糖测量值118所指示的)。另外，当相应记录对应于启动的配置文件时，由属性810描述的胰岛素敏感性可以被人工胰腺算法416用来计算胰岛素剂量。如下文更详细讨论的，可以根据所描述的技术确定胰岛素敏感性。在所示实施例800中，属性810标有名称“insulin_sensitivity”。在一个或更多个实施方式中，属性810的类型可以是整型。此外，属性810可以根据每个胰岛素单位的葡萄糖变化(例如，mg/DL/IU)来描述胰岛素敏感性。
在相应记录对应于启动的配置文件的时间段期间，属性812代表人102的碳水化合物比例。属性812描述了单个胰岛素单位(IU)为人102处理多少碳水化合物(根据预定的测量单位，例如克)。这里，“处理(cover)”是指将人102的未来葡萄糖维持在对应于属性806、808的目标范围内。由属性812描述的碳水化合物比例也可以被人工胰腺算法416用来在相应记录对应于启动的配置文件时计算胰岛素剂量。碳水化合物比例可以根据所描述的技术来确定，如下文更详细讨论的。在所示实施例800中，属性812标有名称“carb_ratio”。在一个或更多个实施方式中，属性812的类型可以是整型。如上所述，该属性可以根据每胰岛素单位的碳水化合物克数(例如，g/IU)来描述碳水化合物比例。
胰岛素配置文件表508可以包括用于根据所描述的技术确定胰岛素剂量的多种附加或不同属性。人工胰腺算法416也可以使用这些附加的或不同的属性来生成胰岛素剂量的预测，以将人的葡萄糖保持在目标范围内。实际上，不同的或附加的属性可以使人工胰腺算法416更好地预测胰岛素剂量以将人的葡萄糖保持在目标范围内。“更好地预测”是指当使用额外的和/或不同的因素时，人工胰腺算法的输出胰岛素剂量更频繁地将人102的葡萄糖保持在目标范围内，甚至在目标范围内防止人102的葡萄糖达到尖峰，避免偏离最佳生理反应，等等。这种附加或不同属性的一个实施例可以是糖尿病亚型。
虽然糖尿病通常分为两种类型，即I型和II型糖尿病，但在这两种类型下可能有多种亚型，并且胰岛素配置文件表508可以包括捕获亚型的属性，以便它们可以用于通过人工胰腺算法416预测胰岛素剂量。举例来说，研究表明细胞表面的基因突变会影响胰岛素的有效性。具体而言，研究表明存在两种基因突变，如下所述。这两种基因突变都可能存在于I型糖尿病患者和既不是I型也不是II型糖尿病的身上。因此，一个人可能患有具有这些基因突变中的第一种的I型糖尿病，而另一个人可能患有具有这些基因突变中的第二种的I型糖尿病，而第三个人可能患有没有任何基因突变的I型糖尿病。因此，I型糖尿病患者可能存在三种“亚型”。然而，对于II型糖尿病患者来说，可能只有两种“亚型”，因为第二种基因突变通常会阻止II型糖尿病的发病，而第一种基因突变会增加II型糖尿病的易感性。因此，对于II型糖尿病，一个人可能有第一种基因缺陷或没有任何基因缺陷。可以多种方式在胰岛素配置文件表508的数据中捕获这些亚型，其包括例如类似于在推注计算表510中捕获不同递送类型的方式。
在任何情况下，第一种基因突变涉及人的基因序列中的标志物，该标志物会导致该人的细胞上的表面拓扑结构偏差(surface topology aberration)。这种表面拓扑结构的偏差导致胰岛素粘附到细胞表面的A-受体和B-受体的能力降低。这种抑制(即，减少对A-受体和B-受体的粘附)降低了胰岛素的具有其通常被观察到的效果的能力。例如，通过这种抑制，与不存在突变时相比，胰岛素需要更多的时间来粘附到细胞表面，因此降低了已知量的胰岛素的效果。与不存在突变时相比，这种抑制也可能导致胰岛素花费更多的时间来粘附足够数量的细胞，以使胰岛素对葡萄糖水平产生可测量的影响——这可能被称为“胰岛素抵抗”。
第二种基因突变可以被认为是第一种基因突变的“反面”。第二种基因突变导致人的表面拓扑结构偏差，与没有任何突变的人相比，这使得胰岛素更容易粘附到人细胞的A-受体和B-受体上。因此，与没有任何突变或具有第一种突变的人相比，具有第二种基因突变的人通常具有更快的细胞反应(即，细胞对葡萄糖开放)以及更多的对胰岛素有反应的细胞群。人工胰腺算法416不仅可以使用捕捉这些亚型的属性来更准确地确定胰岛素剂量，而且人工胰腺算法416还可以使用它们来识别碳水化合物如何摄入以及锻炼连同亚型如何影响要给药多少胰岛素。本文描述的技术还可以涉及识别这些亚型的存在，诸如通过识别具有亚型的用户的用户群体110中的模式、识别人102表现出与具有亚型之一的用户的相似性，以及基于考虑到假定人102具有亚型的改善的胰岛素剂量的准确度验证了人102具有所识别的亚型。该亚型也可以通过其他方式来识别，例如由医疗保健提供者或基因检测，且因此可以作为人工胰腺系统402的输入来接收。除了上面刚刚讨论的亚型之外，胰岛素配置文件表508中还可能有其他亚型。
图9描绘了推注计算表510的实施例900，其包括多个列902-934。这里，这些列中的每一列对应于推注计算表510中数据的不同属性。所示实施例900中的行——除了最上面的行——每一个都代表推注计算表510中的数据记录。应当理解，在不背离所描述技术的精神或范围的情况下，推注计算表510可以配置有不同的属性。
广义地说，推注计算表510包括例如通过人工胰腺算法416、葡萄糖监测模块408或胰岛素递送系统106计算的推注胰岛素剂量的历史。这与推注递送表506形成对比，其描述了由例如胰岛素递送系统106递送的推注剂量。推注计算表510中的给定记录描述了用于计算推注剂量的参数输入和作为输出的所接收的参数。在一种或更多种实施方式中，这些输入参数可以被转换成特征向量，例如，用于输入至人工胰腺算法416。类似地，这些输出参数可以从特征向量转换为对应的属性值(例如，通过一个或更多个转换操作)，其中该特征向量由人工胰腺算法416输出。可以基于由胰岛素递送系统106、胰岛素模块406(例如，人工胰腺算法416)或葡萄糖监测模块408中的任何一个确定的推注剂量将记录添加到推注计算表510中。
在所示实施例900的背景下，属性902表示记录标识符。对于推注计算表510中的给定记录，记录标识符从表中的其他记录中唯一地标识该记录。在所示实施例900中，属性902标有名称“record_id”。在一个或更多个实施方式中，属性902的类型可以是整型主键。因此，属性902可以被配置为给定记录的主键。
属性904代表进行计算的时间。对于推注计算表510中的给定记录，计算的时间可以对应于例如通过人工胰腺算法416确定胰岛素的推注剂量的时间。在所示实施例900中，属性904标有名称“system_time_sec”。在一个或更多个实施方式中，属性904的类型可以是整型。此外，计算的时间可以对应于UTC，以秒为单位。
属性906代表对应于推注计算的源设备或应用程序的名称，其中“对应”是指确定推注剂量的设备或应用程序。在所示实施例900中，属性906标有名称“source_name”。在一个或更多个实施方式中，属性906的类型可以是文本型，例如文本串。此外，源设备或应用程序的名称可以识别与给定记录相对应的设备或应用程序，从而将设备或应用程序从其他设备或应用程序(诸如能够执行计算的其他设备或应用程序)识别出来。
属性908表示计算对应于相应记录的推注剂量的碳水化合物的量。对于推注计算表510中的给定记录，这是所计算的胰岛素的剂量预计处理将要食用的餐食——以将人102的未来葡萄糖水平维持在目标范围内的碳水化合物量。如上下文所述，该碳水化合物量可通过一个或更多个用户界面接收或由人工胰腺算法416预测。此外，人工胰腺算法416使用该碳水化合物量来计算相应的胰岛素剂量。换言之，将要食用的餐食的碳水化合物的量可以作为人工胰腺算法416的输入以计算胰岛素剂量。在所示实施例900中，属性908标有名称“meal_carbs”。在一个或更多个实施方式中，属性908的类型可以是整型。此外，餐食中碳水化合物的量可以根据碳水化合物的克数来描述，使得该属性描述将要食用的餐食中碳水化合物的克数。应当理解，该克数可以由用户测量(例如，在秤上)，基于餐食图片估计，等等，然后作为输入提供。
属性910代表体内残余胰岛素的量。对于推注计算表510中的给定记录，体内残余胰岛素的量对应于留在体内的胰岛素的测量值以供递送，直到有零个单位的胰岛素要递送至例如人102。在所示实施例900中，属性910标有名称“insulin_on_board”。在一个或更多个实施方式中，属性910的类型可以是整型。此外，体内残余胰岛素的量可以对应于用于输送给人102的体内胰岛素单位的数量(例如，胰岛素递送系统106)，并且还可以以胰岛素单位来指定并且测量到胰岛素单位的百分之一。此外，可以结合人工胰腺算法416的推注剂量计算请求体内残余胰岛素的测量，从而基于推注剂量的计算将记录添加到活性胰岛素(IOB)表502并且使得属性910对应于活性胰岛素(IOB)表502的属性516。
属性912代表在确定推注剂量时人102的碳水化合物比例。碳水化合物比例可以通过参考胰岛素配置文件表508来确定，诸如通过确定胰岛素分布表508的哪个记录对应于在确定推注剂量时的“启动的”配置文件并通过从对应于启动的配置文件的记录提取碳水化合物比例(例如，属性812)。如上所述，该属性描述了单个胰岛素单位(IU)为人102处理了多少碳水化合物(例如，以克计)。由属性912描述的碳水化合物比例因此可以被人工胰腺算法416用作计算推注胰岛素剂量的输入。在所示实施例900中，属性912标有名称“carb_ratio”。在一个或更多个实施方式中，属性912的类型可以是整型。该属性912可以按照每胰岛素单位的碳水化合物克数(例如，g/IU)来描述碳水化合物比例。
属性914代表在确定推注剂量时人102的胰岛素敏感性。可以通过参考胰岛素配置文件表508来确定胰岛素敏感性，诸如通过确定胰岛素配置文件表508的哪个记录对应于在计算推注剂量时的“启动的”配置文件并通过从对应于启动的配置文件的记录提取胰岛素敏感性(例如，属性810)。如上所述，该属性914描述了对于每个所递送的胰岛素单位(IU)，人102的葡萄糖会如何变化(如葡萄糖测量值118所指示的)。因此，由属性914描述的胰岛素敏感性可以被人工胰腺算法416用作输入以确定推注胰岛素剂量。在所示实施例900中，属性914标有名称“insulin_sensitivity”。在一个或更多个实施方式中，属性914的类型可以是整型。此外，属性914可以根据每个胰岛素单位的葡萄糖变化(例如，mg/DL/IU)来描述胰岛素敏感性。
属性916代表确定推注剂量时的葡萄糖水平，例如人102的当前葡萄糖水平。例如，对于推注计算表510中的给定记录，属性916可以对应于从可穿戴葡萄糖监测设备104所接收的葡萄糖测量值118，例如最近接收到的测量值，结合推注胰岛素剂量的计算来请求的测量值等。附加地或替代地，葡萄糖水平可以对应于从可穿戴葡萄糖监测设备104接收的一个或更多个葡萄糖测量值118，诸如人由葡萄糖监测模块408和/或胰岛素模块406计算的平均(例如，平均值或中值)葡萄糖测量值。由属性916描述的葡萄糖水平也可以被人工胰腺算法416用作输入以确定推注胰岛素剂量。在实施例900中，属性916标有名称“glucose_level”。在一个或更多个实施方式中，属性916的类型可以是整型。此外，葡萄糖水平可以用每分升的毫克(mg/DL)来描述。
属性918代表在确定推注剂量时的葡萄糖测量值的趋势，诸如在确定推注剂量之前的一段时间内人102的葡萄糖测量值118的当前趋势，例如人在过去半小时内的葡萄糖测量值118的趋势。例如，对于推注计算表510中的给定记录，属性916可以基于在一段时间内从可穿戴葡萄糖监测设备104接收的多个葡萄糖测量值118来确定。应当理解，在不背离技术的精神或范围的情况下，时间量可以变化，其包括，例如，预定量的时间量(例如，最后5小时、最后半小时或最后一分钟)、自最后一次注射胰岛素以来、最后一次葡萄糖测量等的时间量。由属性918描述的葡萄糖测量值的趋势也可以被人工胰腺算法416用作输入以计算推注胰岛素剂量。在所示实施例900中，属性918标有名称“glucose_trend”。在一个或更多个实施方式中，属性918的类型可以是整型。此外，葡萄糖测量值的趋势可以用毫克每分升每分钟(例如，mg/dL/min)来描述。
属性920代表在确定推注剂量时人102的目标最低葡萄糖水平。目标最低葡萄糖水平可以通过参考胰岛素配置文件表508来确定，诸如通过确定胰岛素分布表508的哪个记录对应于在确定推注剂量时的“启动的”配置文件并通过从对应于启动的配置文件的记录提取目标最低葡萄糖水平(例如，属性806)。如上所述，该属性920描述了人工胰腺系统402试图防止人102的葡萄糖下降到低于其所描述的水平。因此，由属性920描述的目标最低葡萄糖水平可以被人工胰腺算法416用作输入以确定推注胰岛素剂量。在所示实施例900中，属性920标有名称“target_glucose_min”。在一个或更多个实施方式中，属性920的类型可以是整型。此外，最低葡萄糖水平可以用毫克每分升(mg/dL)来描述，使得人工胰腺系统402试图防止人102的葡萄糖测量值118下降到低于由属性920指定的mg/dL数。
属性922表示在确定推注剂量时人102的目标最高葡萄糖水平。目标最高葡萄糖水平可以通过参考胰岛素配置文件表508来确定，诸如通过确定胰岛素分布表508的哪个记录对应于在确定推注剂量时的“启动的”配置文件并通过从对应于启动的配置文件的记录提取目标最高葡萄糖水平(例如，属性808)。如上所述，该属性922描述了人工胰腺系统402试图阻止人102的葡萄糖升高到高于其描述的水平。因此，由属性922描述的目标最高葡萄糖水平可以被人工胰腺算法416用作输入以计算推注胰岛素剂量。在所示实施例900中，属性922标有名称“target_glucose_max”。在一个或更多个实施方式中，属性922的类型可以是整型。与最低葡萄糖水平一样，最高葡萄糖水平也可以根据mg/dL来表示，使得人工胰腺系统402试图防止人102的葡萄糖测量值118升至超过由属性922指定的mg/dL的数。应当理解，在不背离所描述技术的精神或范围的情况下，除了mg/DL之外的测量值可以用于描述最低和最高葡萄糖水平。
在一种或更多种实施方式中，属性908-922中的一项或更多项可以用作输入用于确定胰岛素的推注剂量。因此，这些属性可以作为输入提供给人工胰腺算法416，用于确定推注胰岛素剂量。作为对比，下面详细描述的属性924-934中的一项或更多项可以对应于人工胰腺算法416的输出。这样的输出可用于生成用于控制通过胰岛素递送系统106向人102递送胰岛素的指令。具体地，泵控制管理器418可以控制胰岛素递送系统106根据属性924-934所描述的输出来递送胰岛素，诸如通过使用如下文更详细描述的请求快速递送的请求。
在一种或更多种实施方式中，属性908-922可以被处理并转换成特征向量以用于输入到人工胰腺算法416中。举例来说，该处理可以包括(例如，使用最小最大特征缩放或其他技术)使属性中的一项或更多项归一化，使得属性具有从零到一的范围的数值。类似地，人工胰腺算法416可以输出特征向量，该特征向量可以(例如，使用一个或更多个后处理操作)被处理以转换特征的值来获得属性924-934的相应值。还应该理解的是，在不背离所描述技术的精神或范围的情况下，输入和输出可以对应于不同的属性，例如包括指示使用胰岛素、糖尿病亚型等的预测葡萄糖缺失校正的属性。在“输出”属性的背景下，考虑以下讨论。
属性924代表为对应于相应记录的推注剂量或推注剂量的阶段递送的胰岛素量，并且具体地，对应于预测校正人102的葡萄糖水平以使其保持或被调整回到由属性920、922定义的目标葡萄糖范围的胰岛素量。属性924描述的胰岛素量可以从人工胰腺算法416的输出中获得，使得该属性924的值部分地通过处理算法的输出而设置在推注计算表510中。在所示实施例900中，属性924标有名称“insulin_for_correction”。在一个或更多个实施方式中，属性924的类型可以是整型。此外，预测校正人102的胰岛素的胰岛素量可以用胰岛素单位来描述并且指定为胰岛素单元的百分之一。泵控制管理器418因此可以控制胰岛素递送系统106以输送包括用于校正的胰岛素量的胰岛素的推注剂量。
属性926代表为对应于相应记录的推注剂量或推注剂量的阶段递送的胰岛素量，并且具体地，对应于预测匹配人102所吃的餐食的量。由属性926描述的胰岛素量也可以从人工胰腺算法416的输出中获得，使得该属性926的值部分地通过处理算法的输出而设置在推注计算表510中。在所示实施例900中，属性926标有名称“insulin_for_meal”。在一个或更多个实施方式中，属性926的类型可以是整型。此外，预测与人102所吃的餐食相匹配的胰岛素量可以用胰岛素单位来描述并且指定为胰岛素单位的百分之一。因此，泵控制管理器418可以控制胰岛素递送系统106以递送胰岛素的推注剂量，包括用于餐食的胰岛素的量。应当理解，人工胰腺算法416的输出可以指示为矫正和进餐而要递送的胰岛素的量。在这样的情景中，如果没有胰岛素将被递送用于特定目的，例如矫正或进餐，则输出可以指示为零的量。举例来说，如果要递送推注胰岛素用于校正而不是进餐，则人工胰腺算法416的输出可以指示用于校正的特定量和用于匹配进餐的为零的量。
属性928指示胰岛素递送的类型，诸如推注剂量是否将作为“正常”、“延长”、“组合”或“分次”递送来递送。在不背离所描述技术的精神或范围的情况下，可能有更多类型的递送。如本文所用，“正常”推注递送是指单次即时剂量的胰岛素，没有延长部分。这种类型的推注可用于补充食物摄入或校正高葡萄糖水平。广义上讲，“正常”推注递送是用于碳水化合物、脂肪和蛋白质的正常餐食，例如，肉类、土豆和蔬菜。然而，“正常”的推注递送通常不适用于脂肪含量高的餐食，因为脂肪会使碳水化合物被延迟吸收到血液中。这些非正常的高脂肪餐食的实施例包括披萨、千层面和提拉米苏，仅举几例。为了涵盖此类餐食和各种饮食形式(例如，放牧式饮食法或自助餐)，可以使用其他类型的推注递送。如本文所用，“延长”推注递送是指在相对于正常推注延长的一段时间内的胰岛素的少量的递送。延长递送也可称为“延迟”推注。如本文所用，“组合”推注是指“正常”和“延长”推注的组合。在胰岛素的组合推注递送中，可以递送正常推注，然后进行延长推注，例如，当餐前或在自助餐或鸡尾酒会上进食时葡萄糖测量值较高时。如本文所用，“分次”推注是指递送多个即时剂量的胰岛素而没有延长部分。举例来说，分次推注可涉及间隔一定时间量递送两次正常推注剂量，两次单次剂量包括就餐前的速效胰岛素的一个和然后在餐后三小时的第二次量。分次剂量可以以各种方式来分，诸如50/50(例如，第一次递送中为50％和第二次递送中为50％)、60/40等。由属性928描述的递送类型可以从人工胰腺算法416的输出中获得，使得该属性924的值部分地通过处理算法的输出而设置在推注计算表510中。
在一种或更多种实施方式中，这些不同的递送类型可以在推注计算表510中由唯一值表示。例如，“1”可以表示“正常”推注递送，“2”可以表示“延长”递送，“3”可以表示“组合”递送，“4”可以表示“分次”递送。在一种或更多种实施方式中，“0”可以表示没有推注递送正在进行。在所示实施例900中，属性928标有名称“delivery_type”。在一个或更多个实施方式中，属性928的类型可以是整数，并且可以限于对应于可用的不同递送类型的值，例如，由人工胰腺算法416和/或胰岛素递送系统106能够递送的递送类型确定。
属性930代表为对应于记录的推注剂量或推注剂量的阶段递送由属性924、926描述的胰岛素的量的持续时间。由属性930描述的递送的持续时间可以从人工胰腺算法416的输出中获得，使得该属性930的值部分地通过处理算法的输出而设置在推注计算表510中。在所示实施例900中，属性930标有名称“bolus_duration_sec”。在一个或更多个实施方式中，属性930的类型可以是整型。此外，该持续时间可以对应于例如通过胰岛素递送系统106将由属性924、926描述的推注胰岛素的量递送给人102期间的秒数。
属性932表示例如当递送的类型是根据属性928所述的组合剂量或分次剂量时，为推注剂量的第一阶段递送的胰岛素量。由属性932描述的胰岛素的量可以从人工胰腺算法416的输出中获得，使得该属性932的值部分地通过处理算法的输出而设置在推注计算表510中。在所示实施例900中，属性932标有名称“insulin_part1”。在一个或更多个实施方式中，属性932的类型可以是整型。为推注剂量的第一阶段指定的胰岛素的量可以用胰岛素单位来描述并指定为单位的百分之一。因此，泵控制管理器418可以控制胰岛素递送系统106以根据属性932指定的量递送推注剂量的第一阶段。
属性934代表为推注剂量的第二阶段递送的胰岛素量，例如，当递送类型是根据属性928的组合剂量或分次剂量时。由属性934描述的胰岛素量也可以从人工胰腺算法416的输出中获得，使得该属性934的值部分地通过处理算法的输出而设置在推注计算表510中。在所示实施例900中，属性934标有名称“insulin_part2”。在一个或更多个实施方式中，属性934的类型可以是整型。为推注剂量的第二阶段指定的胰岛素的量可以用胰岛素单位来描述并指定为单位的百分之一。因此，泵控制管理器418可以控制胰岛素递送系统106以根据属性934指定的量递送推注剂量的第二阶段。应当理解，在不背离所描述技术的精神或范围的情况下，胰岛素剂量可以包括更多阶段，因此，可以将更多剂量“部分”的属性添加到推注计算表510中。
已经讨论了与实现人工胰腺系统402相关的可以在共享存储器410中维护的实施例表，现在要考虑的是，讨论胰岛素模块406和葡萄糖监测模块408可以如何连接和交互以处理与人工胰腺系统402相关联的操作。
葡萄糖监测模块和胰岛素模块链接
在以下讨论中提供了胰岛素模块406和葡萄糖监测模块408可以如何连接和交互的一个示例性实施方式。如上所述，胰岛素模块406和葡萄糖监测模块408可以配置为应用程序，诸如胰岛素应用程序和葡萄糖监测应用程序。胰岛素模块406和葡萄糖监测模块408也可以以其他方式配置，例如作为单个应用程序的一部分，或者使胰岛素模块的部分(例如，人工胰腺算法416)被包括在与葡萄糖监测模块408相同的应用程序中而胰岛素模块的其他部分包括在不同的应用程序中。
不管具体配置如何，在一个或更多个实施方式中，胰岛素模块406和葡萄糖监测模块408可以使用统一资源定位系统(URL)应用程序链接来激活与向那个另一个模块发送安全有效载荷数据相关的另一个模块。使用URL应用程序链接，胰岛素模块406和葡萄糖监测模块408可以使用包括请求和参数(诸如“显示主屏幕”、“显示推注计算器”、“2.0IU的请求推注”，等等)的有效载荷激活另一个模块。广义上讲，URL应用程序链接可用于应用程序间通信，当胰岛素模块406或葡萄糖监测模块408切换以激活另一个模块时应用程序间可进行通信，例如，作为计算设备108的“最顶层”应用程序。这种用于激活另一个模块的切换可以包括通过计算设备108的显示器显示切换到的模块的用户界面以及通过所显示的用户界面实现用户交互。
根据如本文所述的URL应用程序链接，胰岛素模块406和葡萄糖监测模块408可以使用公钥密码术来加密经由URL发送到其他模块的有效载荷数据。使用公钥密码术来加密这个有效载荷数据确保了在胰岛素模块406和葡萄糖监测模块408之间交换的数据的私密性。尽管在该示例性实施方式中讨论了公钥密码术，但是应当理解，胰岛素模块406和葡萄糖监测模块408可以替代地或另外地使用用于安全通信的不同技术(例如，其包括区块链技术)在彼此之间安全地传送数据。这种安全通信连同使用共享存储器410还可以防止用户篡改胰岛素模块406和葡萄糖监测模块408，其包括防止篡改人工胰腺算法416，例如，篡改使得算法考虑用户指定的数据进行学习或使用用户提供的代码来实现。安全通信连同使用共享存储器410还可防止在人工胰腺系统402中使用未经授权的设备(例如，未经葡萄糖监测平台112授权的)。
无论如何，通过使用公钥密码术进行应用程序间(或模块)通信，胰岛素模块406和葡萄糖监测模块408才确保只有目标模块(例如，与之通信的模块)能够解密有效载荷。通过确保只有目标模块可以解密有效载荷，敏感信息(例如，个人数据)才不会被拦截，所述拦截包括在未经授权更换目标模块的情况下，其中未经授权的应用程序注册了与允许(例如，由葡萄糖监测平台112)作为人工胰腺系统402的一部分传送数据的模块相同的URL方案，等等。
为了确保有效载荷数据的完整性和真实性，将有效载荷数据传送到其他模块的模块将有效载荷配置为包括数字签名。在以下讨论中，传送有效载荷数据的模块可以称为源模块。源模块打算接收有效载荷数据的模块可以称为目标模块。一致性通信(conformingcommunication)中包含的数字签名允许目标模块验证有效载荷数据在传输过程中没有被修改或损坏。使用数字签名，目标模块还可以验证有效载荷数据的源是允许向目标模块发送请求的模块。
胰岛素模块406和葡萄糖监测模块408可以使用共享钥匙串共享用于这种数字签名的公钥。在一些情景中，胰岛素模块406对应于由葡萄糖监测平台112许可用于与人工胰腺系统402结合使用的多个胰岛素应用程序之一。在这样的情景中，可以许可多个应用程序中的每一个与人工胰腺系统402结合使用。该许可可以基于包含在由葡萄糖监测平台112发布的一组共享应用程序中，例如，在共享应用程序列表中发布，在代码中持久保存的一组共享应用程序(例如，葡萄糖监测模块408的)中发布，在其他数据中持久保存的一组共享应用程序(例如，包括在葡萄糖监测模块408中或提供给与安装和/或更新葡萄糖监测模块408相关的计算设备108的数据库或表)中发布，或者在通过设置持续存在一组共享应用程序中发布，仅举几例。已发布的共享应用程序的组将共享钥匙串的访问权限限制为该组中包含的应用程序——只有在共享组中发布的应用程序才能访问共享钥匙串。
目标模块可以使用数字签名以及源模块的一个或更多个附加标识符来验证源模块被授权发送数据有效载荷。举例来说，一个或更多个标识符可以包括可以由计算设备108的操作系统提供给目标模块的标识符(例如，bundle_id)，诸如结合有效载荷的通信和识别源模块。关于URL应用程序链接，目标模块因此可以使用有效载荷的数字签名以及这个源模块的标识符来确认源模块被授权发送通信，例如，被授权通过URL向目标模块发送请求。举例来说，该标识符可以使目标模块能够检索源模块的公钥，并且所检索到的公钥用于验证与有效载荷数据一起提供的数字签名。
一旦目标模块确定请求的源被授权发送这样的信息，则操作系统可以将目标模块切换到操作系统的前台，同时挂起源模块。如上所述，这些请求及其各自的有效载荷可以通过URL发送。此外，用于这种切换的URL可以符合一种方案，诸如，其中URL识别目标模块并且可选地包括包含单个加密有效载荷的路径部分的方案。URL中包含的加密有效载荷可以使用上面和下面提到的数字签名和标识符来解密。
关于获得实现上述共享钥匙串的密钥，胰岛素模块406(许可执行胰岛素模块406的功能的多个应用程序中的任何一个)和葡萄糖监测模块408在第一次初始化期间生成(例如，与链接模块的设置有关的)公/私钥对。然后，这些模块可以使它们生成的公钥被存储在共享应用程序组的共享钥匙串中，并且还使它们生成的私钥被存储在相应的模块的私有钥匙串中。在一种或更多种实施方式中，可以通过由计算设备108的操作系统提供的一个或更多个标识符(例如，bundle_id)在共享钥匙串中识别公钥。
关于经由URL提供的有效载荷，在一个或更多个实施方式中，这些有效载荷可以包括键值对的字典，其中包含请求和请求的参数。根据所描述的技术，该字典可以被编码成二进制数据、被数字签名、被加密(例如，使用目标模块的公钥)，并且被编码成用作所提供URL的路径部分的字符串。根据公/私钥匙串技术，使用目标模块的公钥加密的数据只能由目标模块解密，因为目标模块单独存储了这种解密所需的私钥。其他模块无法解密此类数据，即使它们要拦截或窃听数据，因为它们没有解密使用目标模块的公钥加密的数据所需的私钥。因此，作为有效载荷一部分提供的数字签名允许目标模块既验证有效载荷的完整性，又验证其真实性。
为了生成上述有效载荷及其各自的路径，URL通信的源模块可以以二进制格式对包含在有效载荷中的字典进行编码，例如通过使用NSSecureCoding协议。此外，源模块可以通过计算散列值，诸如通过计算用源模块的私钥加密的散列值，将数字签名附加到字典的二进制编码中。应当理解，可以使用多种散列技术来计算诸如散列值，其包括，例如，用于计算SHA-256值的安全散列算法(SHA)。源模块然后可以(例如，使用目标模块的公钥)加密组合的二进制数据和数字签名。然后，源模块可以通过对二进制数据和数字签名的加密组合进行编码来形成URL的路径部分。例如，源模块可以将此加密数据编码为base 64字符串以形成URL的路径部分。
目标模块可以根据以下讨论处理接收到的URL消息。目标模块可以将接收到的包括URL的路径部分的base 64字符串解码为二进制数据。然后，目标模块可以将二进制数据的有效载荷部分与二进制数据的数字签名部分分开。目标模块可以使用(例如，从共享应用的组的公有钥匙串中获得)源模块的公钥解密数字签名。然后，目标模块可以将预期的散列值与解密的数字签名的值进行比较，以验证接收到的有效载荷是完整的，并且还可以验证源模块。
以下讨论描述了有效载荷的示例性实施方式细节，其包括键/值字典的细节。如上所述，通过URL发送到目标模块的有效载荷包含已编码的键/值对的字典。这些键/值对可能特定于指向目标模块的特定类型的请求。这些键/值对可以指定请求的类型以及可选的特定于请求类型的相应参数。请求的不同类型可以包括初始设置屏幕请求、显示主屏幕请求、显示推注计算器请求和推注递送请求。应当理解，在不背离所描述技术的精神或范围的情况下，胰岛素模块406和葡萄糖监测模块408可以相互传送其他类型的请求。
无论如何，可以根据以下讨论来配置结合上述类型的请求的编码的示例性字典。对初始设置屏幕的请求可以包括具有“request”键和“date”键的字典。在以下讨论中，“request”键的值通常标识请求的类型，使得request键的特定值标识来自显示推注计算器请求等的初始设置屏幕请求。例如，在初始设置屏幕请求的背景中，request键的值类型可以是字符串(例如，NSString)，并且该值可以对应于诸如“init”之类的字符串，使得“init”将该请求标识为来自其他类型请求的初始设置屏幕请求。基于接收到初始设置屏幕请求，目标模块启动与胰岛素递送系统(例如，胰岛素递送系统106)或与可穿戴葡萄糖监测设备104的设置和配对过程。date键的值类型可以是与向目标模块发送请求的日期和时间对应的日期(例如，NSDate)。在一个或更多个实施方式中，目标模块被配置为拒绝就该日期而言乱序、旧的或重复的请求。
显示主屏幕的请求的配置可能与其他类型的请求不同。举例来说，源模块可以通过配置具有空路径部分的URL——当路径部分为空时，没有有效载荷，来请求目标模块显示其主屏幕。响应于接收到具有空路径(有效载荷)的URL，目标模块被配置为通过计算设备108的显示设备显示其主屏幕或主要屏幕。
显示推注计算器的请求可能包括仅带有“request”键的字典。对于显示推注计算器请求，request键的值类型可以是字符串(例如，NSString)并且该值可以对应于诸如“calc”之类的字符串，使得“calc”将请求标识为显示推注计算器来自其他类型请求的请求。基于接收显示推注计算器请求，目标模块(例如，经由计算设备108的显示设备)显示其推注计算器。所显示的推注计算器可以包括用户界面元素，用户可以通过用户界面元素提供用于计算胰岛素的推注剂量的输入，例如，将要食用的餐食中的碳水化合物的数量、特定餐食(例如，比萨饼、自助餐、小吃等)的选择，距将要食用的餐食的时间量，等等。元件也可以是可选择的，以启动、暂停或停止推注胰岛素剂量的递送(例如，由人工胰腺算法416计算的或由用户手动输入的剂量)。在不偏离所描述技术的精神或范围的情况下，推注计算器可以包括用于各种用户动作的用户界面元素，并且还可以配置为显示各种信息(例如，葡萄糖测量值)和视图(例如，葡萄糖测量值的趋势的指示)。
请求推注递送的请求可能包括带有“request”键、“date”键、“carbs”键、“meal-bolus”键、“correction”键、“type”键、“duration”键、“bolus1”键和“bolus2”键的字典。对于请求推注递送的请求，请求键的值类型可以是字符串，并且该值可以对应于诸如“bolus”之类的字符串，使得“bolus”将该请求标识为来自其他类型的推注递送请求的请求。基于接收请求推注递送的请求，目标模块使胰岛素模块406开始经由胰岛素递送系统106递送胰岛素——这可以包括采用泵控制管理器418的功能来指示胰岛素递送系统106以输送胰岛素剂量。结合这样的请求，目标模块还可以使胰岛素模块406采用人工胰腺算法416来计算胰岛素的推注剂量和/或胰岛素的基础速率。推注递送请求的date键的值类型可以是对应于将请求发送到目标模块的日期和时间的日期(例如，NSDate)。在一个或更多个实施方式中，目标模块被配置为就该日期而言拒绝乱序、旧的或重复的请求。
上述carbs键的值类型可以是数字(例如，NSNumber)，其描述了被请求的快速递送所处理的碳水化合物的量。在一种或更多种实施方式中，该数量可以对应于所请求的推注递送所考虑的碳水化合物克数。该数据可以由源模块从共享存储器410获得以填充推注递送请求和/或可以另外对应于一个或更多个表中的记录，诸如推注计算表510。上述meal-bolus键的值可以是数字(例如，NSNumber)，其描述要递送以处理所请求的推注胰岛素递送的餐食的碳水化合物的胰岛素的量。在一种或更多种实施方式中，该数量可以对应于测量到胰岛素单位(IU)的百分之一的胰岛素单位的数量。上述correction键的值可以是数字(例如，NSNumber)，其描述要递送以校正人102的葡萄糖水平以使其保持在葡萄糖测量值的目标范围内的胰岛素量。在一种或更多种实施方式中，该数字还可以对应于测量到百分之一胰岛素单位(IU)的胰岛素单位的数量。
上述“type”键的值类型可以是指示胰岛素递送类型的数字(例如，NSNumber)，例如递送是“正常”、“延长”、“组合”还是“分次”。如关于图9更详细地讨论，“1”可以表示“正常”推注递送，“2”可以表示“延长”递送，“3”可以表示“组合”递送，“4”可以表示“分次”递送。应当理解，“type”键的值类型可能不同，但仍能捕获推注递送的类型。上述bolus1键的类型可以是数字(例如，NSNumber)，其描述与推注胰岛素递送的第一部分相关的要递送的胰岛素的量。该数字可以对应于在递送的第一部分中递送的胰岛素单位的数量，并且被指定为胰岛素单位(IU)的百分之一。上述bolus2键的类型可以是数字(例如，NSNumber)，其描述与推注胰岛素递送的第二部分相关的要递送的胰岛素的量。该bolus2键可用于组合或分次推注递送，但不能用于正常或延长给药。该数字可以对应于在第二部分递送中要递送的胰岛素单位的数量，并指定为胰岛素单位(IU)的百分之一。
应当理解，在不背离所描述技术的精神或范围的情况下，胰岛素模块406和葡萄糖监测模块408可以相互提供不同类型的请求。请求可以替代地或附加地以不同于上述字典的方式来配置和/或通过使用不同的安全通信技术来配置以实现人工胰腺系统402。
设置和调整胰岛素递送
如通篇所述，人工胰腺控制器404被配置为利用人工胰腺算法416来准确地预测用户的葡萄糖水平以及将用户的葡萄糖水平维持在目标范围内所需的胰岛素剂量。这使得用户可以灵活地选择食物，因为用户摄入的任何数量的碳水化合物都可以被胰岛素递送系统106输送给用户的匹配剂量的胰岛素所处理。在健康的人中，胰腺产生足够的胰岛素以将用户的血糖测量值保持在目标范围内，无论用户是活动、休息、进食、生病、有情绪还是睡眠。这意味着一个健康的人可以在一天中的任何时间吃食物，而他们的血糖水平不会发生显着变化。然而，糖尿病患者不能有效地产生或使用胰岛素来控制他们的血糖水平。为了解决这个问题，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118不断地监测人102的血糖水平，然后控制胰岛素递送系统106在适当的时间向人102递送适当的胰岛素，以便将人102的血糖水平维持在目标范围内。
通常，人工胰腺控制器404控制胰岛素递送系统106以向人102递送两种类型的胰岛素剂量：基础胰岛素剂量和推注胰岛素剂量。基础胰岛素剂量使用长效胰岛素，其在注射后数小时到达人102的血流并一次保持有效长达24小时，但与速效、中效或常效(regular-acting)胰岛素相比，其峰值较低。因此，基础胰岛素剂量提供恒定的胰岛素供应以降低人102的血糖水平。人工胰腺控制器404可以被配置为控制胰岛素递送系统106每天一次或两次向用户输送基础胰岛素剂量，以便全天降低用户的血糖水平。一种类型的长效胰岛素的通用名称的一个实施例是甘精胰岛素，其商品名称可能包括
Figure BDA0003806735880000511
和
Figure BDA0003806735880000512
相比之下，推注胰岛素剂量起效迅速，因此被称为“速效”或“快速”胰岛素。例如，由胰岛素递送系统106递送的推注胰岛素剂量可以快速进入人102的血流，并在15分钟内出现明显作用并在大约一小时内达到峰值。达到峰值后，胰岛素剂量开始减少，但可能会持续两到四个小时。通用类型的短效胰岛素的一个实施例是赖脯胰岛素，其商品名称可能包括
Figure BDA0003806735880000513
和
Figure BDA0003806735880000514
人工胰腺控制器404被配置为控制胰岛素递送系统106以向人102递送推注胰岛素剂量以配合可能导致人102的血糖水平移出目标范围的各种因素(诸如碳水化合物摄入、运动、压力或疾病，仅举几例)的影响。
应当理解，人工胰腺算法416可以以多种方式配置以处理基础和推注胰岛素剂量的确定。在一定程度上，基础剂量和推注剂量通常适用于不同类型的情景——基础剂量对应于长效形式的胰岛素，以在禁食期间保持葡萄糖水平稳定，而推注剂量对应于短效胰岛素，以防止由餐食产生的葡萄糖水平升高——确定这些不同类型的剂量可能涉及考虑人102的背景的不同方面，因此涉及不同的输入。
在各种实施方式中，人工胰腺控制器404提供协议以确定新用户的最佳基础胰岛素剂量。对应于所确定的基础胰岛素剂量的属性然后可以存储在上面关于图5-9讨论的共享存储器410中。为新用户确定合适的基础胰岛素剂量的过程通常称为“基础滴定”。传统上，基础滴定是使用通用滴定图表进行的，该图表包括初始基础胰岛素剂量和随时间调整剂量的量。由于担心激进的基础胰岛素剂量可能导致用户的血糖水平下降到目标范围之外并进入低血糖症的水平，因此使用通用滴定计划难以确定新用户的最佳基础胰岛素剂量。因此，常规系统最初规定可以由用户手动注射(例如，使用胰岛素笔)的保守基础胰岛素剂量，然后只要避免低血糖症事件，就可以随着时间缓慢增加基础胰岛素剂量。传统系统采用的这种保守过程对于用户来说是耗时的，并且可能需要几周甚至几个月的时间来确定新用户的最佳基础胰岛素剂量。缺乏立竿见影的结果导致许多患者在实现最佳基础胰岛素剂量之前就放弃了。
相反，本文描述的技术可以采用更激进的滴定计划，因为可穿戴葡萄糖监测设备104可以在人102的血糖水平下降到低血糖症的水平之前提醒他们。与传统过程相比，更激进的滴定计划能够在更短的时间范围内确定最佳基础胰岛素剂量。此外，由可穿戴葡萄糖监测设备104实时显示的血糖水平和警报使人一直参与该过程，直到系统获知最佳基础胰岛素剂量。
为了确定新用户的最佳基础胰岛素剂量，人工胰腺控制器404可以控制计算设备108显示用户界面，该用户界面被配置为接收用户的初始基础胰岛素剂量。例如，初始基础胰岛素剂量可以由用户的医疗保健提供者作为给予用户的胰岛素处方的一部分提供，然后用户可以将该剂量输入到人工胰腺控制器404提供的用户界面中。举例来说，考虑图10，其描绘了作为确定基础胰岛素剂量的协议的一部分显示的用户界面的实施例1000。在该实施例中，用户界面1002由计算设备108显示。用户界面1002请求定义由用户的医疗保健提供者提供的初始基础胰岛素剂量的用户输入并且包括用于接收用户输入的控件1004。在该实施例中，控件1004被描绘为文本框控件，但可以实现为可用于定义初始基础胰岛素剂量的任何类型的控件，例如下拉列表。在实施例1000中，用户通过控件1004提供用户输入1006，其将初始基础胰岛素剂量定义为每天10个单位的甘精胰岛素。响应于用户对提交控件1008的选择，用户输入的基础胰岛素剂量由人工胰腺控制器404存储在共享存储器410中。
确定最佳基础胰岛素剂量还可以包括确定有资格作为基础测试的合适时间的时间段，例如，晚上一次或更多次。在一种或更多种实施方式中，胰岛素模块406可以在一段时间(例如，一周)和一天中的特定时间(例如，过夜)期间监测人102的葡萄糖测量值118中的模式。基于该监测，胰岛素模块406可以确定人102的基础剂量是否合适、太高或太低。响应于该确定，人工胰腺算法416可以相应地调整人102的胰岛素基础剂量，例如，如果合适则保留该剂量，如果太高则降低该剂量，或者如果太低则提高该剂量。在一种或更多种实施方式中，监测可以包括胰岛素模块406识别有资格作为适合于基础测试的时间段，无需(例如，通过显示或声音输出)向人102提供任何特定指令，无需使用关于人102吃了什么的信息，和/或不使用关于人102已经施用的推注剂量的信息。
在一些情况下，并且为了降低用户通过用户界面错误地输入由用户的医疗保健提供者开出的初始基础胰岛素剂量的风险，用户界面1002可以被提供给用户的医疗保健提供者而不是用户。或者，人工胰腺控制器404可以提示用户捕捉由用户的医疗保健提供者所写的处方的图像，然后利用字符识别技术来验证处方是否有效并确定初始基础胰岛素剂量的量。人工胰腺控制器404还可以提示用户或医疗保健提供者输入基础胰岛素剂量将被递送给用户的一天中的时间。值得注意的是，在不背离所描述技术的精神或范围的情况下，可以以多种不同方式确定或收集初始基础胰岛素剂量。
不管如何获得初始基础胰岛素剂量，人工胰腺控制器404控制胰岛素递送系统106以在指定时间递送基础胰岛素剂量给用户，例如通过在早上递送基础胰岛素剂量给用户和/或晚上。人工胰腺控制器404然后可以基于来自可穿戴葡萄糖监测设备的反馈，例如由由人102穿戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118，自动调整由胰岛素递送系统106递送给人102的基础胰岛素剂量。例如，如果在第一天之后人102的血糖水平从未下降到接近低血糖症的范围，而是人102具有接近高血糖症的范围的各种血糖测量值118，那么人工胰腺控制器404可以基于从可穿戴葡萄糖监测设备104接收到的反馈动态地增加次日基础胰岛素剂量。相反，如果在第一天之后人102的血糖水平从未升高到接近高血糖症的范围，而是人102具有接近低血糖症的范围的各种血糖测量值，那么人工胰腺控制器404可以动态地降低次日基础胰岛素剂量。
人工胰腺控制器404还可以基于各种不同的因素，诸如锻炼、压力、疾病等，调整每天的基础胰岛素剂量。在一些情况下，基础胰岛素剂量也可以基于由可穿戴葡萄糖监测设备104提供的葡萄糖测量值118确定的人102的空腹葡萄糖水平来调整。例如，当空腹葡萄糖水平高于“正常范围”时，人工胰腺控制器404可以增加人102的基础胰岛素剂量，而当空腹葡萄糖水平低于“正常范围”时，可以减少剂量”。在任何情况下，上述过程可以每天重复，使得人工胰腺控制器404能够快速了解人102的最佳基础胰岛素剂量，根据需要调整该剂量，并将优化的基础胰岛素剂量每天递送给人102。
此外，一旦确定了人102的基础胰岛素剂量，人工胰腺控制器404就可以基于由可穿戴葡萄糖监测设备104提供的葡萄糖测量值118来检测人102的血糖水平何时超出范围(当没有推注胰岛素剂量是有效时)。在一些情况下，人工胰腺控制器404可以确定超出范围的测量值的原因，并向人102指示这些原因，例如缺乏锻炼、压力或生病。作为其中的一部分，人工胰腺控制器404还可以向人102生成指示生活方式改变的有针对性建议，这将有助于将血糖水平稳定在目标范围内，例如调整锻炼频率和/或强度、减轻压力等等。在人102的血糖水平长时间超出范围的情况下，人工胰腺控制器404可以重复确定最佳基础胰岛素剂量的协议。
在各种实施方式中，人工胰腺控制器404还提供协议以确定最佳推注胰岛素剂量。值得注意的是，碳水化合物和胰岛素对人的影响不同，因此人工胰腺控制器404被配置为确定碳水化合物和胰岛素对人102的血糖水平的影响，以便准确预测葡萄糖水平和相应的要递送的胰岛素的推注剂量以将血糖水平维持在目标范围内，以响应各种事件，例如碳水化合物摄入、运动、压力或疾病。作为其中的一部分，人工胰腺控制器404采用过程来学习人102的碳水化合物与葡萄糖的比例和胰岛素敏感性因子。然后，可以将对应于所确定的碳水化合物与葡萄糖的比例和胰岛素敏感性因子的属性存储在上面关于图5-9讨论的共享存储器410中。
碳水化合物与葡萄糖的比例是衡量碳水化合物对血糖水平影响的指标。例如，使用下面描述的过程，人工胰腺控制器404可以确定每一克碳水化合物使人102的血糖水平增加多少。胰岛素敏感性因子是衡量胰岛素对血糖水平影响的度量，并对应于由一个单位胰岛素引起的血糖水平下降(通常以mg/dL为单位来测量)。高胰岛素敏感性允许身体细胞更有效地利用血糖，从而降低血糖水平。相比之下，低胰岛素敏感性被称为胰岛素抵抗，当使用者的细胞不能吸收足够多的葡萄糖时就会发生这种情况，这可能导致血糖水平过高。
因此，应当理解，只要确认了摄入的碳水化合物的量，人工胰腺控制器404的人工胰腺算法416可以使用碳水化合物与葡萄糖的比例来准确地预测在人102摄入碳水化合物之后的短时间内的未来葡萄糖水平。然后，基于所预测的未来葡萄糖水平和胰岛素敏感性因子，人工胰腺算法416可以确定要递送的合适的推注胰岛素剂量以匹配预测的葡萄糖水平升高。
作为确定碳水化合物与葡萄糖比例的过程的一部分，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118来确定初始葡萄糖测量值，并获得描述人102要摄入的碳水化合物量的营养信息。在确定碳水化合物与葡萄糖的比例的情况下，考虑图11，其描绘了由人工胰腺控制器显示的用户界面的实施例1100，其作为确定人102的碳水化合物与葡萄糖比例的过程的一部分。在1102，人工胰腺控制器404使计算设备108显示用户界面1104。用户界面1104包括提供描述碳水化合物与葡萄糖比例的信息的欢迎消息。值得注意的是，除了碳水化合物之外，摄入额外的常量营养素(例如，蛋白质和脂肪)可能会降低测试的准确性，因此在该实施例中，用户界面1104包括选择主要由碳水化合物组成的食物的建议，例如白米饭。
在1106，人工胰腺控制器控制用户界面1104显示第二屏幕，其指示人102的初始血糖水平为120mg/dL，以及控件1108，其被配置为接收定义人102将摄入的碳水化合物量的用户输入。在一种或更多种实施方式中，人工胰腺控制器404可以确保在允许自动化过程开始之前初始血糖测量值在目标范围内，例如在100到120mg/dL内。例如，如果确定了血糖水平在目标范围之外，则人工胰腺控制器404可以终止自动化过程并指示用户稍后在血糖水平在范围内时再次尝试。作为其中的一部分，人工胰腺控制器404可以提供将血糖水平移动到目标范围内的建议，例如通过增加锻炼、减少压力等。
在一些情况下，当摄入作为测试的一部分的少量碳水化合物(例如，5-10克的碳水化合物)时，人工胰腺控制器404可以更准确地确定碳水化合物与葡萄糖的比例。因此，在1106，用户界面1104包括摄入10克或更少碳水化合物的建议。值得注意的是，所建议的碳水化合物的范围可以基于其他因素，诸如体重或人102。因此，对于不同的用户，所建议摄入的碳水化合物量可能会有所不同。在一些实施方式中，用户界面可以显示附加提示，该提示指示用户输入更详细的信息，诸如所摄入的食物类型、所摄入食物的重量(例如，以克或盎司测量)或所摄入食物的常量营养素构成(例如，碳水化合物、蛋白质和脂肪的量)。在这种情况下，人工胰腺控制器404可以在确定碳水化合物与葡萄糖的比例时将食物的类型和/或其他常量营养素的量考虑在内。
在1106，人102已经通过控制1108提供了输入，其指示将摄入10克的碳水化合物。在1110，并且响应于定义要摄入的碳水化合物量的输入，人工胰腺控制器404控制用户界面1104显示摄入碳水化合物的指令。用户界面1104还提供人102的血糖水平将被监测并用于确定碳水化合物与葡萄糖比例的指示。
在确定初始血糖测量值和描述要摄入的碳水化合物量的营养信息之后，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118监测血糖水平。值得注意的是，在摄入碳水化合物之后，血糖测量值将增加到葡萄糖测量峰值，然后再下降。为了确定葡萄糖测量峰值，人工胰腺控制器404可以监测人的葡萄糖测量值118的趋势率，并且当趋势率朝着0值减小时它们检测葡萄糖测量峰值。这是因为趋势率的下降表明已达到由碳水化合物摄入引起的葡萄糖测量峰值。
一旦检测到葡萄糖水平峰值，人工胰腺控制器404基于初始葡萄糖测量值、葡萄糖测量峰值和摄入的碳水化合物的量确定碳水化合物与葡萄糖的比例。例如，碳水化合物与葡萄糖的比例可以通过将碳水化合物的量(以克测量)除以血糖测量值的变化(例如，初始血糖测量值和血糖测量峰值之间的差异)来确定。在一些情况下，碳水化合物与葡萄糖的比例的结果由人工胰腺控制器404输出。举例来说，在1112，人工胰腺控制器404控制用户界面1104显示所确定的碳水化合物与葡萄糖的比例。在该实施例中，人102的碳水化合物与葡萄糖的比例被确定为1:5，这象征人102摄入的每克的碳水化合物将使人102的血糖水平升高5mg/dL。例如，这可以通过使用可穿戴葡萄糖监测设备104测量血糖水平并在摄入10克碳水化合物后检测到170mg/dL的葡萄糖水平峰值来确定。基于此，碳水化合物的量(10克)除以葡萄糖水平的50mg/dL的变化(170mg/dL-120mg/DL)，以确定碳水化合物与葡萄糖的比例为1:5。碳水化合物与葡萄糖的比例由人工胰腺控制器404存储在共享存储器410中，并且可供人工胰腺算法416用于确定如通篇所述的推注胰岛素剂量。
在一种或更多种实施方式中，作为自动化过程的一部分，人工胰腺控制器404可以在检测葡萄糖水平峰值之后确定胰岛素敏感性因子。例如，如在1112处所描绘的，用户界面1104可以使控件显示询问人102他们现在是否想要确定他们的胰岛素敏感性因子。如果人102选择“是”，则人工胰腺控制器404可以启动该过程以确定胰岛素敏感性因子。或者，人工胰腺控制器404可以将胰岛素敏感性因子确定为单独的自动化过程的一部分(例如，如果人102在1112处选择用户界面1104中描绘的“否”控件)。
为了确定胰岛素敏感性因子，作为确定碳水化合物与葡萄糖比例的过程的一部分，人工胰腺控制器404检测葡萄糖测量峰值，诸如通过在人102摄入碳水化合物之后检测由可穿戴葡萄糖监测设备104提供的葡萄糖测量值118的增加的速率的水平。接下来，人工胰腺控制器404估计将血糖水平从葡萄糖测量峰值降低到目标葡萄糖测量值的推注胰岛素剂量。人工胰腺控制器404可以计算推注胰岛素剂量的保守估计以防止血糖水平下降过低到低血糖症的范围内。在一些情况下，估计推注胰岛素剂量以使葡萄糖测量峰值下降到对应于人102的初始葡萄糖水平的目标葡萄糖测量值。例如，如果人102的初始血糖水平是120mg/dL并上升到170mg/dL的葡萄糖水平峰值，那么可以选择推注胰岛素剂量以使血糖水平恢复到120mg/dL的初始水平。
人工胰腺控制器404控制胰岛素递送系统106以将所确定的推注胰岛素剂量递送给人102，并且监测由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118——在所估计的推注胰岛素剂量经由胰岛素递送系统106被递送至人102之后——检测目标葡萄糖测量值，其对应于葡萄糖测量值118的降低的速率的水平。人工胰腺控制器404基于包括在推注胰岛素剂量中的胰岛素的量以及葡萄糖测量峰值和目标葡萄糖测量值之间的差来确定胰岛素敏感性因子。例如，血糖水平的变化(从葡萄糖测量峰值到基础葡萄糖测量值)可以除以推注胰岛素剂量中递送的胰岛素单位。在一些情况下，人工胰腺控制器404在计算胰岛素敏感性因子时可以包括其他因素，诸如在胰岛素开始对血糖水平产生影响之前的时间量、胰岛素的影响何时达到峰值的时间量以及何时胰岛素的效果开始下降的时间量。
在确定胰岛素敏感性因子的背景下，考虑图12，其描绘了由人工胰腺控制器404显示的用户界面的实施例1200，作为确定人102的胰岛素敏感性因子的过程的一部分。在1202，人工胰腺控制器404使计算设备108显示用户界面1204。用户界面1204包括欢迎消息，其包括关于胰岛素敏感性因子的信息并且通知人102已经检测到170mg/dL的血糖水平峰值。此外，用户界面1204通知人102将递送胰岛素剂量以测量胰岛素敏感性因子。在1206，人工胰腺控制器404控制用户界面1204显示第二屏幕，该第二屏幕包括为人102确定的胰岛素敏感性因子的指示。在该实施例中，所确定的胰岛素敏感性因子是1:50，其表明一个单位的速效胰岛素将使人102的血糖水平降低50mg/dL。
值得注意的是，确定碳水化合物与葡萄糖的比例和胰岛素敏感性因子的过程可以由人工胰腺控制器404重复多次以获得最准确的值。此外，人工胰腺控制器404可以在一天中的不同时间重复测试，因为人的胰岛素敏感性可以从早餐、午餐、晚餐以及基于诸如运动或压力的其他因素而变化。在某些情况下，测试可能会重复多次以首先确认第一餐食事件(例如，早餐)的结果，然后一经确认，可以重复多次以确认其他餐食事件(例如，午餐和晚餐)的结果。
由人工胰腺控制器404将胰岛素敏感性因子连同碳水化合物与葡萄糖的比例一起存储在共享存储器410中。另外，人工胰腺算法416可以基于碳水化合物与葡萄糖的比例和胰岛素敏感性因子来确定人102的碳水化合物比例。如通篇所述，碳水化合物比例描述了单个胰岛素单位(IU)为人102处理了多少预定的测量单位(例如，克)的碳水化合物，其中“处理”是指将人102的葡萄糖维持在目标范围内范围。人工胰腺算法416可以从共享存储器410访问这些参数并且利用碳水化合物与葡萄糖的比例和胰岛素敏感性因子来确定在用户的日常活动期间要递送给用户的推注胰岛素剂量。人工胰腺控制器404可以提供这些值作为人工胰腺算法416的输入的一部分，例如作为输入特征向量的特征值。例如，基于碳水化合物与葡萄糖的比例，人工胰腺算法416可以基于人102的初始葡萄糖测量值和作为餐食的一部分要摄入的碳水化合物的量来预测未来餐食的葡萄糖测量峰值。此外，基于胰岛素敏感性因子，人工胰腺算法416可以确定要通过胰岛素递送系统106递送的胰岛素量，以便将血糖水平从预测的葡萄糖测量峰值降低回初始葡萄糖测量值。
虽然人工胰腺算法416可以利用碳水化合物与葡萄糖的比例和胰岛素敏感性因子来准确地预测葡萄糖测量峰值和相应的要递送的胰岛素剂量，以在仅有的可用信息是对摄入的碳水化合物量的估计时匹配预期的血糖水平上升，但是通过将胰岛素剂量与通常所摄入的餐食相匹配可以实现更高水平的准确性。因此，在一种或更多种实施方式中，人工胰腺控制器404提供了将推注胰岛素剂量与通常摄入的餐食相匹配的自动化过程。为此，人工胰腺控制器404获得描述人102要摄入的餐食的信息。该信息可以通过多种不同方式获得。在某些情况下，该信息包括对餐食以及指示餐食中所含碳水化合物总量的营养信息的描述。或者，上述营养信息可以包括附加信息，诸如卡路里、脂肪和蛋白质的总量。在一种或更多种实施方式中，信息可以包括餐食的图像，人工胰腺控制器404可以从中估计碳水化合物和其他常量营养素的量。例如，人102可以指示餐食是特定类型的谷物并且包括由照相机捕获的含有牛奶和谷物的碗的图片。由此，人工胰腺控制器404可以使用各种图像识别技术来确定碗中谷物和牛奶的量。然后，基于使用图像识别技术估计的谷物和牛奶的量，人工胰腺控制器404可以通过从含有各种食品的营养信息的数据库中访问谷物和牛奶的营养信息来确定餐食的营养含量(例如，碳水化合物、蛋白质和脂肪)。
不管如何获得餐食的营养信息，人工胰腺控制器404会基于营养信息确定推注胰岛素剂量。例如，通过计算基于营养信息餐食的碳水化合物总量，人工胰腺控制器404可以使用人工胰腺算法416来预测推注胰岛素剂量，所述推注胰岛素剂量需要将抵消由该餐食的摄入引起的血糖水平升高。然后，人工胰腺控制器404控制胰岛素递送系统106以将确定的推注胰岛素剂量递送给人102。在某些情况下，推注胰岛素剂量应在用餐前15至30分钟递送，这是胰岛素剂量生效所需的时间量。或者，可以通过监测胰岛素对用户的影响来确定开始用餐的理想时间，诸如通过确定胰岛素速率何时开始下降。因此，在一些情况下，人工胰腺控制器404可以监测胰岛素对用户的影响，然后通知用户何时开始用餐，诸如通过向计算设备108发送通知。
在指示用户开始用餐之后，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118来监测血糖水平。人工胰腺控制器404可以检测葡萄糖测量峰值，然后随着血糖水平从葡萄糖测量峰值下降监测葡萄糖测量值。当血糖测量值的下降趋势率接近0值时，人工胰腺控制器404检测到基础葡萄糖水平。然后，人工胰腺控制器404将基础葡萄糖水平与在递送推注胰岛素剂量和食用餐食之前测量的初始葡萄糖水平进行比较。如果基础葡萄糖水平在初始葡萄糖水平的预定义误差范围内，则人工胰腺控制器404确定已经匹配了餐食摄入，并且推注胰岛素剂量与共享存储器410中的餐食信息相关联。以这种方式，可以基于特定餐食将被摄入的指示将推注胰岛素剂量递送给人102用于未来的餐食。
值得注意的是，如果基础葡萄糖水平不在预定义的误差范围内，则人工胰腺控制器404可以生成通知以再次重复测试。在下一次餐食测试期间，人工胰腺控制器将根据之前的测试结果调整推注胰岛素剂量。然后可以多次重复该测试，直到推注胰岛素剂量与餐食正确匹配。此外，人工胰腺控制器404可以被配置为向人102提供反馈来描述该过程的工作情况。
在将胰岛素剂量与通常食用的餐食相匹配的背景下，考虑图13，其描绘了由人工胰腺控制器显示的用户界面的实施例1300，作为将胰岛素剂量与餐食匹配的过程的一部分。在1302，人工胰腺控制器404使计算设备108显示用户界面1304。用户界面1304包括提示1306以接收描述常用餐食的营养信息的用户输入。在该实施例中，人102已经确定了包括8盎司的鸡胸肉、1杯的白米饭和100克的西兰花的通常摄入餐食的营养信息。人102经由将餐食名称描述为“鸡肉碗”连同餐食营养信息的提示1306提供输入，在这种情况下，营养信息指示餐食含有479卡路里、52克的碳水化合物、59克的蛋白质和3克的脂肪。该营养信息可由人102以多种不同方式确定，诸如通过利用在线营养计算器。然而，如通篇所讨论的，在不背离所描述技术的精神或范围的情况下，可以以多种不同方式确定营养信息。
在1308，人工胰腺控制器404控制用户界面1304以指示推注胰岛素剂量已经被递送并且指示人102在开始食用餐食之前等待15分钟。在1310，人工胰腺控制器404控制用户界面1304显示所确定的推注胰岛素剂量已经与餐食匹配的指示。提供该反馈可以增加用户对人工胰腺控制器404有效控制人102的血糖水平的信心，这可能激励用户继续向系统提供餐食信息。
在一种或更多种实施方式中，人工胰腺控制器404可以为新用户自动设置各种属性，诸如滴定胰岛素的临时基础速率、碳水化合物与葡萄糖的比例、胰岛素敏感性因子等。换言之，人工胰腺控制器404可以自动为人102配置这些值，而不是要求用户输入或协议来确定这些属性。然后，基于从人102佩戴的可穿戴葡萄糖监测设备104接收的葡萄糖测量值，人工胰腺控制器404可以随时间调整这些属性，从而为人102定制这些属性。此外，人工胰腺控制器404可以将数据呈现给人102以及其他用户，诸如人102的医疗保健提供者，这显示了对这些各种属性的变化如何影响人102的葡萄糖控制。例如，如果人工胰腺算法416从下午3点到下午5点将患者的基础速率从0.8U/hr降低到0.7U/hr，则人工胰腺控制器404可以将该变化连同支持这种变化的数据和分析一起记录为事件。这样的数据和分析可以包括，例如，数据的图表中基础变化的识别，以及显示前几周葡萄糖数据与基础变化之后的时间段的叠加。
如通篇所述，人工胰腺控制器404使用上述自动化过程学习的各种属性可以保存在共享存储器410中。随后，这些属性可以由人工胰腺算法416从共享存储器410访问，并用于控制由胰岛素递送系统106递送给人102的胰岛素剂量。随着胰岛素剂量被递送到人102，人工胰腺控制器404连续地监控由人102佩戴的可穿戴葡萄糖监测设备104提供的血糖测量值。基于血糖测量值，人工胰腺控制器404可以自动调整存储在共享存储器410中的各种属性，以照顾血糖水平没有保持在目标范围内的情况。
人工胰腺控制器404可以响应于检测到人102的血糖水平低于目标葡萄糖范围(例如，低血糖症的范围)或高于目标葡萄糖范围(例如，高血糖症的范围)来调整胰岛素剂量。在所递送的推注胰岛素剂量的有效时间之后以及在所递送的推注胰岛素剂量的有效时间内，人工胰腺控制器404可以检测到超出范围的血糖水平。当检测到目标范围之外的血糖水平时，人工胰腺控制器404可以采取各种行动来调整由胰岛素递送系统106递送给人102的胰岛素剂量。
当由人102佩戴的可穿戴葡萄糖监测设备104提供的血糖测量值指示人的血糖水平在推注胰岛素剂量完成其疗程后立即处于目标范围内，但随后在推注胰岛素剂量不再有效时降至目标范围以下时，人工胰腺控制器404在推注胰岛素剂量的有效时间之后检测到低于目标范围的低血糖症的血糖测量值。当检测到低血糖水平时，人工胰腺控制器404确定低血糖症的水平的可能的原因，例如高基础胰岛素剂量、锻炼和/或饮酒。人工胰腺控制器404可以通过分析存储在共享存储器410中的数据以及与人102相关联的各种附加数据来确定低葡萄糖水平的可能的原因。例如，这样的附加数据可以包括活动数据(例如，由用户佩戴的各种可穿戴设备自动收集的心率数据或步数数据)，以及用户提供的数据(用户通过人工胰腺控制器404或其他服务提供的各种用户界面输入的数据)。
作为实施例，通过处理存储在共享存储器410中的数据以及各种附加数据，当在推注胰岛素剂量的有效时间之后多次检测到低血糖水平时，人工胰腺控制器404可以确定高基础胰岛素剂量是低葡萄糖水平的可能的原因。类似地，基于确定低血糖水平在人102锻炼的日子定期发生，可以将锻炼识别为低血糖水平的原因。在一些情况下，人工胰腺控制器404可以执行额外的模式分析，例如通过确定在某些日子的锻炼与人102工作时的额外步行相结合。类似地，基于酒精摄入与低血糖水平的相关性，可以将酒精识别为低血糖水平的原因。在人工胰腺控制器404无法根据可用数据确定读数超出范围的可能原因的情况下，人工胰腺控制器404可以提示用户回答各种问题，诸如与锻炼、饮酒、疾病、压力等等有关的问题。
一旦确定了低血糖水平的原因，人工胰腺控制器404可以自动调整递送给人102的胰岛素剂量，诸如通过修改共享存储器410中描述基础或推注胰岛素剂量的属性。通常，当可以在误差阈值内确定低血糖水平的模式时，可由人工胰腺控制器404调整胰岛素剂量。相反，人工胰腺控制器404可以通过向人102提供低血糖警报来处理“一次”低血糖水平。
当由人102佩戴的可穿戴葡萄糖监测设备104提供的血糖测量值指示人的血糖水平低于目标范围而推注胰岛素剂量是有效时，人工胰腺控制器404检测在推注胰岛素剂量有效时间期间低于目标范围的低血糖症的血糖测量值。当在推注胰岛素剂量的有效时间期间检测到低血糖症的血糖水平时，人工胰腺控制器404确定低血糖水平的可能原因。人工胰腺控制器404可以通过分析存储在共享存储器410中的数据以及与人102相关联的各种附加数据来确定低葡萄糖水平的可能的原因。例如，这样的附加数据可以包括活动数据(例如，由用户佩戴的各种可穿戴设备自动收集的心率数据或步数数据)，以及用户提供的数据(用户通过人工胰腺控制器404或其他服务提供的各种用户界面输入的数据)。
在一些情况下，人工胰腺控制器404可以确定餐食的碳水化合物和推注胰岛素剂量之间的不匹配。另一种可能性是推注胰岛素剂量在餐前起作用导致葡萄糖水平升高。这可能是由于摄入具有低血糖指数的碳水化合物导致碳水化合物被人102消化得更慢，或由于人102延迟摄入餐食。其他可能的原因包括用于计算推注胰岛素剂量的运动因素与人102完成的实际运动之间的不匹配。
一旦确定了低血糖水平的原因，人工胰腺控制器404可以自动调整递送给人102的胰岛素剂量，诸如通过修改共享存储器410中描述基础或推注胰岛素剂量的属性。通常，当可以确定低血糖水平的模式时，调整胰岛素剂量。例如，如果针对特定餐食多次测量低葡萄糖水平，则人工胰腺控制器404可以通过降低剂量来调整针对特定餐食的推注胰岛素剂量。相反，可以通过向人102提供低血糖警报来处理一次低血糖水平，如通篇所述。
当人102佩戴的可穿戴葡萄糖监测设备104提供的血糖测量值指示人的血糖水平在推注胰岛素剂量完成其疗程后立即处于或低于目标范围，但随后在推注胰岛素剂量不再有效时上升至高于目标范围的时候，人工胰腺控制器404在推注胰岛素剂量的有效时间之后检测到高于目标范围的高血糖症的血糖测量值。当检测到高血糖症的血糖水平时，人工胰腺控制器404确定高血糖水平的可能的原因，诸如基础胰岛素剂量不足、各种健康问题或疾病、压力、缺乏锻炼、摄入脂肪含量高的餐食、胃轻瘫、黎明现象或索莫吉反应，仅举几例。
一旦确定了高血糖水平的原因，人工胰腺控制器404可以自动调整递送给用户的胰岛素剂量，诸如通过修改共享存储器410中描述基础或推注胰岛素剂量的属性。通常，当可以确定高血糖水平的模式时，调整胰岛素剂量。例如，如果针对特定餐食多次测量高葡萄糖水平，则人工胰腺控制器404可以通过增加剂量来调整针对特定餐食的推注胰岛素剂量。关于锻炼，基础胰岛素剂量可能是在假设人102进行一定量和强度的锻炼的情况下确定的。随后，如果人的锻炼的量或强度降低，则可能需要增加基础胰岛素剂量以照顾由于人102的运动减少而导致的较高的血糖水平。相反，可以通过向人102提供高血糖警报来处理一次高血糖水平，如通篇所述。在人工胰腺控制器404无法根据可用数据确定读数超出范围的可能原因的情况下，人工胰腺控制器可以提示用户回答各种问题，诸如与锻炼、饮酒、疾病、压力等等有关的问题。
当由人102佩戴的可穿戴葡萄糖监测设备104提供的血糖测量值指示人的血糖水平高于目标范围而推注胰岛素剂量是有效时，人工胰腺控制器404检测在推注胰岛素剂量有效时间期间高于目标范围的高血糖症的血糖测量值。当在推注胰岛素剂量的有效时间期间检测到高血糖症的血糖水平时，人工胰腺控制器404确定高血糖水平的可能原因。人工胰腺控制器404可以通过分析存储在共享存储器410中的数据以及与人102相关联的各种附加数据来确定高葡萄糖水平的可能的原因。例如，这样的附加数据可以包括活动数据(例如，由用户佩戴的各种可穿戴设备自动收集的心率数据或步数数据)，以及用户提供的数据(用户通过人工胰腺控制器404或其他服务提供的各种用户界面输入的数据)。
在一些情况下，人工胰腺控制器404可以确定餐食的碳水化合物和推注胰岛素剂量之间的不匹配，在这种情况下，增加对于餐食的推注胰岛素剂量。另一种可能性是推注胰岛素剂量作用太晚(例如，人的血糖水平在胰岛素开始作用之前升高)。一旦确定了高血糖水平的原因，人工胰腺控制器404可以自动调整递送给用户的胰岛素剂量，诸如通过修改共享存储器410中描述基础或推注胰岛素剂量的属性。通常，当可以确定高血糖水平的模式时，调整胰岛素剂量。例如，如果针对特定餐食多次测量高葡萄糖水平，则人工胰腺控制器404可以通过增加剂量来调整针对特定餐食的推注胰岛素剂量。相反，可以通过向人102提供高血糖警报来处理一次高血糖水平，如通篇所述。
升级警报
如上所述，人工胰腺控制器404可以被配置为使用人工胰腺系统402的不同设备(以及潜在的其他远程设备)导致升级警报的输出，例如，减少由于高血糖症和/或低血糖症引起的破坏性健康事件的发生。在以下讨论中描述了用于提供此类警报的一个实施方式的实施例。
人工胰腺控制器404可以使用无线连接412、414(例如，蓝牙)并通过利用可穿戴葡萄糖监测设备104、胰岛素递送系统106和/或计算设备108的功能来提供警报通知服务。举例来说，人工胰腺控制器404可以通过无线连接414接收源自胰岛素递送系统106的警报(例如，由于测量的胰岛素水平或设备故障)，然后使计算设备108输出警报的指示。在这种情景下，胰岛素递送系统106可以输出警报的第一指示(例如，响应于检测到引起警报的条件)，计算设备108可以基于人工胰腺控制器404对警报的接收以及来自控制器的用以输出第二指示的指令来输出警报的第二指示。人工胰腺控制器404被配置为管理警报升级——从而在单个设备上对其进行管理。该警报升级的管理可以包括确定警报在哪里输出(哪些设备)、警报输出的类型(例如，触觉(振动)、听觉、视觉(通知))和输出顺序。该管理还包括根据确定输出警报。
可穿戴葡萄糖监测设备104、胰岛素递送系统106和/或计算设备108中的一个或更多个还可以包括用于用户(例如，人102、他或她的父母或医疗保健提供者)确认这些警报的功能。如本文所用，术语“确认”可以指以指示用户已经看到或以其他方式感测到(例如，感觉到振动)警报，并且还以指示用户意识到可能是与警报相关的可能的影响(例如，如果不采取干预行动，可能很快就会出现低血糖症或高血糖症)的方式提供用户输入。例如，可以通过按下物理按钮、提供与显示的用户界面元素相关的一些输入(例如，滑动、按下、双击等)和/或提供口头确认来确认这些警报，仅举几例。这样的确认可以“清除”来自用于实现警报通知服务的所有设备的警报，使得如果计算设备108接收到警报的确认，那么警报也可以从警报起源的胰岛素递送系统106中清除。
在一种或更多种实施方式中，人工胰腺控制器404可以激活计算设备108的应用程序，即使该应用程序在警报被触发时没有运行。应用程序的实施例可以包括葡萄糖监测应用程序或胰岛素应用程序，其可以对应于葡萄糖监测模块408和/或胰岛素模块406(或其各个部分)。在警报与文本消息相关联的情景中，警报的文本可以保存在主设备(例如，检测导致警报的条件的设备)上，从而用于实现服务的其他设备在警报之前不需要暴露文本(或文本的翻译)。
根据所描述的技术，考虑以下警报升级实施例。人工胰腺控制器404使计算设备108响应于检测到与警报相关联的条件而振动。如果在时间量内没有接收到确认，则人工胰腺控制器404使胰岛素递送系统106振动。如果在时间量内没有接收到确认，则人工胰腺控制器404使计算设备108通过与计算设备108相关联的一个或更多个扬声器输出警报声。如果在时间量内没有接收到确认，则人工胰腺控制器404使胰岛素递送系统106通过与胰岛素递送系统106相关联的一个或更多个扬声器输出警报声。该过程可以通过随后由计算设备108和胰岛素递送系统106交替发出的可听输出来继续，直到接收到确认。应当理解，输出之间的时间量可以相同或不同输出之间的时间量可以不同，例如，输出之间的时间可以减少。此外，人工胰腺控制器404可以随着过程的继续增加可听输出的音量。在不背离所描述的技术的精神或范围的情况下，作为人工胰腺系统402的一部分，人工胰腺控制器404可以以多种方式升级设备警报。
机载人工胰腺算法实施方式的实施例
如上所述，在一种或更多种实施方式中，人工胰腺算法416可以在可穿戴葡萄糖监测设备104处实现。因此，而不是在计算设备108处实现，如图4所描述的，人工胰腺算法416和泵控制模块418可以在可穿戴葡萄糖监测设备104处或以其他方式在本地实现——人工胰腺算法416和泵控制模块418可以包括在可穿戴设备的计算机可读介质中葡萄糖监测设备104，并且它们可以使用可穿戴葡萄糖监测设备104的一个或更多个处理器运行。以这种方式，人工胰腺系统402可以在至少一个时间段内仅使用可穿戴葡萄糖监测设备104和胰岛素递送系统106来操作，而不与计算设备108或另一计算设备交互。这在不希望连接到计算设备108或设置计算设备以与人工胰腺算法416和泵控制模块418一起操作的各种情景中可能是有利的，诸如当人工胰腺系统402时在医院环境中、在用户不容易获得电力或网络116的情况下(例如，露营、远足、在农村地区、开车时等)，等等。
在这样的情景中，人工胰腺算法416可以在可穿戴葡萄糖监测设备104处基于由可穿戴葡萄糖监测设备104产生的葡萄糖测量值118来确定要递送给人102的胰岛素剂量。泵控制模块418然后可以在可穿戴葡萄糖监测设备104处生成指令，该指令指示胰岛素递送系统106一次或更多次向人102递送确定量的胰岛素。可穿戴葡萄糖监测设备104的发射器然后可以通过可通信耦联将指令传输到胰岛素递送系统106，例如通过蓝牙低能耗(BLE)链路、近场通信(NFC)连接或5G，仅举几例。
在一个或更多个间隔，人工胰腺算法416和/或泵控制模块418可以备份自上次更新以来改变的任何设置，诸如通过建立与计算设备108的通信耦联并将设置传送到计算设备108。然后可以由计算设备108保存所传送的设置，例如通过将设置本地保存在计算设备108的计算机可读介质上，或者可以将设置传送到葡萄糖监测平台112以存储在存储设备120中。以这种方式，当可穿戴葡萄糖监测设备104期满时，例如，当需要用新的可穿戴葡萄糖监测设备104替换时，人102的设置可以不会被单纯地丢弃。
可以将设置传送到计算设备的间隔的实施例包括每7天、每10天、每14天以及在可穿戴葡萄糖监测设备104期满时，仅举几例。当将新的可穿戴葡萄糖监测设备104应用于人时，保存的设置然后可以从计算设备108传送到新的可穿戴葡萄糖监测设备104，使得人工胰腺算法416和泵控制模块418可以以持久状态使用。以此方式，人工胰腺算法416和/或泵控制模块418的任何学习或优化可以随着时间和多个可穿戴葡萄糖监测设备的使用而保持。替代地或另外地，设置可以在胰岛素递送系统106处备份。
在一种或更多种实施方式中，人工胰腺算法416和泵控制模块418可以在与可穿戴葡萄糖监测设备104不同的模式下操作，包括，举例说明但不限于预测性低葡萄糖仅暂停模式或部分闭环模式(例如，其中人102递送用于餐食的推注胰岛素剂量)，仅举几例。
示例性程序
本节描述了人工胰腺中机器学习的示例性程序。程序的方面可以以硬件、固件或软件或其组合来实现。这些程序被显示为一组框，这些框指定由一个或更多个设备执行的操作，并且不必限于所示的用于执行各个框的操作的顺序。在至少一些实施方式中，程序由人工胰腺控制器执行，诸如人工胰腺控制器404，其利用胰岛素模块406和葡萄糖监测模块408。
图14描绘了其中确定胰岛素剂量并将其递送给用户的示例性程序1400。
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接，并建立连接到用户佩戴的胰岛素递送系统的第二无线连接(框1402)。举例来说，在计算设备108处实现的人工胰腺控制器404建立连接到人102佩戴的可穿戴葡萄糖监测设备104的第一无线连接412和连接到胰岛素递送系统106的第二无线连接414。
由可穿戴葡萄糖监测设备提供的一连串的葡萄糖测量值经由第一无线连接被接收(框1404)。举例来说，可穿戴葡萄糖监测设备104被配置为连续监测人102的葡萄糖。可穿戴葡萄糖监测设备104可以被配置有葡萄糖传感器，例如，其连续地检测指示人102的葡萄糖的分析物并且能够生成葡萄糖测量值118。在计算设备108处实现的人工胰腺控制器404从可穿戴葡萄糖监测设备104接收葡萄糖测量值118。例如，当这些测量值通过使用葡萄糖传感器而产生时，可穿戴葡萄糖监测设备104可以实时传送这些测量值。替代地或附加地，可穿戴葡萄糖监测设备104可以以设定的时间间隔将葡萄糖测量值118传送到计算设备108，例如，每30秒、每分钟、每5分钟、每小时、每6小时、每天等等。
使用人工胰腺算法，至少部分地基于该一连串的葡萄糖测量值，来确定胰岛素剂量(框1406)。举例来说，人工胰腺控制器404的人工胰腺算法416至少部分地基于该一连串的葡萄糖测量值来确定胰岛素剂量。人工胰腺算法416确定胰岛素剂量以防止人102的葡萄糖测量值118偏离目标范围。通常，极端或持续偏离此目标范围会导致危险的健康状况和/或对人的身体(例如，心脏、血管、眼睛、肾脏和神经)的损害。因此，通过及时递送胰岛素将葡萄糖水平维持在目标范围内，这可以帮助避免那些危险的健康状况和身体损害。在一些情况下，人工胰腺算法416至少部分地基于以下确定胰岛素剂量：由胰岛素递送系统递送给用户的先前胰岛素剂量(例如，基础剂量或推注剂量)、由可穿戴葡萄糖监测设备104提供的葡萄糖测量值的趋势、或识别对应于用户的一个或更多个事件的数据，诸如食物摄入、碳水化合物摄入、锻炼、压力或疾病。在一种或更多种实施方式中，人工胰腺算法416基于一连串的葡萄糖测量值预测事件已经发生的事件并且至少部分地基于所预测的事件(例如，食物摄入或锻炼)来确定胰岛素剂量。
通过经由第二无线连接向胰岛素输送系统传送指令，控制胰岛素递送系统向用户递送胰岛素剂量(框1408)。举例来说，人工胰腺控制器404的泵控制管理器418可以基于人工胰腺算法416的输出生成指令，该指令指示胰岛素递送系统106在一段时间内递送一定量的胰岛素，例如即刻递送三个胰岛素单位(IU)，连续每小时.15IU，依此类推。泵控制管理器418还可以将这些指令通过无线连接414传送到胰岛素递送系统106。
图15描绘了示例性程序1500，其中碳水化合物与葡萄糖的比例被确定并用于控制推注胰岛素剂量的递送。
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接，并建立连接到用户佩戴的胰岛素递送系统的第二无线连接(框1502)。举例来说，在计算设备108处实现的人工胰腺控制器404建立连接到人102佩戴的可穿戴葡萄糖监测设备104的第一无线连接412和连接到胰岛素递送系统106的第二无线连接414。
经由第一无线连接接收由用户佩戴的可穿戴葡萄糖监测设备提供的初始葡萄糖测量值(框1504)，并且经由用户界面接收描述用户要摄入的碳水化合物量的用户输入(框1506)。例如，人工胰腺控制器404提供确定最佳推注胰岛素剂量的方案。值得注意的是，碳水化合物和胰岛素对人的影响不同，因此人工胰腺控制器404被配置为确定碳水化合物和胰岛素对人102的血糖水平的影响，以便准确预测葡萄糖水平和相应的要递送的胰岛素的推注剂量以将血糖水平维持在目标范围内，以响应各种事件，例如碳水化合物摄入、运动、压力或疾病。作为其中的一部分，人工胰腺控制器404采用过程来学习人102的碳水化合物与葡萄糖的比例和胰岛素敏感性因子。
作为确定碳水化合物与葡萄糖比例的过程的一部分，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118来确定初始葡萄糖测量值，并获得描述人102要摄入的碳水化合物量的营养信息。例如，如图11所描绘的，人工胰腺控制器控制用户界面1104显示第二屏幕，该第二屏幕指示人102的初始血糖水平为120mg/dL，以及控件1108被配置为接收定义该人102将摄入的碳水化合物的量的用户输入。
由用户佩戴的可穿戴葡萄糖监测设备提供的葡萄糖测量值在用户吃完饭后被监测以检测葡萄糖测量峰值(框1508)。举例来说，在确定初始血糖测量值和描述要摄入的碳水化合物量的营养信息之后，人工胰腺控制器404基于由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118监测血糖水平。值得注意的是，在摄入碳水化合物之后，血糖测量值将增加到葡萄糖测量峰值，然后再下降。为了确定葡萄糖测量峰值，人工胰腺控制器404可以随着用户的葡萄糖测量值118的趋势率增加而监测它们，并且当趋势率朝着0值减小时它们检测葡萄糖测量峰值。这是因为趋势率的下降表明已达到由碳水化合物摄入引起的葡萄糖测量峰值。
基于初始葡萄糖测量值、葡萄糖测量峰值和摄入的碳水化合物的量来确定用户的碳水化合物与葡萄糖的比例(框1510)。举例来说，人工胰腺控制器404基于初始葡萄糖测量值、葡萄糖测量峰值和摄入的碳水化合物的量来确定碳水化合物与葡萄糖的比例。例如，碳水化合物与葡萄糖的比例可以通过将碳水化合物的量(以克测量)除以血糖测量值的变化(例如，初始血糖测量值和血糖测量峰值之间的差异)来确定。在一些情况下，碳水化合物与葡萄糖的比例的结果由人工胰腺控制器404输出。在图11中，例如，人工胰腺控制器404控制用户界面1104显示所确定的碳水化合物与葡萄糖的比例。
至少部分地基于碳水化合物与葡萄糖的比例来控制胰岛素递送系统以向用户递送推注胰岛素剂量(框1512)。举例来说，碳水化合物与葡萄糖的比例由人工胰腺控制器404存储在共享存储器410中并且由人工胰腺算法416用来确定推注胰岛素剂量。然后，人工胰腺控制器404控制胰岛素递送系统106以将所确定的推注胰岛素剂量递送给用户，如通篇所述。
在一种或更多种实施方式中，作为自动化过程的一部分，人工胰腺控制器404可以在检测葡萄糖水平峰值之后确定胰岛素敏感性因子。或者，人工胰腺控制器404可以将胰岛素敏感性因子确定为单独的自动化过程的一部分。在确定胰岛素敏感性因子的背景下，考虑图16，其描绘了示例性程序1600，其中确定胰岛素敏感性因子并将其用于控制推注胰岛素剂量的递送。
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接，并建立连接到用户佩戴的胰岛素递送系统的第二无线连接(框1602)。举例来说，在计算设备108处实现的人工胰腺控制器404建立连接到人102佩戴的可穿戴葡萄糖监测设备104的第一无线连接412和连接到胰岛素递送系统106的第二无线连接414。
由用户佩戴的可穿戴葡萄糖监测设备提供的葡萄糖测量值被监测以检测葡萄糖测量峰值(框1604)，并且估计用于将用户的葡萄糖水平从葡萄糖测量峰值降低到目标葡萄糖测量值的推注胰岛素剂量(框1606)。举例来说，作为确定碳水化合物与葡萄糖比例的过程的一部分，人工胰腺控制器404检测葡萄糖测量峰值，诸如通过在人102摄入碳水化合物之后检测由可穿戴葡萄糖监测设备104提供的葡萄糖测量值118的增加的速率的水平。接下来，人工胰腺控制器404估计将血糖水平从葡萄糖测量峰值降低到目标葡萄糖测量值的推注胰岛素剂量。人工胰腺控制器404可以计算推注胰岛素剂量的保守估计以防止血糖水平下降过低到低血糖症的范围内。在一些情况下，估计推注胰岛素剂量以使葡萄糖测量峰值下降到对应于人102的初始葡萄糖水平的目标葡萄糖测量值。例如，如果人102的初始血糖水平是120mg/dL并上升到170mg/dL的葡萄糖水平峰值，那么可以选择推注胰岛素剂量以使血糖水平恢复到120mg/dL的初始水平。
通过经由第二无线连接向胰岛素输送系统传送指令，控制胰岛素递送系统向用户递送所估计的推注胰岛素剂量(框1608)。举例来说，人工胰腺控制器404控制胰岛素递送系统106以通过将指令经由第二无线连接传送到胰岛素递送系统106来向人102递送所估计的推注胰岛素剂量。
在所估计的推注胰岛素剂量经由胰岛素递送系统递送给用户之后，由用户佩戴的可穿戴葡萄糖监测设备提供的葡萄糖测量被监测以检测目标葡萄糖测量值(框1610)，以及用户的胰岛素敏感性因子基于包括在所估计的推注胰岛素剂量中的胰岛素得量以及葡萄糖测量峰值和目标葡萄糖测量值之间的差值来确定(框1612)。举例来说，人工胰腺控制器404控制胰岛素递送系统106以将所估计的推注胰岛素剂量递送给人102，并且监测由人102佩戴的可穿戴葡萄糖监测设备104提供的葡萄糖测量值118——在所估计的推注胰岛素剂量经由胰岛素递送系统106被递送至人102之后——检测目标葡萄糖测量值，其对应于葡萄糖测量值118的降低的速率的水平。人工胰腺控制器404基于包括在所估计的推注胰岛素剂量中的胰岛素的量以及葡萄糖测量峰值和目标葡萄糖测量值之间的差来确定胰岛素敏感性因子。例如，可以将血糖水平的变化(例如，葡萄糖测量峰值和目标葡萄糖测量值之间的差)除以所估计的推注胰岛素剂量中递送的胰岛素单位。在一些情况下，人工胰腺控制器404在计算胰岛素敏感性因子时可以包括其他因素，诸如在胰岛素开始对血糖水平产生影响之前的时间量、胰岛素的影响何时达到峰值的时间量以及何时胰岛素的效果开始下降的时间量。
至少部分地基于胰岛素敏感性因子来控制胰岛素递送系统以向用户递送未来的推注胰岛素剂量(框1614)。举例来说，胰岛素敏感性因子由人工胰腺控制器404存储在共享存储器410中并且由人工胰腺算法416使用来确定推注胰岛素剂量。然后，人工胰腺控制器404控制胰岛素递送系统106以将所确定的推注胰岛素剂量递送给用户，如通篇所述。
图17描绘了示例性程序1700，其中训练人工胰腺算法以使用一种或更多种机器学习技术来确定用户的胰岛素剂量。
接收由用户佩戴的可穿戴葡萄糖监测设备在连续几天内提供的历史葡萄糖测量值(框1702)，并且从与可穿戴葡萄糖监测设备不同的一个或更多个来源接收用户的附加数据(框1704)。根据本文描述的原理，其他用户数据可以包括与葡萄糖测量值相关的食物摄入数据、活动数据或胰岛素剂量，仅举几例。
训练人工胰腺算法以使用一种或更多种机器学习技术基于历史葡萄糖测量值和用户的其他用户数据来确定用户的胰岛素剂量(框1706)。举例来说，人工胰腺算法416和/或其包括的模型可以最初使用保持在存储设备120中的用户群体110的葡萄糖测量值118和其他用户数据(例如，所递送的胰岛素剂量、胰岛素测量值、目标葡萄糖范围、胰岛素敏感性、碳水化合物比例、食物摄入数据、活动数据，等等)来训练或学习。此外，上述其他用户数据可以与葡萄糖测量值118相关，例如，基于葡萄糖测量值的时间戳和其他数据。最初训练的人工胰腺算法416然后可以通过连接420(其可以是有线的、无线的或组合的)传送以并入人工胰腺控制器404。一旦并入，可以进一步训练人工胰腺算法416，以便针对人102(即，与计算设备108相关联并且佩戴特定可穿戴葡萄糖监测设备104和特定胰岛素递送系统106的人)而定制。
例如，人工胰腺算法416可以被进一步训练，使得它部分地通过从人102的医疗保健提供者获得目标测量值、目标测量范围和/或起始剂量针对人102个性化。例如，对于基础滴定过程，并且通过如下文更详细描述的调整过程，可以获得胰岛素的起始剂量。用于基础滴定过程的数据可以从医疗保健提供者获得(例如，通过葡萄糖监测平台112的医疗保健提供者门户)和/或通过计算设备108(例如，结合设置人工胰腺系统402以供使用)显示的一个或更多个用户界面。在后者情景下，计算设备108可以经由一系列或一连串这些设置界面接收来自用户(例如，人102)的输入。人工胰腺算法416还可以使用最初从用户群体110所使用的类似的数据进行进一步训练，但获得的该数据是是关于人102的，诸如人102的历史葡萄糖测量值118、所递送的胰岛素剂量、胰岛素测量值、目标血糖范围、胰岛素敏感性、碳水化合物比例、食物消摄入数据、活动数据，等等。与用户群体110一样，人102的葡萄糖测量值118可以与其他数据相关，诸如基于葡萄糖测量值118的时间戳和其他数据。一旦经过训练，人工胰腺控制器404利用人工胰腺算法416来确定用户的胰岛素剂量，并通过胰岛素递送系统106向用户递送胰岛素剂量。
图18描绘了示例性程序1800，其中胰岛素递送请求被加密并被传送以供应用解密。
通过对胰岛素递送请求进行加密来生成经加密的消息(框1802)。根据本文所述的原理，胰岛素递送请求请求通过胰岛素递送系统向佩戴胰岛素递送系统的人递送胰岛素。举例来说，葡萄糖监测模块408对请求通过胰岛素递送系统106向人102递送胰岛素的胰岛素递送请求进行加密。在该实施例中，葡萄糖监测模块408和至少人工胰腺算法416可以被包括作为第一应用程序的一部分。葡萄糖监测模块408基于加密生成经加密的消息。
经加密的消息被传送到胰岛素应用程序以用于解密和基于胰岛素递送请求将指令进一步传送到胰岛素递送系统(框1804)。例如，葡萄糖监测模块408将在框1802生成的经加密的消息传送到胰岛素模块406。在此，胰岛素模块406的至少一部分——泵控制管理器418——可以被包括作为第二应用程序的一部分，例如，对应于胰岛素递送系统106。泵控制管理器418使指令被传送到胰岛素递送系统106以根据指令将胰岛素输送到人102。
图19描绘了示例性程序1900，其中经加密的胰岛素递送请求被接收、解密的，并且基于该请求将用于递送胰岛素的指令传送到胰岛素递送系统。
接收包括胰岛素递送请求的经加密的消息(框1902)。举例来说，胰岛素模块406接收包括胰岛素递送请求的经加密的消息。经加密的消息被解密以揭示胰岛素递送请求(框1904)。举例来说，胰岛素模块406解密在框1902处接收的经加密的消息以揭示胰岛素递送请求。
指令通过无线连接传送到胰岛素递送系统(框1906)。根据本文讨论的原理，指令指示胰岛素递送系统根据胰岛素输送请求将胰岛素输送到佩戴胰岛素递送系统的人。举例来说，泵控制管理器418通过无线连接414向胰岛素递送系统106传送指令，以根据在框1904处揭示的胰岛素输送请求将胰岛素输送到人102。
已经描述了根据一个或更多个实施方式的示例性程序，现在考虑可以用于实现这里描述的各种技术的示例性系统和设备。
示例性系统和设备
图20总体上在2000处示出了示例性系统，该示例性系统包括示例性计算设备2002，其表示可以实现本文描述的各种技术的一种或更多种计算系统和/或设备。这通过包含葡萄糖监测平台112来说明。例如，计算设备2002可以是服务提供商的服务器、与客户端相关联的设备(例如，客户端设备)、片上系统和/或任何其他合适的计算设备或计算系统。
如图所示的示例性计算设备2002包括处理系统2004、一个或更多个计算机可读介质2006、以及一个或更多个相互通信耦合的I/O接口2008。尽管未示出，但计算设备2002还可以包括将各种构件相互耦合的系统总线或其他数据和命令传输系统。系统总线可以包括不同总线结构中的任何一种或组合，诸如内存总线或内存控制器、外围总线、通用串行总线和/或利用多种总线架构中的任一种的处理器或本地总线。还设想了多种其他实施例，诸如控制线和数据线等。
处理系统2004表示通过使用硬件执行一个或更多个操作的功能。因此，处理系统2004被示为包括硬件元件2010，所述硬件元件2210可以被配置为处理器、功能块等的。这可以包括在硬件中实现为使用一个或多个半导体形成的专用集成电路或其他逻辑设备。硬件元件2010不受形成它们的材料或其中采用的处理机制的限制。例如，处理器可以包括半导体和/或晶体管(例如，电子集成电路(IC))。在这样情况下，处理器可执行指令可以是电子可执行指令。
计算机可读介质2006被示为包括内存/存储器2012。内存/存储器2012表示与一个或更多个计算机可读介质相关联的内存/存储容量。内存/存储器构件2012可以包括易失性介质(诸如随机存取存储器(RAM))和/或非易失性介质(诸如只读存储器(ROM)、闪存、光盘、磁盘等)。内存/存储器构件2012可以包括固定介质(例如，RAM、ROM、固定硬盘驱动器等)以及可移动介质(例如，闪存、可移动硬盘驱动器、光盘等)。计算机可读介质2006可以以如下文进一步描述的多种其他方式来配置。
输入/输出接口2008表示允许用户向计算设备2002输入命令和信息并且还允许使用各种输入/输出设备将信息呈现给用户和/或其他构件或设备的功能。输入设备的实施例包括键盘、光标控制设备(例如，鼠标)、麦克风、扫描仪、触摸功能(例如，被配置为检测物理触摸的电容或其他传感器)、相机(例如，可以使用可见或不可见波长(诸如红外频率)将运动识别为不涉及触摸的手势)等等。输出设备的实施例包括显示设备(例如，监控器或投影仪)、扬声器、打印机、网卡、触觉响应设备等。因此，计算设备2002可以如下文进一步描述的多种方式配置以支持用户交互。
可以在软件、硬件元件或程序模块的一般情况中描述各种技术。通常，此类模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、元素、构件、数据结构等。如本文所用，术语“模块”、“功能”和“构件”通常表示软件、固件、硬件或其组合。这里描述的技术的特征是平台无关的，这意味着这些技术可以在具有各种处理器的各种商业计算平台上实现。
所描述的模块和技术的实施方式可以存储在某种形式的计算机可读介质上或通过某种形式的计算机可读介质传输。计算机可读介质可包括可由计算设备2002访问的多种介质。举例说明而非限制，计算机可读介质可以包括“计算机可读存储介质”和“计算机可读信号介质”。
“计算机可读存储介质”可以指与单纯的信号传输、载波或信号本身相比，能够实现信息的持久性和/或非暂时性存储器的介质和/或设备。因此，计算机可读存储介质是指非信号承载介质(non-signal bearing media)。计算机可读存储介质包括诸如易失性和非易失性、可移动和不可移动介质之类的硬件和/或以适用于存储信息的方法或技术实现的存储设备，所述信息诸如是计算机可读指令、数据结构、程序模块、逻辑元件/电路或其他数据。计算机可读存储介质的实施例可以包括但不限于RAM、ROM、EEPROM、闪存或其他内存技术、CD-ROM、数字通用磁盘(DVD)或其他光学存储器、硬盘、盒式磁带、磁带、磁盘存储或其他磁性存储设备，或其他存储设备、有形介质或适合存储所需信息且可由计算机访问的制品。
“计算机可读信号介质”可以指代被配置为诸如经网络向计算设备2002的硬件传输指令的信号承载介质。信号介质通常可以包含计算机可读指令、数据结构、程序模块或调制数据信号中的其他数据，例如载波、数据信号或其他传输机制。信号介质还包括任何信息递送介质。术语“调制数据信号”是指以对信号中的信息进行编码的方式设置或改变其一个或更多个特性的信号。举例说明而非限制，通信介质包括诸如有线网络或直连的有线介质，以及诸如声学、RF、红外线和其他无线介质的无线介质。
如前所述，硬件元件2010和计算机可读介质2006表示以硬件形式实现的模块、可编程设备逻辑和/或固定设备逻辑，其可以在一些实施方式中用于实现本文描述的技术的至少一些方面，例如执行一个或更多个指令。硬件可以包括集成电路或片上系统的构件、专用集成电路(ASIC)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)和以及硅或其他硬件中的其他实施方式。在这种情况下，硬件可以作为执行由硬件所包含的指令和/或逻辑所定义的程序任务的处理设备，以及用于存储用于执行的指令的硬件，例如前面描述的计算机可读存储介质。
前述的组合也可用于实施本文所述的各种技术。因此，软件、硬件或可执行模块可以被实现为包含在某种形式的计算机可读存储介质上和/或由一个或更多个硬件元件2010实现的一个或更多个指令和/或逻辑。计算设备2002可以被配置为实现与软件和/或硬件模块相对应的特定指令和/或功能。因此，可以至少部分地在硬件中实现可由计算设备2002执行作为软件的模块的实施方式，例如，通过使用处理系统2004的计算机可读存储介质和/或硬件元件2010。指令和/或功能可以由一种或更多种制品(例如，一种或更多种计算设备2002和/或处理系统2004)执行/操作以实现本文描述的技术、模块和实施例。
这里描述的技术可以由计算设备2002的各种配置支持并且不限于这里描述的技术的具体实施例。该功能还可以全部或部分地通过使用分布式系统来实现，诸如通过如下所述的平台2016在“云端”2014上实现。
云端2014包括和/或表示资源2018的平台2016。平台2016抽取云端2014的硬件(例如，服务器)和软件资源的底层功能。资源2018可以包括在远程于计算设备2002的服务器上执行计算机处理时可以使用的应用程序和/或数据。资源2018还可以包括通过因特网和/或通过诸如蜂窝或Wi-Fi网络的订户网络提供的服务。
平台2016可以抽取资源和功能以将计算设备2002与其他计算设备连接。平台2016还可以用于抽取资源的缩放，以向所遇到的对经由平台2016实现的资源2018的需求提供相应级别的缩放。因此，在互连设备实施方式中，这里描述的功能的实现方式可以分布在整个系统2000中。例如，该功能可以部分地在计算设备2002上以及通过抽取云2014的功能的平台2016来实现。
结论
尽管系统和技术已经以特定于结构特征和/或方法行为的语言进行了描述，但是应当理解，在所附权利要求中定义的系统和技术不一定限于所描述的特定特征或行为。相反，具体特征和动作被公开为实现要求保护的主题的实施例形式。

Claims (132)

1.一种由在计算设备处执行的人工胰腺控制器实现的方法，所述方法包括：
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
经由所述第一无线连接接收所述可穿戴葡萄糖监测设备提供的一连串的葡萄糖测量值；
使用人工胰腺算法至少部分地基于所述一连串的葡萄糖测量值确定胰岛素剂量；以及
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述胰岛素剂量递送给所述用户。
2.根据权利要求1所述的方法，其中，使用所述人工胰腺算法确定所述胰岛素剂量以将所述用户的未来葡萄糖测量值保持在目标葡萄糖范围内。
3.根据权利要求1或2所述的方法，其中，所述人工胰腺算法至少部分地基于识别对应于所述用户的一个或更多个事件的数据来确定所述胰岛素剂量，所述一个或更多个事件包括食物摄入、碳水化合物摄入、锻炼、压力或疾病中的一项。
4.根据权利要求1-3中任一项所述的方法，其中，所述人工胰腺算法至少部分地基于由所述胰岛素递送系统递送给所述用户的一个或更多个先前胰岛素剂量来确定所述胰岛素剂量。
5.根据权利要求1-4中任一项所述的方法，其中，所述人工胰腺算法至少部分地基于由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的所述葡萄糖测量值的趋势来确定所述胰岛素剂量。
6.根据权利要求1-5中任一项所述的方法，其中，所述人工胰腺算法基于所述一连串的葡萄糖测量值预测事件已经发生，并且其中，所述人工胰腺算法至少部分地基于所述预测事件来确定所述胰岛素剂量，所述预测事件包括所述用户的食物摄入或所述用户的锻炼。
7.根据权利要求1-6中任一项所述的方法，其中，所述人工胰腺算法至少部分地基于所述用户的当前位置或当前时间来确定所述胰岛素剂量。
8.根据权利要求1-7中任一项所述的方法，其中，使用一种或更多种机器学习技术基于历史葡萄糖测量值和所述用户的其他用户数据来训练所述人工胰腺算法。
9.根据权利要求1-8中任一项所述的方法，其中，所述可穿戴葡萄糖监测设备是连续葡萄糖监测(CGM)设备。
10.一种系统，其包括：
人工胰腺控制器，其用以：
建立连接佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；以及
经由所述第一无线连接接收所述可穿戴葡萄糖监测设备提供的一连串的血糖测量值；
人工胰腺算法至少部分地基于所述一连串的葡萄糖测量值确定胰岛素剂量；以及
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统，泵控制管理器控制所述胰岛素递送系统将所述胰岛素剂量递送给所述用户。
11.根据权利要求10所述的系统，其中，由所述人工胰腺算法确定的所述胰岛素剂量被确定为将所述用户的未来葡萄糖测量值维持在目标葡萄糖范围内。
12.根据权利要求10或11所述的系统，其中，至少部分地基于识别对应于所述用户的一个或更多个事件的数据来确定所述胰岛素剂量，所述一个或更多个事件包括食物摄入、碳水化合物摄入、锻炼、压力或疾病中的一项。
13.根据权利要求10-12中任一项所述的系统，其中，至少部分地基于由所述胰岛素递送系统递送给所述用户的一个或更多个先前胰岛素剂量来确定所述胰岛素剂量。
14.根据权利要求10-13中任一项所述的系统，其中，至少部分地基于由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的所述葡萄糖测量值的趋势来确定所述胰岛素剂量。
15.根据权利要求10-14中任一项所述的系统，其中，所述人工胰腺算法进一步被配置为基于所述一连串的葡萄糖测量值预测事件已经发生，并且其中，并且至少部分地基于所述预测事件来确定所述胰岛素剂量，所述预测事件包括所述用户的食物摄入或所述用户的锻炼。
16.根据权利要求10-15中任一项所述的系统，其中，至少部分地基于所述用户的当前位置或当前时间来确定所述胰岛素剂量。
17.根据权利要求10-16中任一项所述的系统，其中，使用一种或更多种机器学习技术基于历史葡萄糖测量值和所述用户的其他用户数据来训练所述人工胰腺算法。
18.根据权利要求10-17中任一项所述的系统，其中，所述可穿戴葡萄糖监测设备是连续葡萄糖监测(CGM)设备。
19.一种或更多种计算机可读存储介质，其上存储有指令，可由一个或更多个处理器执行以进行包括以下的操作：
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
经由所述第一无线连接接收所述可穿戴葡萄糖监测设备提供的一连串的葡萄糖测量值；
使用人工胰腺算法至少部分地基于所述一连串的葡萄糖测量值确定胰岛素剂量；以及
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述胰岛素剂量递送给所述用户。
20.根据权利要求19所述的一种或更多种计算机可读存储介质，其中，确定所述胰岛素剂量以将所述用户的未来葡萄糖测量值保持在目标葡萄糖范围内。
21.根据权利要求19或20所述的一种或更多种计算机可读存储介质，其中，至少部分地基于识别对应于所述用户的一个或更多个事件的数据来确定所述胰岛素剂量，所述一个或更多个事件包括食物摄入、碳水化合物摄入、锻炼、压力或疾病中的一项。
22.根据权利要求19-21中任一项所述的一种或更多种计算机可读存储介质，其中，至少部分地基于由所述胰岛素递送系统递送给所述用户的一个或更多个先前胰岛素剂量来确定所述胰岛素剂量。
23.根据权利要求19-22中任一项所述的一种或更多种计算机可读存储介质，其中，至少部分地基于由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的所述葡萄糖测量值的趋势来确定所述胰岛素剂量。
24.根据权利要求19-23中任一项所述的一种或更多种计算机可读存储介质，其中，所述操作进一步包括使用所述人工胰腺算法并基于所述一连串的葡萄糖测量值来预测事件已经发生，并且至少部分地基于预测事件进一步确定所述胰岛素剂量，所述预测事件包括所述用户的食物摄入或所述用户的锻炼。
25.根据权利要求19-24中任一项所述的一种或更多种计算机可读存储介质，其中，至少部分地基于所述用户的当前位置或当前时间来确定所述胰岛素剂量。
26.根据权利要求19-25中任一项所述的一种或更多种计算机可读存储介质，其中，使用一种或更多种机器学习技术基于历史葡萄糖测量值和所述用户的其他用户数据来训练所述人工胰腺算法。
27.一种仪器，其包括：
建立装置，用于建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
接收装置，用于经由所述第一无线连接接收所述可穿戴葡萄糖监测设备提供的一连串的葡萄糖测量值；
确定装置，用于使用人工胰腺算法至少部分地基于所述一连串的葡萄糖测量值确定胰岛素剂量；以及
控制装置，用于通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述胰岛素剂量递送给所述用户。
28.一种由在计算设备处执行的人工胰腺控制器实现的方法，所述方法包括：
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
经由所述第一无线连接接收由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的初始血糖测量值；
经由用户界面接收用户输入，所述用户输入描述了所述用户作为餐食的一部分要摄入的碳水化合物的量；
在所述餐食后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测葡萄糖测量峰值；
基于所述初始葡萄糖测量值、所述葡萄糖测量峰值和所述用户摄入的碳水化合物量确定所述用户的碳水化合物与葡萄糖的比例；以及
至少部分地基于所述碳水化合物与葡萄糖的比例来控制所述胰岛素递送系统以向所述用户递送推注胰岛素剂量。
29.根据权利要求28所述的方法，其中，所述控制包括至少部分地基于所述碳水化合物与葡萄糖的比例和胰岛素敏感性因子控制所述胰岛素递送系统向所述用户递送推注胰岛素剂量。
30.根据权利要求29所述的方法，其中，所述控制进一步包括：
确定作为未来餐食的一部分要摄入的碳水化合物的量；
基于作为所述未来餐食的一部分要摄入的所述碳水化合物的量、所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子确定所述用户的推注胰岛素剂量；以及
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述推注胰岛素剂量递送给所述用户。
31.根据权利要求30所述的方法，其中，确定作为所述未来餐食的一部分要摄入的所述碳水化合物的量包括基于描述所述未来餐食的信息来估计作为所述未来餐食的一部分要摄入的所述碳水化合物的量。
32.根据权利要求31所述的方法，其中，描述所述未来餐食的所述信息包括所述未来餐食的图像。
33.根据权利要求32所述的方法，其中，描述所述未来餐食的所述信息包括所述未来餐食的任何剩菜的附加图像，所述确定作为所述未来餐食的一部分要摄入的碳水化合物的量是基于所述图像和所述附加图像的比较。
34.根据权利要求28-33中任一项所述的方法，其进一步包括：
估计推注胰岛素剂量以将所述用户的葡萄糖水平从所述葡萄糖测量峰值降低到目标葡萄糖测量值；
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述估计的推注胰岛素剂量递送给所述用户；
在所述估计的推注胰岛素剂量经由胰岛素递送系统输送给用户之后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测所述目标葡萄糖测量值；和
基于包括在所述估计的推注胰岛素剂量中的胰岛素的量以及所述葡萄糖测量峰值和所述目标葡萄糖测量值之间的差来确定所述用户的胰岛素敏感性因子。
35.根据权利要求34所述的方法，其进一步包括将所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子与维护在数据库中的所述用户的用户配置文件相关联，所述数据库可被所述可穿戴葡萄糖监测设备和所述胰岛素递送系统访问。
36.根据权利要求28-35中任一项所述的方法，其中，所述可穿戴葡萄糖监测设备是连续葡萄糖监测(CGM)设备。
37.一种系统，其包括：
人工胰腺控制器，其用以：
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
经由所述第一无线连接接收由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的初始血糖测量值；
经由用户界面接收用户输入，所述用户输入描述了所述用户作为餐食的一部分要摄入的碳水化合物的量；
在所述餐食后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测葡萄糖测量峰值；以及
基于所述初始葡萄糖测量值、所述葡萄糖测量峰值和所述用户摄入的碳水化合物量确定所述用户的碳水化合物与葡萄糖的比例；以及
至少部分地基于所述碳水化合物与葡萄糖的比例，泵控制管理器控制所述胰岛素递送系统以向所述用户递送推注胰岛素剂量。
38.根据权利要求37所述的系统，其中，所述泵控制管理器至少部分地基于所述碳水化合物与葡萄糖的比例和胰岛素敏感性因子来控制所述胰岛素递送系统向所述用户递送推注胰岛素剂量。
39.根据权利要求38所述的系统，其中：
所述人工胰腺控制器进一步被配置为：
确定作为未来餐食的一部分要摄入的碳水化合物的量；以及
基于作为所述未来餐食的一部分要摄入的所述碳水化合物的量、所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子确定所述用户的推注胰岛素剂量；以及
所述泵控制管理器进一步被配置为通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述推注胰岛素剂量递送给所述用户。
40.根据权利要求39所述的系统，其中，所述人工胰腺控制器进一步被配置为基于描述所述未来餐食的信息来估计作为所述未来餐食的一部分要摄入的所述碳水化合物的量，以确定作为所述未来餐食的一部分要摄入的所述碳水化合物的量。
41.根据权利要求40所述的系统，其中，描述所述未来餐食的所述信息包括所述未来餐食的图像。
42.根据权利要求41所述的系统，其中，描述所述未来餐食的所述信息包括所述未来餐食的任何剩菜的附加图像，基于所述图像和所述附加图像的比较进一步确定作为所述未来餐食的一部分要摄入的所述碳水化合物的量。
43.根据权利要求37-42中任一项所述的系统，其中：
所述人工胰腺控制器进一步被配置为：
估计推注胰岛素剂量以将所述用户的葡萄糖水平从所述葡萄糖测量峰值降低到目标葡萄糖测量值；
在所述估计的推注胰岛素剂量经由所述胰岛素递送系统输送给用户之后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测所述目标葡萄糖测量值；以及
基于包括在所述估计的推注胰岛素剂量中的胰岛素的量以及所述葡萄糖测量峰值和所述目标葡萄糖测量值之间的差来确定所述用户的胰岛素敏感性因子；以及
所述泵控制管理器进一步被配置为通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述估计的推注胰岛素剂量递送给所述用户。
44.根据权利要求43所述的系统，其中，所述人工胰腺控制器进一步被配置为将所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子与维护在数据库中的所述用户的用户配置文件相关联，所述数据库可被所述可穿戴葡萄糖监测设备和所述胰岛素递送系统访问。
45.一种或更多种计算机可读存储介质，其上存储有指令，可由一个或更多个处理器执行以进行包括以下的操作：
建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
经由所述第一无线连接接收由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的初始血糖测量值；
经由用户界面接收用户输入，所述用户输入描述了所述用户作为餐食的一部分要摄入的碳水化合物的量；
在所述餐食后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测葡萄糖测量峰值；
基于所述初始葡萄糖测量值、所述葡萄糖测量峰值和所述用户摄入的碳水化合物量确定所述用户的碳水化合物与葡萄糖的比例；以及
至少部分地基于所述碳水化合物与葡萄糖的比例来控制所述胰岛素递送系统以向所述用户递送推注胰岛素剂量。
46.根据权利要求45所述的一种或更多种计算机可读存储介质，其中，所述控制包括至少部分地基于所述碳水化合物与葡萄糖的比例和胰岛素敏感性因子控制所述胰岛素递送系统向所述用户递送推注胰岛素剂量。
47.根据权利要求46所述的一种或更多种计算机可读存储介质，其中，所述控制进一步包括：
确定作为未来餐食的一部分要摄入的碳水化合物的量；
基于作为所述未来餐食的一部分要摄入的所述碳水化合物的量、所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子确定所述用户的推注胰岛素剂量；以及
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述推注胰岛素剂量递送给所述用户。
48.根据权利要求47所述的一种或更多种计算机可读存储介质，其中，确定作为所述未来餐食的一部分要摄入的所述碳水化合物的量包括基于描述所述未来餐食的信息来估计作为所述未来餐食的一部分要摄入的所述碳水化合物的量。
49.根据权利要求48所述的一种或更多种计算机可读存储介质，其中，描述所述未来餐食的所述信息包括所述未来餐食的图像。
50.根据权利要求49所述的一种或更多种计算机可读存储介质，其中，描述所述未来餐食的所述信息包括所述未来餐食的任何剩菜的附加图像，基于所述图像和所述附加图像的比较确定作为所述未来餐食的一部分要摄入的所述碳水化合物的量。
51.根据权利要求45-50中任一项所述的一种或更多种计算机可读存储介质，其中，所述操作进一步包括：
估计推注胰岛素剂量以将所述用户的葡萄糖水平从所述葡萄糖测量峰值降低到目标葡萄糖测量值；
通过将指令通过所述第二无线连接传送到所述胰岛素递送系统来控制所述胰岛素递送系统以将所述估计的推注胰岛素剂量递送给所述用户；
在所述估计的推注胰岛素剂量经由胰岛素递送系统输送给用户之后，监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测所述目标葡萄糖测量值；和
基于包括在所述估计的推注胰岛素剂量中的胰岛素的量以及所述葡萄糖测量峰值和所述目标葡萄糖测量值之间的差来确定所述用户的胰岛素敏感性因子。
52.根据权利要求51所述的一种或更多种计算机可读存储介质，其中，所述操作进一步包括将所述碳水化合物与葡萄糖的比例和所述胰岛素敏感性因子与维护在数据库中的所述用户的用户配置文件相关联，所述数据库可被所述可穿戴葡萄糖监测设备和所述胰岛素递送系统访问。
53.根据权利要求45-52中任一项所述的一种或更多种计算机可读存储介质，其中，所述可穿戴葡萄糖监测设备是连续葡萄糖监测(CGM)设备。
54.一种仪器，其包括：
建立装置，用于建立连接到用户佩戴的可穿戴葡萄糖监测设备的第一无线连接和连接到所述用户佩戴的胰岛素递送系统的第二无线连接；
第一接收装置，用于经由所述第一无线连接接收由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的初始血糖测量值；
第二接收装置，用于经由用户界面接收用户输入，所述用户输入描述了所述用户作为餐食的一部分要摄入的碳水化合物的量；
监测装置，用于监测由所述用户佩戴的所述可穿戴葡萄糖监测设备提供的葡萄糖测量值，以检测葡萄糖测量峰值；
确定装置，用于基于所述初始葡萄糖测量值、所述葡萄糖测量峰值和所述用户摄入的碳水化合物量确定所述用户的碳水化合物与葡萄糖的比例；以及
控制装置，用于至少部分地基于所述碳水化合物与葡萄糖的比例来控制所述胰岛素递送系统以向所述用户递送推注胰岛素剂量。
55.一种方法，其包括：
接收包含胰岛素递送请求的经加密的消息；
解密经加密的消息以揭示所述胰岛素递送请求；以及
通过无线连接向胰岛素递送系统传送指令，所述指令指示所述胰岛素递送系统根据胰岛素输送请求将胰岛素递送到佩戴所述胰岛素递送系统的人。
56.根据权利要求55所述的方法，其中，所述胰岛素输送请求指定要递送给所述人的所述胰岛素的量。
57.根据权利要求56所述的方法，其中，所述胰岛素输送请求指定用于将所述胰岛素的量递送给所述人的时间。
58.根据权利要求56或57所述的方法，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
59.根据权利要求55-58中任一项所述的方法，其中，所述经加密的消息由第一应用程序从第二应用程序接收。
60.根据权利要求59所述的方法，其中，所述经加密的消息是使用所述第一应用程序的公钥加密的。
61.根据权利要求59或60所述的方法，其进一步包括使用所述第一应用程序的私钥对所述经加密的消息进行解密。
62.根据权利要求61所述的方法，其中，所述第一应用程序将所述私钥保存在钥匙串中。
63.一种计算设备，其包括：
所述计算设备的应用程序，其用以：
接收包含胰岛素递送请求的经加密的消息；
解密经加密的消息以揭示所述胰岛素递送请求；以及
通过无线连接使指令向胰岛素递送系统传送，所述指令指示所述胰岛素递送系统根据胰岛素输送请求将胰岛素递送到佩戴所述胰岛素递送系统的人。
64.根据权利要求63所述的计算设备，其中，所述胰岛素输送请求指定要递送给所述人的所述胰岛素的量。
65.根据权利要求64所述的计算设备，其中，所述胰岛素输送请求指定用于将所述胰岛素的量递送给所述人的时间。
66.根据权利要求64或65所述的计算设备，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
67.根据权利要求63-66中任一项所述的计算设备，其进一步包括附加应用程序，由所述应用程序从所述附加应用程序接收到所述经加密的消息。
68.根据权利要求63-67中任一项所述的计算设备，其中，所述经加密的消息是使用所述应用程序的公钥加密的。
69.根据权利要求63-68中任一项所述的计算设备，其进一步包括使用所述应用程序的私钥对所述经加密的消息进行解密。
70.根据权利要求69所述的计算设备，其中，所述应用程序将所述私钥保存在钥匙串中。
71.一种或更多种计算机可读存储介质，其上存储有指令，可由一个或更多个处理器执行以进行包括以下的操作：
接收包含胰岛素递送请求的经加密的消息；
解密经加密的消息以揭示所述胰岛素递送请求；以及
通过无线连接向胰岛素递送系统传送指令，所述指令指示所述胰岛素递送系统根据胰岛素输送请求将胰岛素递送到佩戴所述胰岛素递送系统的人。
72.根据权利要求71所述的一种或更多种计算机可读存储介质，其中，所述胰岛素输送请求指定要递送给所述人的所述胰岛素的量。
73.根据权利要求72所述的一种或更多种计算机可读存储介质，其中，所述胰岛素输送请求指定用于将所述胰岛素的量递送给所述人的时间。
74.根据权利要求72或73所述的一种或更多种计算机可读存储介质，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
75.根据权利要求71-74中任一项所述的一个或更多个计算机可读存储介质，其中，所述经加密的消息由第一应用程序从第二应用程序接收。
76.根据权利要求75所述的一个或更多个计算机可读存储介质，其中，所述经加密的消息是使用所述第一应用程序的公钥加密的。
77.根据权利要求75或76所述的一个或更多个计算机可读存储介质，其进一步包括使用所述第一应用程序的私钥对所述经加密的消息进行解密。
78.根据权利要求77所述的一个或更多个计算机可读存储介质，其中，所述第一应用程序将所述私钥保存在钥匙串中。
79.一种仪器，其包括：
接收装置，用于接收包含胰岛素递送请求的经加密的消息；
解密装置，用于对所述经加密的消息进行解密以揭示所述胰岛素递送请求；以及
通信装置，用于通过无线连接向胰岛素递送系统传送指令，所述指令指示所述胰岛素递送系统根据胰岛素输送请求将胰岛素递送到佩戴所述胰岛素递送系统的人。
80.一种方法，其包括：
通过对胰岛素递送请求进行加密来生成经加密的消息，所述胰岛素递送请求请求使胰岛素递送系统向佩戴所述胰岛素递送系统的人递送胰岛素；和
将所述经加密的消息传送到胰岛素应用程序以用于解密且基于所述胰岛素递送请求将指令进一步传送到所述胰岛素递送系统。
81.根据权利要求80所述的方法，其中，所述经加密的消息由附加应用程序生成。
82.根据权利要求80或81所述的方法，其中，使用所述胰岛素应用程序的公钥对所述胰岛素递送请求进行加密。
83.根据权利要求80-82中任一项所述的方法，其中，所述胰岛素应用程序包括私钥，所述私钥用于解密所述经加密的消息。
84.根据权利要求83所述的方法，其中，所述胰岛素应用程序将所述私钥保持在钥匙串中。
85.根据权利要求80-84中任一项所述的方法，其中，所述胰岛素递送请求使用所述胰岛素递送系统指定要递送给所述人的所述胰岛素的量。
86.根据权利要求85所述的方法，其中，所述胰岛素递送请求使用所述胰岛素递送系统指定用于将所述胰岛素的量递送给所述人的时间。
87.根据权利要求85或86所述的方法，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
88.根据权利要求80-87中任一项所述的方法，其中，所述胰岛素应用程序被配置为与所述胰岛素递送系统建立无线连接，用于将胰岛素递送指令传送到所述胰岛素递送系统。
89.一种计算设备，其包括：
所述计算设备的应用程序，其用以：
通过对胰岛素递送请求进行加密来生成经加密的消息，所述胰岛素递送请求请求使胰岛素递送系统向佩戴所述胰岛素递送系统的人递送胰岛素；和
将所述经加密的消息传送到胰岛素应用程序以用于解密且基于所述胰岛素递送请求将指令进一步传送到所述胰岛素递送系统。
90.根据权利要求89所述的计算设备，其中，使用所述胰岛素应用程序的公钥对所述胰岛素递送请求进行加密。
91.根据权利要求89或90所述的计算设备，其中，所述胰岛素应用程序包括私钥，所述私钥用于解密所述经加密的消息。
92.根据权利要求91所述的计算设备，其中，所述应用程序将所述私钥保存在钥匙串中。
93.根据权利要求89-92中任一项所述的计算设备，其中，所述胰岛素递送请求使用所述胰岛素递送系统指定要递送给所述人的所述胰岛素的量。
94.根据权利要求93所述的计算设备，其中，所述胰岛素递送请求使用所述胰岛素递送系统指定用于将所述胰岛素的量递送给所述人的时间。
95.根据权利要求93或94所述的计算设备，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
96.一种或更多种计算机可读存储介质，其上存储有指令，可由一个或更多个处理器执行以进行包括以下的操作：
通过对胰岛素递送请求进行加密来生成经加密的消息，所述胰岛素递送请求请求使胰岛素递送系统向佩戴所述胰岛素递送系统的人递送胰岛素；和
将所述经加密的消息传送到胰岛素应用程序以用于解密且基于所述胰岛素递送请求将指令进一步传送到所述胰岛素递送系统。
97.根据权利要求96所述的一种或更多种计算机可读存储介质，其中，所述经加密的消息由附加应用程序生成。
98.根据权利要求96或97所述的一种或更多种计算机可读存储介质，其中，使用所述胰岛素应用程序的公钥对所述胰岛素递送请求进行加密。
99.根据权利要求96-98中任一项所述的一种或更多种计算机可读存储介质，其中，所述胰岛素应用程序包括私钥，所述私钥用于解密所述经加密的消息。
100.根据权利要求99所述的一种或更多种计算机可读存储介质，其中，所述第一应用程序将所述私钥保存在钥匙串中。
101.根据权利要求96-100中任一项所述的一种或更多种计算机可读存储介质，其中，所述胰岛素递送请求使用所述胰岛素递送系统指定要递送给所述人的所述胰岛素的量。
102.根据权利要求101所述的一种或更多种计算机可读存储介质，其中，所述胰岛素输送请求使用所述胰岛素递送系统指定用于将所述胰岛素的量递送给所述人的时间。
103.根据权利要求101或102所述的一种或更多种计算机可读存储介质，其中，所述胰岛素的量是使用一个或更多个机器学习模型基于处理所述人的一连串的葡萄糖测量值来确定。
104.一种仪器，其包括：
加密装置，用于通过对胰岛素递送请求进行加密来生成经加密的消息，所述胰岛素递送请求请求使胰岛素递送系统向佩戴所述胰岛素递送系统的人递送胰岛素；和
通信装置，用于将所述经加密的消息传送到胰岛素应用程序以用于解密且基于所述胰岛素递送请求将指令进一步传送到所述胰岛素递送系统。
105.一种方法，其包括：
接收由用户佩戴的可穿戴葡萄糖监测设备在连续几天内提供的历史血糖测量值；
从不同于所述可穿戴葡萄糖监测设备的一个或更多个来源接收所述用户的其他用户数据，所述其他用户数据包括与所述葡萄糖测量值相关的食物摄入数据、活动数据或胰岛素剂量中的一项或更多项；以及
使用一种或更多种机器学习技术基于所述历史葡萄糖测量值和所述用户的所述其他用户数据训练人工胰腺算法来确定所述用户的胰岛素剂量。
106.根据权利要求105所述的方法，其进一步包括控制胰岛素递送系统向所述用户递送胰岛素剂量，所述胰岛素剂量由所述经训练的人工胰腺算法确定。
107.根据权利要求105或106所述的方法，其进一步包括训练所述人工胰腺算法以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
108.根据权利要求105-107中任一项所述的方法，其中，所述人工胰腺算法最初被训练以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
109.根据权利要求108所述的方法，其中，在训练所述人工胰腺算法基于所述用户的所述历史血糖测量值以确定所述用户的所述胰岛素剂量之前，最初基于所述用户群体的所述历史葡萄糖测量值和所述用户群体的所述其他用户数据来训练所述人工胰腺算法。
110.根据权利要求108或109所述的方法，其进一步包括接收初始训练的所述人工胰腺算法。
111.根据权利要求105-110中任一项所述的方法，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的量。
112.根据权利要求111所述的方法，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定用于将所述胰岛素量递送给所述用户的时间。
113.根据权利要求105-112中任一项所述的方法，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的类型。
114.一种系统，其包括：
人工胰腺控制器，其用以：
接收由用户佩戴的可穿戴葡萄糖监测设备在连续几天内提供的历史血糖测量值；
从不同于所述可穿戴葡萄糖监测设备的一个或更多个来源接收所述用户的其他用户数据，所述其他用户数据包括与所述葡萄糖测量值相关的食物摄入数据、活动数据或胰岛素剂量中的一项或更多项；以及
使用一种或更多种机器学习技术基于所述历史葡萄糖测量值和所述用户的所述其他用户数据训练人工胰腺算法来确定所述用户的胰岛素剂量。
115.根据权利要求114所述的系统，其中，所述人工胰腺控制器进一步被配置为通过将指令传送到所述胰岛素递送系统以递送所述胰岛素剂量来控制胰岛素递送系统向所述用户递送胰岛素剂量，所述胰岛素剂量由所述经训练的人工胰腺算法确定。
116.根据权利要求114或115所述的系统，其中，所述人工胰腺控制器进一步被配置为训练所述人工胰腺算法以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
117.根据权利要求114-116中任一项所述的系统，其中，所述人工胰腺算法最初被训练以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
118.根据权利要求117所述的系统，其中，在训练所述人工胰腺算法基于所述用户的所述历史血糖测量值以确定所述用户的所述胰岛素剂量之前，最初基于所述用户群体的所述历史葡萄糖测量值和所述用户群体的所述其他用户数据来训练所述人工胰腺算法。
119.根据权利要求117或118所述的系统，其中，所述人工胰腺控制器进一步被配置为接收初始训练的所述人工胰腺算法。
120.根据权利要求114-119中任一项所述的系统，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的量。
121.根据权利要求120所述的系统，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定用于将所述胰岛素量递送给所述用户的时间。
122.根据权利要求114-121中任一项所述的系统，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的类型。
123.一种或更多种计算机可读存储介质，其上存储有指令，可由一个或更多个处理器执行以进行包括以下的操作：
接收由用户佩戴的可穿戴葡萄糖监测设备在连续几天内提供的历史血糖测量值；
从不同于所述可穿戴葡萄糖监测设备的一个或更多个来源接收所述用户的其他用户数据，所述其他用户数据包括与所述葡萄糖测量值相关的食物摄入数据、活动数据或胰岛素剂量中的一项或更多项；以及
使用一种或更多种机器学习技术基于所述历史葡萄糖测量值和所述用户的所述其他用户数据训练人工胰腺算法来确定所述用户的胰岛素剂量。
124.根据权利要求123所述的一种或更多种计算机可读存储介质，其中，所述操作进一步包括控制胰岛素递送系统向所述用户递送胰岛素剂量，所述胰岛素剂量由所述经训练的人工胰腺算法确定。
125.根据权利要求123或124所述的一种或更多种计算机可读存储介质，其中，所述操作进一步包括训练所述人工胰腺算法以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
126.根据权利要求123-125中任一项所述的一种或更多种计算机可读存储介质，其中，所述人工胰腺算法最初被训练以基于用户群体的历史葡萄糖测量值和基于不同于由所述用户群体的用户佩戴的可穿戴葡萄糖监测设备的一个或更多个来源的所述用户群体的其他用户数据来确定胰岛素剂量。
127.根据权利要求126所述的一种或更多种计算机可读存储介质，其中，在训练所述人工胰腺算法基于所述用户的所述历史血糖测量值以确定所述用户的所述胰岛素剂量之前，最初基于所述用户群体的所述历史葡萄糖测量值和所述用户群体的所述其他用户数据来训练所述人工胰腺算法。
128.根据权利要求126或127所述的一种或更多种计算机可读存储介质，其中所述操作进一步包括接收初始训练的所述人工胰腺算法。
129.根据权利要求123-128中任一项所述的一种或更多种计算机可读存储介质，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的量。
130.根据权利要求129所述的一种或更多种计算机可读存储介质，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定用于将所述胰岛素量递送给所述用户的时间。
131.根据权利要求123-130中任一项所述的一种或更多种计算机可读存储介质，其中，由所述经训练的人工胰腺算法确定的所述胰岛素剂量指定要递送的所述胰岛素的类型。
132.一种仪器，其包括：
第一接收装置，用于接收由用户佩戴的可穿戴葡萄糖监测设备在连续几天内提供的历史血糖测量值；
第二接收装置，用于从不同于所述可穿戴葡萄糖监测设备的一个或更多个来源接收所述用户的其他用户数据，所述其他用户数据包括与所述葡萄糖测量值相关的食物摄入数据、活动数据或胰岛素剂量中的一项或更多项；以及
训练装置，用于使用一种或更多种机器学习技术基于所述历史葡萄糖测量值和所述用户的所述其他用户数据训练人工胰腺算法来确定所述用户的胰岛素剂量。
CN202080097204.5A 2020-02-20 2020-12-07 人工胰腺中的机器学习 Pending CN115135359A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US202062979347P 2020-02-20 2020-02-20
US62/979,347 2020-02-20
PCT/US2020/063652 WO2021167675A1 (en) 2020-02-20 2020-12-07 Machine learning in an artificial pancreas

Publications (1)

Publication Number Publication Date
CN115135359A true CN115135359A (zh) 2022-09-30

Family

ID=77365092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080097204.5A Pending CN115135359A (zh) 2020-02-20 2020-12-07 人工胰腺中的机器学习

Country Status (7)

Country Link
US (6) US20210260287A1 (zh)
EP (1) EP4106844A4 (zh)
JP (1) JP2023514708A (zh)
CN (1) CN115135359A (zh)
AU (1) AU2020429468A1 (zh)
CA (1) CA3167712A1 (zh)
WO (1) WO2021167675A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3182053A1 (en) * 2020-06-10 2021-12-16 Bartholomew WIKTOROWICZ Closed-loop diabetes treatment system detecting meal or missed bolus
US12233238B2 (en) * 2020-11-06 2025-02-25 Medtronic Minimed, Inc. Diabetes therapy based on determination of food item
US20220184405A1 (en) * 2020-12-11 2022-06-16 Advanced Neuromodulation Systems, Inc. Systems and methods for labeling data in active implantable medical device systems
CN114613509B (zh) * 2022-04-21 2022-11-08 北京理工大学 基于贝叶斯优化的人工胰腺长期适应的个体化学习系统
EP4531958A2 (en) * 2022-06-03 2025-04-09 Bigfoot Biomedical, Inc. Medication delivery devices, systems and methods
USD1053731S1 (en) * 2022-07-28 2024-12-10 Danu Sports Limited Wearable tracking device
US20240100253A1 (en) * 2022-09-14 2024-03-28 Insulet Corporation Incorporation of additional sensors into adaptation of aid systems
IT202200022677A1 (it) * 2022-11-04 2024-05-04 Univ Degli Studi Magna Graecia Di Catanzaro Dispositivo basato su intelligenza artificiale per il dosaggio della terapia insulinica
WO2024107954A1 (en) * 2022-11-17 2024-05-23 Abbott Diabetes Care Inc. Systems, devices, and methods relating to medication dose guidance
WO2024178261A1 (en) * 2023-02-24 2024-08-29 University Of Virginia Patent Foundation System, method, and computer readable medium for adaptive bio-behavioral control (abc) in diabetes
WO2024229007A2 (en) * 2023-05-01 2024-11-07 University Of Virginia Patent Foundation Method and system for encoding insulin dosing rules into a neural-net artificial pancreas (nap) intended for the computerized treatment of diabetes
CN116687371B (zh) * 2023-08-08 2023-09-29 四川大学 一种颅内压检测方法及系统
WO2025054131A1 (en) * 2023-09-05 2025-03-13 University Of Houston System Linear time-varying (ltv) model predictive control (mpc) of an artificial pancreas with data-driven neural multi-step ahead affine blood glucose predictors

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080206799A1 (en) 2007-02-27 2008-08-28 Michael Blomquist Carbohydrate ratio testing using frequent blood glucose input
US8734422B2 (en) * 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
JP2012519018A (ja) 2009-02-26 2012-08-23 モール・リサーチ・アプリケーションズ・リミテッド 糖尿病に関連した治療を自動モニタリングする方法およびシステム
US20110124996A1 (en) 2009-11-20 2011-05-26 Roche Diagnostics Operations, Inc. Diabetes health management systems and methods
US9949672B2 (en) 2009-12-17 2018-04-24 Ascensia Diabetes Care Holdings Ag Apparatus, systems and methods for determining and displaying pre-event and post-event analyte concentration levels
CA2841086C (en) * 2011-09-28 2021-01-26 Abbott Diabetes Care Inc. Methods, devices and systems for analyte monitoring management
JP6437433B2 (ja) * 2012-07-09 2018-12-12 デバイオテック・ソシエテ・アノニム 医療デバイスとその遠隔デバイスの間の保護された通信
ES2671001T3 (es) * 2013-03-15 2018-06-04 Animas Corporation Modelo de tiempo-acción de insulina
CN107073207B (zh) * 2014-08-01 2020-03-20 伯克顿迪金森公司 连续葡萄糖监测注射装置
US10137246B2 (en) * 2014-08-06 2018-11-27 Bigfoot Biomedical, Inc. Infusion pump assembly and method
US20160082187A1 (en) * 2014-09-23 2016-03-24 Animas Corporation Decisions support for patients with diabetes
RU2596506C1 (ru) * 2015-03-13 2016-09-10 Общество С Ограниченной Ответственностью "Хилби" Способ определения гликемического индекса потребляемой человеком пищи
US10716896B2 (en) 2015-11-24 2020-07-21 Insulet Corporation Wearable automated medication delivery system
JP2019509770A (ja) * 2016-01-05 2019-04-11 ビッグフット バイオメディカル インコーポレイテッドＢｉｇｆｏｏｔ Ｂｉｏｍｅｄｉｃａｌ， Ｉｎｃ． 動作するマルチモーダル薬剤デリバリ・システム
US11883630B2 (en) 2016-07-06 2024-01-30 President And Fellows Of Harvard College Event-triggered model predictive control for embedded artificial pancreas systems
US20170173262A1 (en) * 2017-03-01 2017-06-22 François Paul VELTZ Medical systems, devices and methods
JP7124120B2 (ja) 2018-05-04 2022-08-23 インスレット コーポレイション 制御アルゴリズムベースの薬物送達システムのための安全制約
US20190385752A1 (en) 2018-06-18 2019-12-19 Bigfoot Biomedical, Inc. Automated provisioning of clinical advice associated with a patient with diabetes (pwd) and related systems, methods, and devices
US20200135320A1 (en) * 2018-10-31 2020-04-30 Medtronic Minimed, Inc. Automated detection of a physical behavior event and corresponding adjustment of a medication dispensing system based on historical events
EP4007523A4 (en) * 2019-08-02 2023-09-27 Abbott Diabetes Care Inc. SYSTEMS, DEVICES, AND METHODS FOR DRUG DOSE RECOMMENDATIONS

Also Published As

Publication number Publication date
US20210260289A1 (en) 2021-08-26
US20210260286A1 (en) 2021-08-26
AU2020429468A1 (en) 2022-09-01
EP4106844A4 (en) 2024-03-20
US20210259591A1 (en) 2021-08-26
JP2023514708A (ja) 2023-04-07
CA3167712A1 (en) 2021-08-26
EP4106844A1 (en) 2022-12-28
US20210260288A1 (en) 2021-08-26
US11872034B2 (en) 2024-01-16
US20240148284A1 (en) 2024-05-09
US20210260287A1 (en) 2021-08-26
WO2021167675A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
US11872034B2 (en) Machine learning in an artificial pancreas
JP6901395B2 (ja) 連続的グルコースデータを配信するためのシステム及び方法
CN114206207A (zh) 与药物剂量指导相关的系统、装置和方法
US12070308B2 (en) Systems, devices, and methods of analyte monitoring
CN114222597A (zh) 用于估计葡萄糖值的基于机器学习的系统
US11696706B2 (en) Multi-state engagement with continuous glucose monitoring systems
US11969267B2 (en) Glucose alert prediction horizon modification
CN106687964B (zh) 用两种模式对基础胰岛素的滴定
US20190006040A1 (en) Cognitive diabetic regulator
JP2023529261A (ja) 積み重ねられた機械学習モデルを使用したグルコース測定値予測
CN114930462A (zh) 管理推注剂量
US20240021284A1 (en) Location-Aided Glycemic Control
JP2024519637A (ja) 持続グルコースモニタリングのための適応型システム
JP2025063079A (ja) 連続血糖モニタリングシステムによる多状態エンゲージメント
JP2024539575A (ja) 糖尿病管理を改善するための行動修正フィードバック
EP4511843A1 (en) Insulin adaptation and safety monitoring for sick day management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination