(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2022-03-17
(45)【発行日】2022-03-28
(54)【発明の名称】患者の血糖値を制御するための自動システム
(51)【国際特許分類】
A61M 5/172 20060101AFI20220318BHJP
A61B 5/145 20060101ALI20220318BHJP
A61B 5/00 20060101ALI20220318BHJP
A61M 5/168 20060101ALI20220318BHJP
A61M 5/20 20060101ALI20220318BHJP
【FI】
A61M5/172 500
A61B5/145
A61B5/00 102A
A61M5/168 500
A61M5/20
(21)【出願番号】P 2019515487
(86)(22)【出願日】2017-09-19
(86)【国際出願番号】 FR2017052511
(87)【国際公開番号】W WO2018055283
(87)【国際公開日】2018-03-29
【審査請求日】2020-09-04
(32)【優先日】2016-09-21
(33)【優先権主張国・地域又は機関】FR
(73)【特許権者】
【識別番号】507362786
【氏名又は名称】コミサリア ア エナジー アトミック エ オックス エナジーズ オルタネティヴ
(74)【代理人】
【識別番号】100114557
【氏名又は名称】河野 英仁
(74)【代理人】
【識別番号】100078868
【氏名又は名称】河野 登夫
(72)【発明者】
【氏名】ジャロン,ピエール
【審査官】上石 大
(56)【参考文献】
【文献】国際公開第2007/116226(WO,A2)
【文献】特開2015-165970(JP,A)
【文献】特表2000-503556(JP,A)
【文献】Roman Hovorka, Valentina Canonico, Ludovic J Chassin, Ulrich Haueter, Massimo Massi-Benedetti, Marco Orsini Federici, Thomas R Pieber, Helga C Schaller, Lukas Schaupp, Thomas Vering and Malgorzata E Wilinska,Nonlinear model predictive control of glucose concentration in subjects with type 1 diabetes,PHYSIOLOGICAL MEASUREMENT,INSTITUTE OF PHYSICS PUBLISHING,2004年07月22日,Vol. 25, No. 4,905-920,https://www.researchgate.net/publication/8331833_Nonlinear_Model_Predictive_Control_of_Glucose_Concentration_in_Subjects_with_Type_1_Diabetes
(58)【調査した分野】(Int.Cl.,DB名)
A61M 5/172
A61B 5/145
A61B 5/00
A61M 5/168
A61M 5/20
(57)【特許請求の範囲】
【請求項1】
患者の血糖を調節する自動システムであって、
血糖値セン
サと、
インスリン注射デバイ
スと、
生理学的モデルから患者の血糖値の今後の展開を予測して、予測結果を考慮して前記インスリン注射デバイ
スを制御することができる処理・制御ユニッ
トと
を備えており、
前記生理学的モデルは、複数の状態変
数の時間変化について記述する微分方程式系を有し、
前記処理・制御ユニッ
トは、前記生理学的モデルを自動的に較正する較正ステップを実行することができ、
前記較正ステップは、前記生理学的モデルに基づき推定される血糖値と前記血糖値セン
サによって測定される血糖値との、過去の観察時間中の誤差を表す量を最小化することにより、前記状態変数の初期
値を推定するステップを有
し、
【請求項2】
前記量は、以下のように定められていることを特徴とする請求項
1に記載の自動システム。
【数1】
ここで、tは離散化された時間変数であり、t
0は観察段階の開始時点であり、t
0+△Tは観察段階の終了時点である
【請求項3】
前記較正ステップは、前記量を最小化することにより、前記微分方程式系のパラメー
タを推定するステップを更に有することを特徴とする請求項1
又は2に記載の自動システム。
【請求項4】
前記較正ステップは、
a) 前記状態変数の初期
値を設定して、前記量を最小化することにより、前記微分方程式系のパラメー
タを推定するステップ、及び
b) 前記微分方程式系のパラメー
タを設定して、前記量を最小化することにより、前記状態変数の初期
値を推定するステップ
の複数の連続的な反復を有することを特徴とする請求項
3に記載の自動システム。
【請求項5】
ステップa)の最初の反復で、前記微分方程式系の導関数が全てゼロであると仮定して、前記状態変数の初期
値を分析的に決定することを特徴とする請求項
4に記載の自動システム。
【請求項6】
前記生理学的モデルに基づき患者の血糖値の展開をシミュレートするために、前記処理・制御ユニッ
トは、前記インスリン注射デバイ
スによって患者に注射されたインスリンの履
歴、及び患者によって摂取されたグルコースの履
歴を考慮することを特徴とする請求項1~
5のいずれか1つに記載の自動システム。
【請求項7】
前記生理学的モデルはHovorka モデルであることを特徴とする請求項1~
6のいずれか1つに記載の自動システム。
【請求項8】
患者の血糖を自動的に調節する方法であって、
処理・制御ユニッ
トによって、複数の状態変
数の時間変化について記述する微分方程式系を有する生理学的モデルに基づき患者の血糖値の今後の展開の予測を計算するステッ
プ、
前記予測の結果を考慮してインスリン注射デバイ
スを制御するステッ
プ、及び
前記生理学的モデルを自動的に較正する較正ステッ
プ
を有し、
前記較正ステップは、前記生理学的モデルに基づき推定される血糖値と血糖値セン
サによって測定される血糖値との、過去の観察時間中の誤差を表す量を最小化することにより、前記状態変数の初期
値を推定するステップを有
し、
【請求項9】
前記量を最小化することにより、前記微分方程式系のパラメー
タを推定するステップを更に有することを特徴とする請求項
8に記載の方法。
【請求項10】
前記較正ステップは、
a) 前記状態変数の初期
値を設定して、前記量を最小化することにより、前記微分方程式系のパラメー
タを推定するステップ、及び
b) 前記微分方程式系のパラメー
タを設定して、前記量を最小化することにより、前記状態変数の初期
値を推定するステップ
の複数の連続的な反復を有することを特徴とする請求項
8又は
9に記載の方法。
【発明の詳細な説明】
【技術分野】
【0001】
本願は、人工膵臓とも称される自動血糖調節システムの分野に関する。
【背景技術】
【0002】
人工膵臓は、糖尿病患者の血糖履歴、食事履歴及びインスリン注射履歴に基づき糖尿病患者のインスリン摂取を自動的に調節することを可能にするシステムである。
【発明の概要】
【発明が解決しようとする課題】
【0003】
供給するインスリン量を調節する際に、患者の身体によるインスリンの同化作用及び患者の血糖に与えるこの影響について記述する生理学的モデルから得られた患者の血糖値の今後の展開予測を考慮するMPC 型調節システム又はモデル予測制御システムが、ここではより具体的に検討されている。
【0004】
モデル予測制御式人工膵臓の性能を向上させ得ることが望ましく、より具体的には、患者の今後の血糖値予測の質を高めることができ、より適切なインスリン摂取で制御することができ、患者を高血糖状態又は低血糖状態に置く危険性を制限することが望ましい。
【0005】
患者の今後の血糖値を予測するために使用される生理学的モデルの起こり得る欠陥による患者の危険性を制限し得ることが更に望ましい。
【課題を解決するための手段】
【0006】
従って、実施形態は、患者の血糖を調節する自動システムであって、
血糖値センサと、
インスリン注射デバイスと、
生理学的モデルから患者の血糖値の今後の展開を予測して、予測結果を考慮して前記インスリン注射デバイスを制御することができる処理・制御ユニットと
を備えており、
前記生理学的モデルは、複数の状態変数の時間変化について記述する微分方程式系を有し、
前記処理・制御ユニットは、前記生理学的モデルを自動的に較正する較正ステップを実行することができ、
前記較正ステップは、前記生理学的モデルに基づき推定される血糖値と前記血糖値センサによって測定される血糖値との、過去の観察時間中の誤差を表す量を最小化することにより、前記状態変数の初期値を推定するステップを有することを特徴とする自動システムを提供する。
【0007】
【0008】
実施形態によれば、前記量は、以下のように定められている。
【0009】
【0010】
実施形態によれば、前記較正ステップは、前記量を最小化することにより、前記微分方程式系のパラメータを推定するステップを更に有する。
【0011】
実施形態によれば、前記較正ステップは、
a) 前記状態変数の初期値を設定して、前記量を最小化することにより、前記微分方程式系のパラメータを推定するステップ、及び
b) 前記微分方程式系のパラメータを設定して、前記量を最小化することにより、前記状態変数の初期値を推定するステップ
の複数の連続的な反復を有する。
【0012】
実施形態によれば、ステップa)の最初の反復で、前記微分方程式系の導関数が全てゼロであると仮定して、前記状態変数の初期値を分析的に決定する。
【0013】
実施形態によれば、前記生理学的モデルに基づき患者の血糖値の展開をシミュレートするために、前記処理・制御ユニットは、前記インスリン注射デバイスによって患者に注射されたインスリンの履歴、及び患者によって摂取されたグルコースの履歴を考慮する。
【0014】
実施形態によれば、前記生理学的モデルはHovorka モデルである。
【0015】
別の実施形態は、患者の血糖を自動的に調節する方法であって、
処理・制御ユニットによって、複数の状態変数の時間変化について記述する微分方程式系を有する生理学的モデルに基づき患者の血糖値の今後の展開の予測を計算するステップ、
前記予測の結果を考慮してインスリン注射デバイスを制御するステップ、及び
前記生理学的モデルを自動的に較正する較正ステップ
を有し、
前記較正ステップは、前記生理学的モデルに基づき推定される血糖値と血糖値センサによって患者で測定される血糖値との、過去の観察時間中の誤差を表す量を最小化することにより、前記状態変数の初期値を推定するステップを有することを特徴とする方法を提供する。
【0016】
実施形態によれば、前記方法は、前記量を最小化することにより、前記微分方程式系のパラメータを推定するステップを更に有する。
【0017】
実施形態によれば、前記較正ステップは、
a) 前記状態変数の初期値を設定して、前記量を最小化することにより、前記微分方程式系のパラメータを推定するステップ、及び
b) 前記微分方程式系のパラメータを設定して、前記量を最小化することにより、前記状態変数の初期値を推定するステップ
の複数の連続的な反復を有する。
【0018】
別の実施形態は、患者の血糖値を調節する自動システムであって、
血糖値センサと、
インスリン注射デバイスと、
生理学的モデルに基づき患者の血糖値の今後の展開を予測して、予測結果を考慮して前記インスリン注射デバイスを制御することができる処理・制御ユニットと
を備えており、
前記処理・制御ユニットは、
a) 過去の観察時間中に前記血糖値センサによって測定される血糖値の履歴を考慮して、前記生理学的モデルを自動的に較正する較正ステップを実行することができ、
b) 較正ステップの終わりに、前記生理学的モデルに基づき推定される血糖値と前記血糖値センサによって測定される実際の血糖値との誤差を表す少なくとも1つの数値指標に基づき、前記生理学的モデルが十分であるか否かを決定することができ、
c) 前記生理学的モデルの質が十分ではない場合、前記生理学的モデルからの予測結果を考慮せずに前記インスリン注射デバイスを制御することができる。
【0019】
【0020】
実施形態によれば、前記指標mは、以下のように定められている。
【0021】
【0022】
実施形態によれば、前記数値指標は、所与の時間に前記生理学的モデルに基づき推定される血糖値と前記血糖値センサによって測定される血糖値との差を表す指標m1を有する。
【0023】
実施形態によれば、前記数値指標は、所与の時間に前記生理学的モデルに基づき推定される血糖値の導関数と、前記血糖値センサによって測定される血糖値の導関数との差を表す指標m2を有する。
【0024】
実施形態によれば、ステップc)で、前記インスリン注射デバイスの制御は、簡略化された生理学的モデルに基づくモデル予測制御である。
【0025】
実施形態によれば、ステップc)で、患者に処方される基準基礎比率に相当する予めプログラムされた量のインスリンを供給すべく、前記インスリン注射デバイスを制御する。
【0026】
実施形態によれば、前記生理学的モデルは、複数の状態変数の時間変化について記述する微分方程式系を有し、前記生理学的モデルを自動的に較正する較正ステップa)は、前記生理学的モデルに基づき推定される血糖値と前記血糖値センサによって測定される血糖値との、過去の観察時間中の誤差を表す量を最小化することにより、前記微分方程式系のパラメータを推定するステップを有する。
【0027】
実施形態によれば、前記生理学的モデルを自動的に較正する較正ステップa)は、前記状態変数の初期値を決定するステップを更に有する。
【0028】
別の実施形態は、患者の血糖を自動的に調節する方法であって、
処理・制御ユニットによって、生理学的モデルに基づき患者の血糖値の今後の展開の予測を計算するステップ、及び
前記予測の結果を考慮してインスリン注射デバイスを制御するステップ
を有し、
a) 過去の観察時間中に血糖値センサによって測定される血糖値の履歴を考慮して、前記生理学的モデルを自動的に較正する較正ステップ、
b) 前記較正ステップの終わりに、前記生理学的モデルに基づき推定される血糖値と前記血糖値センサによって測定される実際の血糖値との誤差を表す少なくとも1つの数値指標に基づき、前記生理学的モデルの質を決定するステップ、及び
c) 前記生理学的モデルの質が十分ではないとみなされた場合、前記生理学的モデルからの予測結果を考慮せずに前記インスリン注射デバイスを制御するステップ
を更に有する。
【図面の簡単な説明】
【0029】
前述及び他の特徴及び利点を、添付図面を参照して本発明を限定するものではない特定の実施形態について以下に詳細に説明する。
【0030】
【
図1】患者の血糖値を調節する自動システムの実施形態を概略的に示すブロック図である。
【
図2】患者の血糖値の今後の展開を予測するために
図1の自動システムで使用される生理学的モデルを示す簡略図である。
【
図3】
図2の生理学的モデルの実施形態を更に詳細に示す図である。
【
図4】
図1の自動システムによって実行される自動血糖調節法の例を示す図である。
【
図5】
図1の自動システムによって実行される自動較正法の実施形態を示す図である。
【
図6】
図1の自動システムによって実行される自動血糖調節法の実施形態を示す図である。
【発明を実施するための形態】
【0031】
同一の要素は異なる図面で同一の参照番号で示されている。明瞭化のために、記載された実施形態の理解に有用な要素のみが示され詳述されている。特に、記載された調節システムの血糖値測定デバイス及びインスリン注射デバイスは詳述されておらず、記載された実施形態は、全て又は最も知られている血糖値測定デバイス及びインスリン注射デバイスと適合する。更に、記載された調節システムの処理・制御ユニットのハードウェア実装は詳述されておらず、このような処理・制御ユニットの形成は、記載された機能的な表示に基づく当業者の能力の範囲内である。
【0032】
図1は、患者の血糖値を調節する自動システムの実施形態を概略的に示すブロック図である。
【0033】
図1の自動システムは、患者の血糖値を測定することができるセンサ101 (CG)を備えている。通常動作では、センサ101 は、患者の身体の上に又は身体の内部に、例えば腹部のレベルに常時置かれてもよい。センサ101 は、例えばCGM 型(「持続血糖モニタリング」)センサ、すなわち、患者の血糖値を連続的に(例えば少なくとも毎分一回)測定することができるセンサである。センサ101 は、例えば皮下血糖値センサである。
【0034】
図1の自動システムは、インスリン注射デバイス103 (PMP) 、例えば皮下注射デバイスを更に備えている。インスリン注射デバイス103 は、例えば患者の皮膚の下に埋め込まれた注射針に接続されたインスリン槽を備えたインスリンポンプ型の自動注射デバイスであり、ポンプは、決められた量のインスリンを決められた時間に自動的に注射すべく電気的に制御されてもよい。通常動作では、インスリン注射デバイス103 は、患者の身体の内部に又は身体の上に、例えば腹部のレベルに常時置かれてもよい。
【0035】
図1の自動システムは、一方では血糖値センサ101 に、例えばワイヤリンク又は無線リンクによって接続されて、他方ではインスリン注射デバイス103 に、例えばワイヤ又は無線リンクによって接続された処理・制御ユニット105 (CTRL)を更に備えている。処理・制御ユニット105 は、動作中、血糖値センサ101 によって測定される患者の血糖値に関するデータを受けて、決められた量のインスリンを決められた時間に患者に注射すべくインスリン注射デバイス103 を電気的に制御することができる。この例では、処理・制御ユニット105 は、患者によって摂取されたグルコースの量の時間変化を表すデータcho(t)を、詳述されていないユーザインターフェースを介して更に受けることができる。
【0036】
処理・制御ユニット105 は、特にセンサ101 によって測定された血糖値の履歴、インスリン注射デバイス103 によって注射されたインスリンの履歴、及び患者によるグルコース摂取の履歴を考慮して、患者に注射するインスリンの量を決定することができる。このために、処理・制御ユニット105 は、例えばマイクロプロセッサを有する(詳述されない)デジタル計算回路を有している。処理・制御ユニット105 は、例えば患者によって一日中及び/又は一晩中運ばれる携帯機器であり、例えば以下に記載されるタイプの調節方法を実行するように構成されたスマートフォン型機器である。
【0037】
図1の実施形態では、処理・制御ユニット105 は、患者の血糖値の経時的な今後の展開予測を考慮して、患者に供給するインスリンの量を決定することができる。より具体的には、処理・制御ユニット105 は、注射されたインスリンの履歴及び摂取された血糖の履歴と、患者の身体によるインスリンの同化作用及び血糖に与えるこの影響について記述する生理学的モデルとに基づき、次の時間、例えば1~10時間の患者の血糖値の予測される経時的な展開を表す曲線を決定することができる。処理・制御ユニット105 は、この曲線を考慮して、次の時間に患者に注射するインスリンの量を決定するため、(生理学的モデルに基づき推定される血糖値に対して)患者の実際の血糖値が、特に高血糖又は低血糖の危険性を制限すべく許容限界の範囲内のままである。以下に更に詳細に説明されるこのような動作モードでは、センサ101 によって測定される実際の血糖値に関するデータを、生理学的モデルの較正のために主に使用する。
【0038】
図2は、患者の血糖値の今後の展開を予測するために
図1の自動システムで使用されるMPC 生理学的モデルを示す簡略図である。
図2では、MPC 生理学的モデルは、
患者に注射されるインスリンの量の、時間tに亘る展開を表す信号i(t)が与えられる入力e1、
患者によって摂取されるグルコースの量の、時間tに亘る展開を表す信号cho(t)が与えられる入力e2、及び
患者の血糖値の、時間tに亘る展開を表す信号G(t)を送る出力s
を有する処理ブロックの形態で示されている。
【0039】
MPC 生理学的モデルは、入力変数i(t)、入力変数cho(t)及び出力変数G(t)に加えて、経時的に変わる患者の生理学的変数に相当する複数の状態変数を有するコンパートメントモデルである。状態変数の時間変化は、MPC ブロックの入力p1に与えられるベクトル[PARAM] によって
図2に示されている複数のパラメータを有する微分方程式系により規定されている。生理学的モデルの応答は、MPC ブロックの入力p2に与えられるベクトル[INIT]によって
図2に表されている状態変数に割り当てられた初期状態又は初期値により更に調整される。
【0040】
図3は、患者の血糖値の今後の展開を予測するために
図1の自動システムで使用されるMPC 生理学的モデルの(非限定)例を更に詳細に示す図である。Hovorka モデルとして知られているこのモデルの例は、Roman Hovorka らの「Nonlinear model predictive control of glucose concentration in subjects with type 1 diabetes」という題名の論文(Physiol Meas. 2004; 25:905-920)、及びRoman Hovorka らの「Partitioning glucose distribution/transport, disposal, and endogenous production during IVGTT」という題名の論文(Am J Physiol Endocrinol Metab 282: E992-E1007, 2002)に更に詳細に記載されている。
【0041】
図3の生理学的モデルは、血漿中のグルコースの発生率に対するグルコースの食事摂取の影響について記述する第1のバイコンパートメントサブモデル301 を有している。第1のバイコンパートメントサブモデル301 は、入力として、摂取されたグルコースの量cho(t)を、例えばmmol/minで受け、血漿中のグルコースの吸収速度U
Gを、例えばmmol/minで出力する。第1のバイコンパートメントサブモデル301 は、第1のコンパートメント及び第2のコンパートメント内のグルコースの量(例えばmmol)に夫々対応する2つの状態変数D
1, D
2を有している。
【0042】
図3の生理学的モデルは、患者に供給されるインスリンの、血漿中の吸収について記述する第2のバイコンパートメントサブモデル303 を更に有している。第2のバイコンパートメントサブモデル303 は、入力として、患者に注射されたインスリンの量i(t)を、例えばmU/minで受け、血漿中のインスリンの吸収速度U
Iを、例えばmU/minで出力する。第2のバイコンパートメントサブモデル303 は、第1のコンパートメント及び第2のコンパートメント内のインスリンの量(例えばmmol)に夫々対応する2つの状態変数S
1, S
2を有している。
【0043】
図3の生理学的モデルは、患者の身体によるグルコース調節について記述する第3のサブモデル305 を更に有している。第3のサブモデル305 は、入力として、グルコースの吸収速度U
G及びインスリンの吸収速度U
Iを受け、血糖値G(t)、つまり血漿中のグルコース濃度を、例えばmmol/lで出力する。第3のサブモデル305 は6つの状態変数Q
1, Q
2, x
3, x
1, x
2, I を有している。状態変数Q
1, Q
2は、第1のコンパートメント及び第2のコンパートメント内のグルコースの量(例えばmmol)に夫々対応する。変数x
1, x
2, x
3は、グルコース動態に対するインスリンの作用の各々を表す単位無しの変数である。変数I は、インスリン血症、つまり、血漿中のインスリン濃度(例えばmU/l)に対応する。
【0044】
Hovorka のモデルは以下の方程式系によって規定されている。
【0045】
【0046】
この方程式系では、量V
G, F
01, k
12, F
R, EGP
0, k
b1, k
a1, k
b2, k
a2, k
b3, k
a3, k
a, V
I, k
e, t
maxがパラメータである。V
Gは、グルコース分布容積(例えばリットル)に相当し、F
01 は、非インスリン依存性グルコースの移動速度(例えばmmol/min)に相当し、k
12 は、第3のサブモデル305 の2つのコンパートメント間の移動速度の定数(例えばmin
-1 )に相当し、k
a1, k
a2, k
a3 は、インスリン失活速度定数(例えばmin
-1 )に相当し、F
Rは、尿中のグルコース排出速度(例えばmmol/min)に相当し、EGP
0は、グルコースの内因性産生(例えばmin
-1 )に相当し、k
b1, k
b2, k
b3 は、インスリン活性化速度定数(例えばmin
-1 )に相当し、k
aは、皮下注射されたインスリンの吸収速度定数(例えばmin
-1)に相当し、V
Iは、インスリン分布容積(例えばリットル)に相当し、k
eは、血漿のインスリンの消失速度(例えばmin
-1)に相当し、t
maxは、患者によって摂取されたグルコースの吸収ピークまで経過した時間(例えばmin )に相当する。これら15のパラメータは
図2に表されているベクトル[PARAM] に相当する。ベクトル[INIT]は、モデルの10の状態変数D
1, D
2, S
1, S
2, Q
1, Q
2, x
1, x
2, x
3, I に割り当てられた(モデルに基づく患者の行動をシミュレートする段階の開始時点t
0での)初期値に相当する10の値を有する。
【0047】
ベクトルのパラメータ[PARAM] の中で、一部のパラメータは、所与の患者のための定数としてみなされてもよい。これらのパラメータは、例えばパラメータk
12, k
a1, k
a2, k
a3, k
a, k
e, V
I, V
G, t
maxである。しかしながら、以下では時間依存性パラメータと称される他のパラメータは経時的に変わることができ、例えばパラメータk
b1, k
b2, k
b3, EGP
0, F
01, F
Rである。微分方程式系のあるパラメータのこの変動性により、実際には、使用されるモデルを、例えば1~20分毎に定期的に再較正して、モデルの予測が確実に適切なままであることが必要である。モデルパーソナライゼーションと称されるモデルのこのような更新は、
図1のシステムによって自動的に実行され得るべきであり、つまり、患者で微分方程式系の時間依存性パラメータを物理的に測定して、その後、処理・制御ユニット105 に伝送する必要なく実行され得るべきである。
【0048】
図4は、
図1のシステムによって実行される自動血糖調節法の例を示す図である。
【0049】
この方法は、例えば規則的な間隔で、例えば1~20分毎に繰り返してもよい、モデルを再較正又は更新するステップ401 を有する。このステップ401 中、処理・制御ユニット105 は、過去の観察時間、例えば較正ステップ前の1~10時間、インスリン注射デバイス103 によって有効に注射されたインスリンに関するデータとセンサ101 によって測定された実際の血糖値に関するデータとを考慮して、モデルの時間依存性パラメータを再推定する方法を実行する。より具体的には、較正ステップ中、処理・制御ユニット105 は、(この時間中に起こり得るグルコース摂取及びインスリン注射を考慮して)生理学的モデルに基づき過去の観察時間に亘る患者の行動をシミュレートし、生理学的モデルによって推定される血糖値の曲線を、この同一の時間中、センサによって測定される実際の血糖値の曲線と比較する。その後、処理・制御ユニット105 は、モデルによって推定される血糖値の曲線とセンサによって測定される実際の血糖値の曲線との、観察時間中の誤差を表す量の最小化をもたらす一組の値を、モデルの時間依存性パラメータに関して検索する。例として、処理・制御ユニット105 は、例えば以下のように定められる、観察時間中にモデルによって推定される血糖値の曲線とセンサによって測定される実際の血糖値の曲線との間の面積を表す指標mの最小化をもたらす一組のパラメータを検索する。
【0050】
【0051】
図4の方法は、ステップ401 の後、患者に注射されたインスリンの履歴及び患者によって摂取されたグルコースの履歴を考慮して、ステップ401 で更新された生理学的モデルに基づき、次の時間の患者の血糖値の経時的な展開を、処理・制御ユニット105 によって予測するステップ403 を更に有する。
【0052】
図4の方法は、ステップ403 の後、ステップ403 で予測された今後の血糖値の曲線を考慮して、次の時間、患者に注射されるインスリンの量を処理・制御ユニット105 によって決定するステップ405 を更に有する。このステップの終わりに、処理・制御ユニット105 は、次の時間、決定された量のインスリンを供給すべくインスリン注射デバイス103 をプログラムしてもよい。
【0053】
血糖値を予測するステップ403 及び供給するインスリンの今後の量を決定するステップ405 を、例えば、生理学的モデルの更新毎(つまり、ステップ401 の各反復後)、患者によって通知されたグルコースの新たな摂取毎、及び/又はインスリン注射デバイス103 によるインスリン量のインスリンの新たな投与毎に繰り返してもよい。
【0054】
上述した動作で生じる問題は、ステップ401 で生理学的モデルを更新する際、処理・制御ユニット105 が、モデルから患者の行動をシミュレートし得るために、モデルの状態変数の初期状態(開始時点t0での状態)のベクトル[INIT]を定めるべきであるということである。このような初期状態は、患者の血糖値の今後の展開を予測し得る(ステップ403 )ためだけでなく、実際のモデル更新ステップ(ステップ401 )中に、過去の観察時間中の患者の血糖値の変化をシミュレートして、シミュレートされた血糖値を測定された血糖値と比較し得るためにも必要である。
【0055】
モデルの状態変数の初期状態を定めるために、第1の可能性として、モデルの較正の基となる観察時間[t0, t0+△T]の前の時間に、患者は、一定の注射インスリン流量で、グルコースの食事摂取無しで静止状態であったと仮定する。この仮定の下では、微分方程式系の導関数は全て開始時点t0でゼロとみなされ得る。そのため、微分方程式系の状態変数の開始時点t0での値を分析的に計算することができる。このような解決策の不利点は、モデル(推定される血糖値)の出力が抑制されないということである。特に、開始時点t0で推定される血糖値は、開始時点t0で測定される実際の血糖値とは異なる場合がある。この場合、シミュレートされた血糖値と測定された血糖値との誤差を最小化することにより、モデルの時間依存性パラメータを検索するためにステップ401 で実行されるアルゴリズムは収束するのが困難な場合がある。
【0056】
初期設定を改善するために、第2の可能性として、前述した仮定と同一の仮定を行うが、開始時点t0で推定される血糖値がセンサによって測定される実際の血糖値と等しいように変数Q1(t0)を抑制する。このため、開始時点t0での初期設定の関連性が改善され得る。しかしながら、開始時点t0では、推定される血糖値の導関数及び実際の血糖値の導関数は発散する場合がある。従って、微分方程式系の時間依存性パラメータを検索するためのアルゴリズムは、ここでも収束するのが困難な場合がある。
【0057】
実際、生理学的モデルの初期状態を決定する2つの上記の方法は多くの場合不十分であり、モデルの時間依存性パラメータに関連した一組の値を検索することを困難にする。結果として、モデルに基づく患者の血糖値の今後の展開の予測が誤っている場合があり、システムによる血糖値の不十分な調節をもたらす。
【0058】
この問題を克服するために、実施形態の態様によれば、モデルを較正するか又は更新する段階(ステップ401 )中、モデルの初期状態[INIT]を確率変数とみなし、モデルの時間依存性パラメータを評価すべく行われるように、モデルによって推定される血糖値の曲線とセンサによって測定される実際の血糖値の曲線との、較正の基となる観察時間中の誤差を表す量を最小化することにより、最適な組の初期状態の値を検索する。
【0059】
生理学的モデルの時間依存性パラメータ及び状態変数の蓄積された数がかなり少ない場合、時間依存性パラメータ及び状態変数の初期状態の最適値は、推定される血糖値と実際の血糖値との、過去の観察時間に亘る誤差を最小化することにより、モデルを最適化する同一のステップ中に同時的に決定されてもよい。
【0060】
実際、Hovorka のモデル、及び身体によるインスリン及びグルコースの同化作用及び血糖に与えるこれらの影響について記述するほとんどの生理学的モデルでは、時間依存性パラメータ及び状態変数の蓄積された数が比較的多く、最適値を検索する段階中に数値不安定性をもたらす場合がある。言い換えれば、ある値は、あまりにも多くの未知数があるので、1回の検索では推定することが困難な場合があり、不可能な場合もある。この場合、問題は、
図5に関連して記載されるように、モデルの時間依存性パラメータの推定及びモデルの初期状態の推定に夫々対応する2つのサブ問題に分けられ得る。
【0061】
図5は、
図4のステップ401 の実施形態に対応する、
図1のシステムの自動的に較正又は更新する方法の実施形態を示す図である。
【0062】
この方法は、(ここではモデルの時間依存性パラメータのみに減らされた)パラメータベクトル[PARAM] を第1組の値P1に初期設定するステップ501 を有する。第1組の値P1は、例えばモデル更新段階の開始前にパラメータ[PARAM] によってとられる値に相当する。変形例として、値P1の第1組は、例えば基準時間に亘ってパラメータ[PARAM] によってとられる平均値に相当する所定の基準組である。ステップ501 中、状態変数の初期状態[INIT]のベクトルを第1組の値I1に更に初期設定する。較正段階の前の時間に患者は静止状態であると仮定し、開始時点t0で推定される血糖値をこの同一の時点で測定される実際の血糖値と一致させることにより、第1組の値I1を、例えば上述したように分析的に決定する。
【0063】
ステップ501 の後のステップ503 中、処理・制御ユニット105 は、一組の初期状態[INIT]をその現在の状態に設定することにより、モデルに基づき推定される血糖値の曲線と実際の血糖値の曲線との、観察時間中の誤差を表す量、例えば上記で定められた指標mの最小化をもたらすモデルの一組の時間依存性パラメータの値を検索する。このステップの終わりに、ベクトル[PARAM] を推定された新たな値で更新する。
【0064】
ステップ503 の後のステップ505 中、処理・制御ユニット105 は、一組のパラメータ[PARAM] をその現在の状態に設定することにより、モデルに基づき推定される血糖値曲線と実際の血糖値の曲線との、観察時間中の誤差を表す量、例えば上記で定められた指標m、又は2つの曲線の誤差を表すあらゆる他の指標、例えばL1標準に基づく指標の最小化をもたらす一組の状態変数の初期状態の値を検索する。このステップの終わりに、ベクトル[INIT]を推定された新たな値で更新する。
【0065】
この例では、ステップ503 及びステップ505 が所定の回数N、繰り返され、ここでNは1より大きい整数である。そのため、更新されたモデルの時間依存性パラメータ及び初期状態の値は、ステップ503 及びステップ505 のN回の反復の終わりのベクトル[PARAM] 及びベクトル[INIT]の値に相当する。変形例として、ステップ503 及びステップ505 の反復の回数を予め決めず、モデルに基づき推定される血糖値と実際の血糖値との観察時間に亘る誤差の指標mの展開を考慮して調節することができる。
【0066】
ステップ503 及びステップ505 で使用される最適値検索アルゴリズムは本願では詳述されておらず、記載された実施形態は、費用関数の最小化によってパラメータ最適化の問題を解決すべく、様々な分野で使用される通常のアルゴリズムと適合する。
【0067】
生理学的モデルの状態変数の初期値を、測定される血糖値データと推定される血糖値との、過去の観察時間中の誤差を表す量の最小化によって決定する上記の動作方法の利点は、患者の今後の血糖値予測の質を高めることが可能になり、ひいてはインスリン摂取をより適切に制御することが可能になるということである。
【0068】
別の実施形態の目的は、患者の今後の血糖値を予測するために使用される生理学的モデルの起こり得る欠陥による患者の危険性を制限し得ることである。
【0069】
このために、実施形態の態様によれば、調節システムの処理・制御ユニット105 は、生理学的モデルを更新するか又は再較正する各ステップ(ステップ401 )の後、更新された生理学的モデルの質を一又は複数の質の数値指標によって推定することができ、モデルの質が不十分であるとみなされる場合、患者の血糖値を調節するためにモデルの使用を停止することができる。
【0070】
図6は、
図1のシステムによって実行される自動血糖調節法の実施形態を示す図である。
【0071】
この方法は、
図4の例と同一のステップ401 、ステップ403 及びステップ405 を有する。しかしながら、
図6の方法は、調節システムによって使用される生理学的モデルを更新する各ステップ401 の後であって、次に続く、モデルから患者の今後の血糖値を予測するステップ403 及び血糖値予測に基づくインスリン供給を制御するステップ405 の前に、更新されたモデルの質を検証するステップ601 を更に有する。
【0072】
ステップ601 で、処理・制御ユニット105 は、ステップ401 で更新されたモデルの質の一又は複数の数値指標を決定する。例として、処理・制御ユニット105 は、過去の観察時間中にモデルに基づき推定される血糖値の曲線とセンサ101 によって測定される実際の血糖値の曲線との間の面積を表す質の数値指標を計算する。この数値指標は、例えば上記に定められた量mに相当する。
【0073】
過去の観察時間中に推定される血糖値曲線と実際の血糖値曲線との間の表面積を表す指標の代わりに、又はこの指標を補うものとして、処理・制御ユニット105 は、以下の質指標m1, m2の一方及び/又は他方を計算してもよい。
【0074】
【0075】
例として、値m 、値m1及び値m2が所定の閾値より小さいとき、モデルの質は処理・制御ユニット105 によって十分であるとみなされ得る。より一般的には、ステップ401 で再較正された生理学的モデルが信頼できるとみなされ得るか否かを判断するために、あらゆる他の質基準又はあらゆる他の質基準の組み合わせをステップ601 で使用してもよい。
【0076】
ステップ601 (Y) で生理学的モデルが信頼できるとみなされた場合、ステップ403 及びステップ405 を、前述したステップと同様に実行することができ、すなわち、処理・制御ユニット105 は、患者へのインスリンの供給を調節するために生理学的モデルによる予測に従い続ける。
【0077】
ステップ601 (N) で生理学的モデルが十分に信頼できないとみなされた場合、処理・制御ユニット105 は、患者へのインスリンの供給を調節するためにこのモデルの使用を停止して、ステップ603 で代わりの調節方法を実行する。
【0078】
例として、ステップ603 で、処理・制御ユニット105 は、簡略化された生理学的モデル、例えば、最初のモデルと比較して数を減らした状態変数及び数を減らしたパラメータを有するコンパートメントモデルを使用して、患者の血糖値の展開を予測し、ひいてはインスリン注射を調節する。
【0079】
変形例として、ステップ603 で、処理・制御ユニット105 は予測制御の実行を停止する、すなわち、患者の今後の血糖値を予測し、ひいてはインスリン注射を調節するための生理学的モデルの使用を停止する。この場合、処理・制御ユニット105 は、例えばインスリン注射デバイス103 を制御して、例えば患者に処方される基準基礎比率に相当する予めプログラムされた量のインスリンを供給する。
【0080】
このような代わりの方法を、例えば所定の時間中に使用してもよい。この時間の終わりに、主な生理学的モデルを較正するステップ401 及び主な生理学的モデルの質を推定するステップ601 を繰り返し、主な生理学的モデルの質が十分であるとみなされた場合、患者へのインスリンの供給を調節するためにこのモデルの使用を再開させてもよい。
【0081】
図6の方法は、生理学的モデルの較正が、測定される血糖値データと推定される血糖値との、観察時間中の誤差を表す量を最小化することにより、モデルの状態変数の初期値を決定するステップを有する
図4及び
図5に関連して記載された実施形態に限定されず、モデルの状態変数の初期値を決定する選択された方法が何であれ、使用されてもよいことに注目すべきである。
【0082】
特定の実施形態が述べられている。様々な変更、調整及び改良が当業者に想起される。特に、記載された実施形態は、本開示に詳述された生理学的モデル、つまりHovorka のモデルの特定の例に限定されず、患者の身体によるインスリンの同化作用及び患者の血糖に与えるこの影響について記述するいかなる生理学的モデル、例えば、Chiara Dalla Man等著の「A System Model of Oral Glucose Absorption: Validation on Gold Standard Data」という題名の論文(IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING, VOL. 53, No. 12, DECEMBER 2006)に記載されたCobelli のモデルと称されるモデルと適合する。
【0083】
本特許出願は、参照によって本明細書に組み込まれる仏国特許出願第16/58881 号明細書の優先権を主張している。