El llamado páncreas artificial, un sistema automatizado de administración de insulina para personas con diabetes mellitus tipo 1, utiliza un algoritmo de control avanzado para regular la cantidad de insulina que debe administrar una bomba y cuándo. La regulación de la glucosa es un desafío porque los niveles responden a ununa amplia gama de variables, que incluyen alimentos, actividad física, sueño, estrés, hormonas, metabolismo y más.
Durante años, los investigadores han estado tratando de encontrar el mejor algoritmo de control para dar cuenta y controlar todas estas variables. A lo largo de los años, dos estrategias de control principales surgieron como pioneras: el control predictivo del modelo MPC y el control integral proporcional.derivativo PID. Ha habido un largo debate en el campo sobre cuál de estos controles funciona mejor.
Ahora, investigadores de la Escuela de Ingeniería y Ciencias Aplicadas John A. Paulson de Harvard y el Centro de Diabetes William Sansum han realizado la primera evaluación cruzada aleatoria directa de los dos controles en condiciones clínicas comparables. El equipo encontró que MPCsuperó al PID en el resultado primario del estudio, así como en varios resultados secundarios.
La investigación fue presentada por Frank Doyle, Decano de la Escuela de Ingeniería y Ciencias Aplicadas de Harvard Paulson y autor principal del estudio en la reunión de la Asociación Americana de Diabetes de 2016 en Nueva Orleans y publicado en la revista Diabetes Care.
"Esta investigación no pondrá fin al debate porque ambos controles funcionaron bien", dijo Eyal Dassau, investigador principal en Ingeniería Biomédica de SEAS y coautor del artículo. "Pero mostramos que hay escenariosen el que MPC es superior, debido a la flexibilidad de ese diseño. Este es el primer estudio clínico real frente a frente que compara los dos controladores principales en condiciones idénticas con la misma población en un estudio cruzado aleatorizado ".
"Lo que es notable aquí es que usamos una formulación muy básica de MPC, y todavía superó a PID", dijo Doyle. "Tenemos versiones mucho más sofisticadas del algoritmo que se han probado en cientos de sujetos y están en eletapas iniciales de desarrollo comercial. Es un algoritmo notable, flexible y potente ".
Doyle y Dassau fueron colaboradores en la Universidad de California, Santa Bárbara antes de unirse a Harvard en el otoño de 2015.
Un sistema de páncreas artificial controlado con un sistema PID es reactivo, como un termostato doméstico que ajusta la temperatura. Pero el MPC es proactivo, lo que permite que el sistema piense en varios pasos por delante, predice cuándo el cuerpo puede necesitar más o menos insulina y planifica con anticipación.
El estudio clínico consistió en 30 adultos con diabetes tipo 1. Se les asignó al azar un control de PID o MPC para la primera ronda del estudio y luego cambiaron a la segunda. Cada participante tenía la misma comida para comer y el mismo horarioLos investigadores observaron cómo el sistema respondía a las comidas anunciadas, cuando la insulina se administra manualmente antes de una comida; las comidas no anunciadas, para simular cuando las personas olvidan aumentar la insulina antes de comer; cómo el sistema controlaba la insulina antes y después del desayuno, cuando la insulinala resistencia aumenta debido a las hormonas y el control durante la noche.
Los investigadores monitorearon los niveles de glucosa de los participantes en tiempo real, a intervalos de cinco minutos.
El equipo encontró que mientras ambos controles funcionaban, MPC mantuvo a los participantes dentro del rango de glucosa segura el 74 por ciento del tiempo, mientras que PID los mantuvo en el rango el 64 por ciento del tiempo, incluida una comida no anunciada. Los valores medios de glucosa para cada sujeto también fueronestadísticamente más bajo para MPC en comparación con PID.
Ser capaz de predecir esos altibajos y proporcionar una administración óptima de insulina es una gran parte del éxito de MPC, dijo Dassau.
"Con MPC, tenemos una visión hacia el futuro y podemos hacer correcciones de rumbo antes de que suceda algo malo como hipoglucemia", dijo. "El modelo puede identificar una deriva y corregir el rumbo gradualmente sin causar un aterrizaje forzoso. PID por sí solono tiene esa capacidad de predicción ".
Los siguientes pasos son realizar estudios ambulatorios más largos para aprender cómo adaptar el sistema a cambios a largo plazo en el estrés, el nivel de actividad, el aumento o la pérdida de peso, etc. El objetivo final es crear un sistema que pueda adaptarse a todosde estos cambios con mínima participación del paciente.
"La diabetes es una enfermedad única en el sentido de que los pacientes están muy involucrados en su propia terapia y deben depositar mucha confianza en un sistema automatizado", dijo Dassau. "Nuestro objetivo es mejorar esa confianza y hacer que los usuariospuede dedicar menos tiempo a la diabetes ".
Fuente de la historia :
Materiales proporcionado por Escuela de Ingeniería y Ciencias Aplicadas de Harvard . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :