运动模式下人工胰脏血糖代谢建模及控制

Nowadays, diabetes mellitus has become one of the most serious chronic diseases worldwide. At present, artificial pancreas (AP) is an important therapeutic method which combines glucose sensor, closed-loop controller and insulin pump together. However, the influence of exercises on glucose fluctuation has become one of the bottlenecks which limit the glucose control accuracy. The reason behind this is that the quantitative relationship between exercise and glucose metabolism remains unclear. Hence, the aim of this project is to study the quantitative description method of aerobic, resistant and mixed exercises and establish the metabolism model based on the information sampled from wearable inertial sensors, and then study the individualized glucose control methods by using transfer learning and regularized optimization theories. The main research contents include: (1)study the quantitative analysis methods of exercise, and then build the nonlinear mapping models between multi-sensor information and glucose concentration; (2) study the model transfer methods between different individuals; (3) study the closed-loop blood glucose optimization control method which satisfy the multi-targets of minimized insulin infusion dose, least hyperglycemia and hypoglycemia risks, and minimized blood glucose fluctuation. The results of this project can not only reveal the inherent rules between exercises and glucose metabolism and enhance the knowledge of blood glucose metabolism mechanism of diabetic patients during and after exercises, but also can promote the glucose control accuracy and generalization of AP.

糖尿病是全球最严重的慢性疾病之一。目前，对其治疗的重要手段是集血糖传感器、闭环控制器和胰岛素泵于一体的人工胰脏。但运动因素对血糖波动的影响，已成为制约人工胰脏血糖精准控制的一个重要问题。究其原因，是因为运动与血糖代谢间的定量关系尚不明确。为此，本项目拟基于穿戴式多源惯性传感器信息采集，利用机器学习方法研究运动模式（包括有氧运动、阻抗运动和混合运动）的定量刻画方法并建立运动模式下血糖代谢模型，并结合迁移学习、正则优化等理论，研究个体化血糖控制方法。具体包括：（1）运动模式定量刻画方法及运动模式下血糖代谢模型建立；（2）跨个体运动模式下血糖代谢模型迁移方法；（3）运动模式下满足最小胰岛素输注剂量、最少高血糖与低血糖风险、最小血糖波动范围等要求的血糖闭环控制方法。其成果不仅可以揭示运动模式下血糖代谢的内在规律，丰富对糖尿病患者运动影响血糖机理的认识，而且将有助于提升人工胰脏血糖精准控制和普适性。

本项目紧紧围绕糖尿病患者在运动模式下的血糖代谢模型建立、血糖预测及控制等问题展开研究，具体研究内容包括：（1）穿戴式运动捕捉设备研制方面，自主研制了内嵌三轴加速度计、三轴陀螺仪和三轴磁力计的九轴惯性传感器节点模块，且基于ZigBee无线传输协议组建了无线传感器网络，实现了糖尿病患者在完成不同运动过程中运动信息（运动时长、运动强度、运动类型等）的完整记录；（2）运动模式下糖尿病患者血糖数据采集方面，共分两个阶段的实验展开研究。第一阶段，通过临床实验采集了10名糖尿病患者在有氧运动（散步和慢跑）模式下的血糖波动数据和运动强度数据；第二阶段，受新冠肺炎疫情影响，临床实验被迫中断，利用UVA/Padova T1DM软件仿真模拟了多种实验场景下的糖尿病患者血糖波动数据；（3）运动模式下糖尿病患者血糖代谢模型建立方面，利用微分方程方法建立了有氧运动下糖尿病患者血糖代谢数学模型，结合数值仿真方法研究了不同强度（低、中、高）的有氧运动对Ⅰ型和Ⅱ型糖尿病患者血糖波动的影响以及胰岛素输注策略的优化；（4）运动模式下糖尿病患者血糖预测模型建立方面，基于支持向量机、循环神经网络和长短时记忆神经网络等方法建立了I型糖尿病患者运动模式下的血糖预测模型，在此基础上研究了不同输入特征对模型预测性能的影响，并通过克拉克误差网络分析方法对血糖预测结果的误差进行了分析；（5）除了项目计划任务书中设定的研究内容外，本项目在糖尿病患者的认知功能定量评估方面也展开了研究，建立了基于人工智能的计算力、记忆力、语言表达能力和执行能力的定量评估模型。项目执行期间，共发表学术论文8篇，其中SCI收录1篇，EI收录1篇，中文核心6篇，通信作者论文5篇。共申请发明专利3项，申请软件著作权2项。共培养了5名与本项目相关的研究生，其中1人为博士研究生。