Controllo della glicemia indotta dai pasti per tipologia

Dec 13, 2023

Scientific Reports volume 12, numero articolo: 12228 (2022) Citare questo articolo

5106 Accessi

1 Citazioni

Dettagli sulle metriche

In questo studio, viene proposto un metodo di backstepping adattivo per regolare la glicemia indotta dai pasti per i pazienti con diabete di tipo 1. Il controller backstepping viene utilizzato per controllare il livello di glucosio nel sangue e viene utilizzato un algoritmo adattivo per compensare il glucosio nel sangue indotto dai pasti. Inoltre, l'efficacia del metodo proposto viene valutata confrontando i risultati in due diversi casi di studio: in presenza di guasti all'attuatore e alla perdita dell'input di controllo per un breve periodo durante il trattamento. Gli effetti dei pasti non annunciati tre volte al giorno vengono studiati in ogni caso per un paziente nominale. Si sostiene che il backstepping adattivo sia il metodo di controllo preferito in entrambi i casi. La teoria di Lyapunov viene utilizzata per dimostrare la stabilità del metodo proposto. I risultati ottenuti hanno indicato che il controller adattivo del backstepping è stabile e che il livello desiderato di concentrazione di glucosio viene monitorato in modo efficiente.

Il diabete mellito è un gruppo di malattie metaboliche che portano all'iperglicemia1 o all'ipoglicemia2, dove a causa di difetti nella secrezione di insulina, nell'azione dell'insulina o in entrambi3, il livello di glucosio sale rispettivamente al di sopra o al di sotto della zona di sicurezza4. Secondo l’OMS, il diabete è una delle principali cause di morte nel mondo, mentre 422 milioni di persone nel mondo soffrono di diabete.

Secondo l'American Diabetes Association, esistono quattro tipi di diabete: tipo 1, tipo 2, diabete gestazionale (diabete durante la gravidanza) e tipi specifici di diabete (come difetti genetici nell'azione dell'insulina)5. Il diabete di tipo 1 (T1D) è una condizione cronica in cui la distruzione delle cellule pancreatiche \(\upbeta\) culmina tipicamente in una carenza assoluta di insulina (il pancreas rilascia una quantità minima o nulla di insulina)6. I principali sintomi del T1D sono poliuria (produzione eccessiva di urina), polidipsia (sensazione di estrema sete) e perdita di peso7. Negli Stati Uniti, secondo i CDC (Centri per il controllo e la prevenzione delle malattie), più di 34 milioni (circa 1 su 10) hanno il diabete, di cui il 5-10% ha il diabete di tipo 1. Uno schema delle conseguenze del diabete a lungo termine è illustrato nella Fig. 1. Il rischio di T1D è in aumento in tutto il mondo e ogni anno vengono diagnosticati quasi 90.000 bambini8. Di conseguenza, l'iniezione di insulina esogena, per il resto della vita del paziente, è necessaria per mantenere al sicuro il livello di glucosio del diabete di tipo 19.

Uno schema delle conseguenze del diabete a lungo termine.

Attualmente nessuno sa come prevenire il diabete di tipo 1, ma sappiamo come controllarlo. Il modo più comune è iniettare l'insulina ogni giorno fino a 4 o 5 volte. Un altro metodo è l'infusione continua di insulina sottocutanea. Il confronto dell'efficacia tra questi due metodi può essere trovato in10,11. Ma un altro nuovo approccio promettente è stato studiato con l’introduzione del pancreas artificiale, dove il diabete incontra la teoria del controllo. Il pancreas artificiale, noto anche come controllo a circuito chiuso della glicemia, è un sistema che combina un sensore, un algoritmo di controllo e una pompa per insulina12. In questo approccio, l'obiettivo è imitare la funzione dell'insulina pancreatica, in cui il sensore fornisce le misurazioni della concentrazione di glucosio nel sangue (BGC) e trasmette le informazioni a un sistema di controllo feedback che deciderebbe quanta insulina è necessaria per mantenere il glucosio del paziente entro la zona sicura13.

Per progettare un pancreas artificiale di questo tipo, in letteratura sono stati proposti diversi metodi e algoritmi di controllo. Per citarne alcuni, viene proposto un controller basato su PID per fornire una regolazione in tempo reale dei parametri14,15. In16, il regolatore PID è progettato in modo tale da essere acceso solo dopo i pasti e rimanere spento prima. Il controllore predittivo del modello (MPC) è tra i metodi ampiamente studiati17,18,19 in base al suo vantaggio; la sua capacità di adattarsi ai cambiamenti che si verificano nella variabilità interpaziente con il passare del tempo. Tuttavia, l’efficienza dell’MPC dipende da quanto accurato è il modello assunto. Un altro metodo applicato in letteratura sono gli algoritmi di logica fuzzy che richiedono un insieme di regole basate sulla conoscenza avanzata del sistema o del problema20,21. In22 viene proposto uno schema di controllo adattivo, in cui il controller viene regolato in base ai cambiamenti nel comportamento del sistema. Il metodo backstepping, introdotto per la prima volta nel 23 per i sistemi dinamici non lineari, è uno dei metodi di controllo più diffusi. Ha una procedura di progettazione ricorsiva e si è dimostrato altamente applicabile per il controllo della glicemia24,25, ma flessibile per essere utilizzato insieme ad altri metodi, in particolare con il controllo adattivo26,27. Per introdurre il controllo adattivo nel quadro, la teoria di Lyapunov28,29,30 è la chiave per determinare la regola adattiva. Ma, per controllare la glicemia del T1D utilizzando l’algoritmo backstepping, c’è ancora una lacuna in letteratura secondo cui sarebbe vantaggioso applicare anche il controllo adattivo, per compensare l’effetto incerto dei pasti. Esistono vari approcci per affrontare le incertezze della dinamica del sistema. Per citarne alcuni, una tecnica consiste nell'utilizzare una rete neurale31, mentre l'altra è il controllo adattivo o una combinazione di entrambi32. Rispetto al backstepping, il backstepping adattivo può comportare incertezze del modello, mentre potrebbe sfuggire al controllo utilizzando il metodo del backstepping. Pertanto, il backstepping adattivo è più affidabile, soprattutto in presenza di incertezze, che possono essere osservate nelle applicazioni del mondo reale. Per quanto ne sappiamo, non esistono studi sul confronto tra l’efficienza dei metodi di backstepping e di backstepping adattivo per controllare il T1D con un disturbo incerto dei pasti. Inoltre, l’algoritmo di backstepping adattivo da noi proposto è robusto in presenza di guasti dell’attuatore e perdita di input di controllo per un breve periodo, rispetto alla precedente ricerca su questo argomento in letteratura.