管理糖尿病就像解决数字不断变化的每日数学问题一样。现在，伯尔尼大学和马斯特里赫特大学的一支团队说，人工智能最终可能会提供一个更聪明的解决方案，该解决方案比任何图表或应用程序都能更好地了解您的身体。
在他们的新 学习，研究人员探讨了如何 加强学习（RL）– 一种具有智能经验的AI形式，可以改变胰岛素疗法。这些智能系统不依赖固定的规则或手动输入，而是适应现实生活中的混乱：不可预测的餐点，运动，压力，睡眠，甚至是那些无法解释的神秘葡萄糖尖峰。
为什么这很重要：您不是机器人。您的胰岛素不应该像一个。
传统的胰岛素系统（例如推注计算剂或固定方案）遵循模式。剧透：不是。这就是为什么尽管使用了现代工具，但如此多的人仍然会面临危险的高潮和低谷的原因。
根据团队的说法，AI提供的是 实时自适应模型 实际上从中学到 你。将其视为一种算法，不仅可以观察您的数字，而且可以逐渐构建一本内部剧本，说明您的身体如何反应，然后相应地调整胰岛素策略。
核心是 强化学习，如果AI像决策代理一样行事：它做出胰岛素的选择，看到您的身体的反应（奖励或罚款），并进行微调未来的决策。随着时间的流逝，它会变得更好地达到难以捉摸的目标范围，尤其是在传统系统（如麦克峰值或运动下降）的瞬间。
一些模型使用深层神经网络来做出这些预测。其他人则将控制理论和生理学融为一体，以自动调整剂量，即使不知道您吃了什么或何时进食。这是正确的： AI现在可以猜测您的饭菜时间和葡萄糖图案的成分。
闭环，开环，混合动力车：AI都可以
无论您是与连续的葡萄糖监测仪（CGM）搭配胰岛素泵，还是坚持使用笔和书架的例程，研究概述了适合所有设置的模型。实际上，某些AI系统是专门设计的 便宜，更容易获得的工具，为没有高端技术的人带来智能的胰岛素支持。
甚至在 2型糖尿病，如果使用胰岛素通常更可变，则RL算法已经开始以剂量建议的表现优于人类临床医生，而没有增加低血糖的风险。
大胜利：较少的微观管理，更好的结果
- 无需进餐：某些系统甚至不需要您宣布餐点或计算碳水化合物。
- 范围更多的时间：在模拟和早期试验中，RL模型始终优于常规计算器。
- 现实世界证明：在一项临床可行性研究中，最近的一种算法BET医师规定剂量。
- 量身定制现实生活：这些系统因高脂餐，活性水平和胰岛素敏感性而变化。
该文件清楚地清楚了障碍。临床试验仍然有限。监管监督仍在追赶。而且，如果您想像一个黑盒算法，可以在没有解释的情况下决定您的健康，那也是一个问题。透明度和解释性对于患者信任仍然至关重要。
另外，并非每个人都能负担得起最新的装备。这就是研究人员也在探索的原因 笔和fingerstick兼容的系统，确保该技术不会成为另一种医疗保健特权。
为了释放AI驱动的胰岛素系统的全部潜力，研究人员说我们需要：
- 碳水化合物以外的富裕模拟说明了睡眠，疾病和大量营养素。
- AI专家，临床医生和患者之间的跨学科合作。
- 更容易访问的系统不会假设每个用户都有CGM和iPhone。
但是方向很明显： 糖尿病护理正在从手册转变为智能。
特色图片来源： KeremGülen/Midjourney
