AndroidAPS: ako funguje algoritmus AIMI

AndroidAPS AIMI prepája viacero častí rozhodovania o inzulíne. Spája citlivosť, odhad účinku inzulínu, predikciu glykémie, jedlo, pohyb aj riadenie bazálu.

Cieľom takýchto systémov je znížiť množstvo rozhodnutí, ktoré musí človek s diabetom robiť počas bežného dňa. Aby však bolo možné ich správanie posúdiť, potrebujeme rozumieť aj tomu, z akých údajov vychádzajú a kde sa môžu pomýliť. Tento článok vysvetľuje AIMI od vstupných údajov cez návrh inzulínu až po jeho obmedzenie a záznam rozhodnutia.

Čo je AIMI a čo zostáva z AndroidAPS

AIMI je experimentálny projekt založený na AndroidAPS, teda samostatná vývojová vetva projektu. Zachováva jeho prepojenie so senzormi, pumpami, profilom a uzavretú slučku, ale výrazne rozširuje výpočet, ktorý navrhuje dávkovanie. Skratka AIMI znamená Advanced Intelligent Mathematical Insulin.

Nie je to jeden nový vzorec ani prepínač, ktorý sa pridá ku klasickému AndroidAPS. V projekte spolupracujú viaceré mechanizmy. Niektoré odhadujú, čo sa deje v tele, iné navrhujú reakciu a ďalšie ju obmedzujú. Výsledkom môže byť zmena dočasného bazálu, automatický mikrobolus, zníženie inzulínu alebo rozhodnutie počkať.

Automatický režim Autodrive V3 pritom nie je synonymom celého AIMI. Je jednou z jeho dávkovacích ciest. Aj keď sa nezapojí, ostatné časti algoritmu môžu pokračovať v spracovaní údajov a riadení bazálu. Rozhodnutie algoritmu navyše ešte nie je potvrdením, že pumpa inzulín skutočne podala.

Základné pojmy AIMI

PojemČo znamená v článku
PK/PDFarmakokinetika a farmakodynamika. V tomto kontexte model časového priebehu a účinku podaného inzulínu.
MPCModel Predictive Control, prediktívne riadenie, ktoré porovnáva budúci vývoj pri viacerých možných zásahoch.

Interné výpočty často používajú mg/dl, aj keď aplikácia zobrazuje mmol/l. Na približný prevod delíme mg/dl hodnotou 18. Číselné hranice spomenuté nižšie opisujú konkrétny kód, nie odporúčané nastavenia liečby.

Ako vyzerá jeden prepočet uzavretej slučky

  1. Načíta údaje: aktuálnu glykémiu, jej zmeny, profil, inzulín, sacharidy a dostupný kontext.
  2. Odhadne stav: citlivosť, časový priebeh účinku inzulínu, pravdepodobný príchod glukózy a možné vysvetlenia vzostupu či poklesu.
  3. Vytvorí predikcie: vyhodnotí budúcu glykémiu a riziká pri pokračovaní aktuálneho vývoja.
  4. Vyberie reakciu: podľa režimu a podmienok sa zapojí bazálny regulátor, Autodrive, režim jedla alebo iná dávkovacia cesta.
  5. Uplatní obmedzenia: návrh zmenia príslušné limity, ochrany, intervaly a možnosti pumpy.
  6. Zaznamená rozhodnutie: uloží zdroj návrhu, dôvody zmien a údaje použiteľné pri ďalšom vyhodnocovaní.

Skutočná implementácia má odbočky, skoré ukončenia a samostatné cesty pre jednotlivé režimy. Nie každá vrstva sa použije pri každom prepočte.

1. Z glykémie sa stáva priebeh a kontext

Hodnota 9 mmol/l sama osebe nestačí. AIMI potrebuje vedieť, či glykémia prudko stúpa, stojí na mieste alebo už klesá. Preto používa okamžitú deltu, krátkodobé aj dlhodobé priemery zmien a odvodené ukazovatele zrýchľovania či brzdenia.

Do rozhodovania môže vstupovať aj množstvo a čas podaného inzulínu, zadané sacharidy, aktivovaný režim jedla, kroky, tep, denná doba a ďalšie dostupné fyziologické údaje. Neznamená to, že každý používateľ má všetky tieto vstupy. Ich neprítomnosť alebo nízka kvalita mení, na čo sa systém môže spoľahnúť.

AIMI pracuje aj s dôverou v senzor a s rozlíšením možného jedla, pohybu, ranného vzostupu či zotavovania po hypoglykémii. Ide o pracovné hypotézy. Zo samotnej krivky nemožno spoľahlivo zistiť, či človek práve jedol, zažil stres alebo nastal problém s infúznym setom.

2. Inzulínová citlivosť

Pri zapnutej dynamickej citlivosti AIMI kombinuje viacero odhadov. Pomalší základ vychádza z profilového ISF, dennej spotreby inzulínu a úprav súvisiacich s PK/PD. Rýchlejšie výpočty reagujú na aktuálnu glykémiu, trend a priebežne spracované TDD.

Jedna rýchla cesta používa Kalmanov filter, druhá samostatný výpočet IsfAdjustmentEngine. Filter tu vyhladzuje odhad. Nie je to laboratórne meranie citlivosti. V sledovanom kóde sa z dvoch rýchlych odhadov vyberá vyššia hodnota ISF a potom sa mieša s pomalým základom. Vyššie ISF v tomto kroku predpokladá silnejší účinok inzulínu a predstavuje zdržanlivejšiu voľbu.

Následne sa môžu uplatniť ďalšie úpravy podľa trendu, geometrie glykemickej krivky a fyziologického kontextu. Prechod medzi hodnotami sa tlmí obmedzením rýchlosti zmeny. Nemožno však celý reťazec opísať jediným percentom, pretože jeho jednotlivé časti majú vlastné podmienky.

Aktuálny kód obsahuje aj dolnú hranicu dynamického ISF voči platnému statickému profilu: štandardne polovicu profilového ISF. Jej účelom je obmedziť prílišné zníženie citlivosti vo výpočte. Nie je to úplná symetrická hranica od 0,5 do 2-násobku profilu. Takéto širšie riešenie opisujú aj návrhové dokumenty, ale nesmieme ho zameniť za už nasadené správanie.

Záleží na tom z dôvodu, ak výpočet zníži ISF, odhaduje slabší účinok jednej jednotky. Mení sa tým nielen potreba ďalšieho inzulínu, ale aj očakávaný účinok inzulínu, ktorý už bol podaný. Preto treba citlivosť posudzovať spolu s predikciami a IOB, nie iba ako ovládač rýchlosti korekcie.

3. PK/PD: koľko inzulínu zostáva a kedy bude pôsobiť

Rovnaké IOB môže predstavovať rozdielne situácie. Časť inzulínu bola podaná pred chvíľou a jej účinok sa ešte len rozbieha. Iná časť sa môže nachádzať blízko vrcholu alebo v doznievaní. AIMI sa preto nesnaží pracovať iba s jedným súčtom jednotiek.

Adaptívna časť PK/PD odhaduje efektívnu dobu účinku inzulínu, označovanú DIA, a čas vrcholu účinku. Porovnáva pozorovanú zmenu glykémie s tým, čo by očakával model. Parametre mení postupne, v stanovených hraniciach a s návratom smerom k východiskovým hodnotám.

Učenie nie je bezpodmienečné. Kód odmieta napríklad nevhodné časové okno, príliš malé IOB, výraznejšiu prítomnosť sacharidov, cvičenie, rýchly rast alebo situácie s nízkou či prudko klesajúcou glykémiou. Dôvod je jednoduchý: pokles po behu alebo vzostup po jedle nemožno pripísať iba vlastnostiam inzulínu.

Výsledok sa používa na opis fáz jeho účinku a vo vybraných predikčných cestách. PK/PD môže tiež tlmiť ďalšie SMB, keď model očakáva ešte významný účinok už podaného inzulínu. Základné rozlíšenie je: ISF opisuje silu účinku, kým DIA a čas vrcholu opisujú jeho rozloženie v čase.

Ani adaptívny model však priamo nemeria vstrebávanie inzulínu z podkožia. Jeho odhad ovplyvňujú správnosť záznamov, jedlo, pohyb, senzor aj samotná matematická aproximácia. Navyše nie všetky predikcie v AIMI používajú rovnaký model. MPC má vlastnú zjednodušenú dynamiku, ku ktorej sa ešte dostaneme.

4. Neohlásené jedlo: odkiaľ sa berie rast, ktorý model nečakal?

Pri neohlásenom jedle nemá slučka priamy údaj o sacharidoch. AIMI porovnáva pozorovaný vývoj s tým, čo by očakávalo od aktuálnej glykémie a pôsobiaceho inzulínu. Rozdiel medzi pozorovaním a očakávaním sa používa pri odhade Ra, rýchlosti príchodu glukózy.

Ak glykémia rastie napriek očakávanému účinku inzulínu, model môže zvýšiť Ra. Ak sa rast zlomí a údaje prestanú podporovať prítok glukózy, odhad sa znižuje. Výpočet si nesie stav z predchádzajúceho pozorovania a pracuje aj s neistotou, aby každý nový bod nepovažoval za úplne nový príbeh.

Ra sa vyjadruje ako rýchlosť zmeny glykémie, nie ako presne odvážené gramy sacharidov. Je to modelový odhad nevysvetleného prítoku. Ranný vzostup alebo návrat po hypoglykémii môže vyzerať podobne ako jedlo. Preto má odhad osobitné tlmenie pre takéto situácie a biologicky motivované hranice.

5. AIMI si pamätá aj fázu vstrebávania jedla

Samotný aktuálny odhad Ra nestačí. Ďalšia vrstva spája trend, predikcie, COB, oznámené jedlo, dennú dobu a fyziologický kontext do skóre podpory hypotézy jedla. Ukladá si epizódu a rozlišuje jej fázy.

Fáza v kódeVýznam
NONENie je rozpoznaná aktívna fáza vstrebávania.
FIRST_WAVEPrvá vlna rastu podporujúca hypotézu jedla.
PEAK_CORRECTIONFáza korekcie v oblasti zvýšenej glykémie po rozbehnutí jedla.
INTER_WAVEPrechod medzi vlnami v rámci otvorenej epizódy.
SECOND_WAVEObnovený rast, ktorý môže patriť k ďalšej vlne toho istého jedla.
LATE_FATVzorec neskorého vzostupu zlučiteľný s pomalším jedlom alebo vplyvom tukov a bielkovín.

Názov LATE_FAT neznamená, že senzor rozpoznal tuk. Algoritmus pomenoval určitý priebeh. Rovnako skóre 0,7 nemožno bez ďalšieho overenia čítať ako 70-percentnú istotu, že človek jedol.

Fázy menia prioritu spracovania jedla, niektoré brzdy súvisiace s IOB aj reakciu na pretrvávajúcu hyperglykémiu. Pamäť a hysteréza, teda neochota okamžite prepnúť stav pri malej zmene, pomáhajú udržať súvislú epizódu.

Potvrdenie rastu v aktuálnej verzii

V overenom commite pribudla kontrola, či vzostup pretrváva naprieč viacerými hodnotami CGM. Nad približne 7,2 mmol/l skúma kratšie okno dvoch päťminútových zmien, pri nižšej glykémii šesť zmien. Sleduje podiel rastúcich intervalov, celkový vzostup a to, či posledná hodnota stále rastie. V dlhšom okne kontroluje aj to, či väčšinu vzostupu nevytvoril jediný skok.

Výsledkom je úroveň NONE, WEAK alebo CONFIRMED. Tá môže ovplyvniť zapojenie Autodrive a ďalšie obmedzenia pri neohlásenom jedle. Nie je to absolútny zákaz reakcie bez potvrdenia. Existujú odlišné podmienky pre oznámené jedlo, vyššiu glykémiu aj chýbajúcu históriu.

Pri neohlásenom jedle pod 10 mmol/l sa za príslušných podmienok uplatňuje aj dodatočný strop bazálu a SMB podľa sily dôkazov. Silnejší návrh tak nemusí okamžite znamenať väčšiu dávku. Keď táto konkrétna brzda neplatí alebo sa uvoľní, ostatné obmedzenia nezanikajú.

6. Autodrive V3: skúša možné dávky v modeli budúcnosti

Autodrive sa zapája podľa používateľského nastavenia a aktuálnej situácie. Jeho vstupná kontrola vyhodnocuje napríklad pretrvávajúcu vysokú glykémiu, rast, dôkazy jedla a pohyb. Keď podmienky nie sú splnené, odhadovanie stavu môže pokračovať, ale táto dávkovacia cesta sa neaktivuje.

Jadrom je MPC. Algoritmus zostaví množinu kandidátnych dávok a pre každú prepočíta zjednodušený budúci priebeh. V sledovanej implementácii používa päťminútové kroky a horizont až 180 minút. Bežne počíta aj porovnanie horizontov 60 a 120 minút, no rozhodujúci návrh vyberá z trojhodinového horizontu. Pri pokojnom vysokom plató môže kratšie porovnania vynechať.

Každá kandidátna dávka dostane cenu za odchýlku budúcej glykémie od cieľa a za množstvo navrhnutého inzulínu. Pokles pod cieľ má inú váhu než vzostup nad cieľ. Priblíženie k nízkej glykémii dostáva veľmi vysokú penalizáciu. Nastavenia modelu sa líšia aj medzi denným a nočným kontextom či podozrením na ranný vzostup.

Zjednodušene: vyberie sa dávka s najnižším súčtom ceny odchýlok a ceny inzulínu. Nejde o predpis na samostatný výpočet bolusu, ale o princíp optimalizácie vnútri regulátora.

Dôležitá hranica tejto predikcie je viditeľná priamo v kóde. Počas skúšobnej trajektórie sa používa zjednodušený úbytok IOB a konštantný odhad Ra pre danú simuláciu. Trojhodinový horizont preto neznamená, že systém pozná presný priebeh vstrebávania jedla na tri hodiny dopredu. Pri ďalších údajoch celý návrh prehodnotí.

Ako sa návrh rozdelí medzi bazál a SMB

MPC pracuje s množstvom inzulínu pre modelovaný päťminútový krok. Časť môže previesť na rýchlosť dočasného bazálu a zvyšok na SMB. Prevod medzi jednotkami je dôležitý: bazál 1,2 jednotky za hodinu predstavuje za päť minút 0,1 jednotky. Toto je iba vysvetlenie jednotiek, nie odporúčanie dávky.

Bazál a mikrobolus sú dva spôsoby dodania inzulínu, ale nemožno ich považovať za nezávislé odmeny za tú istú hyperglykémiu. Výpočet ich musí posúdiť spolu. Dočasný bazál možno v ďalšom cykle zmeniť, no už podaný inzulín, či prišiel bazálom alebo bolusom, nemožno vziať späť.

V pokojnej situácii môže Autodrive odovzdať jemné regulovanie ostatným bazálnym mechanizmom. Výber Autodrive teda neznamená, že MPC nepretržite a výlučne určuje každé podanie.

7. Adaptívny bazál a Harmonia

AIMI upravuje aj dočasný bazál. Bazálny regulátor berie do úvahy odchýlku od cieľa a smer pohybu glykémie. V niektorých cestách používa projekciu glykémie na zvolený horizont. Pri poklese sa uplatňuje brzdenie, aby samotná vysoká aktuálna hodnota neudržiavala silný bazál, keď sa krivka už obracia.

Dokumentácia označuje časť staršieho riadenia ako V2 alebo PI. Aktuálny súbor DynamicBasalController však obsahuje aj proporcionálno-derivačné a projekčné výpočty. Pre čitateľa je podstatnejšie jeho správanie než historická skratka: reaguje na vzdialenosť od cieľa aj na očakávaný smer vývoja.

Harmonia je ďalšia rozhodovacia vrstva nad fyziologickým obrazom situácie. Vie zvoliť pozorovanie, prednostné riešenie bazálom, podporu jedla, ochranné zníženie, stabilizáciu alebo blokovanie svojho návrhu. Vstupujú do nej aj dôvera v senzor, riziko nízkej glykémie, aktivita a priestor do limitu IOB.

Harmonia sa môže cez príslušnú produkčnú cestu podieľať na konečnom bazále. V inom kontexte môže upraviť už existujúci návrh SMB. Jej SMB modulácia sama osebe nevytvára nové oprávnenie na bolus. Najskôr musí existovať povolená dávkovacia cesta. Pri hodnotení logov preto treba rozlišovať medzi tým, čo Harmonia navrhla, čo bolo vybrané a čo sa napokon použilo.

8. Čo sa v AIMI skutočne učí

Slovo učenie tu označuje viacero odlišných mechanizmov. Niektoré sú priebežné matematické odhady, iné aktualizujú správanie podľa histórie a ďalšie trénujú neurónovú sieť. Nemožno ich zlúčiť do tvrdenia, že „AI sa naučila správnu dávku“.

MechanizmusČo upravujeDôležité obmedzenie
Adaptívne PK/PDOdhad DIA a času vrcholu účinku inzulínu.Učí sa iba pri splnení podmienok a zmeny sú obmedzené.
UnifiedReactivityLearnerFaktor reaktivity podľa dlhšieho, krátkodobého a denného časového kontextu.Vyhodnocuje priebeh glykémie. Nezistí automaticky skutočnú príčinu každého problému.
Lokálny SMB modelDoplňujúcu korekciu existujúceho návrhu SMB.Potrebuje použiteľné dáta a model, ktorý prejde kontrolami. Má obmedzený vplyv a náhradný výpočet pri chybe.
Učenie bazáluSamostatný model a záznamy pre bazálne rozhodovanie.Jeho dostupnosť nie je dôkazom, že bol použitý pri každom rozhodnutí alebo v každom režime.
OnlineLearner v AutodriveVypočítava aj pozorovaný faktor citlivosti.V overenom commite sa tento konkrétny faktor zaznamenáva, ale neaplikuje na dávkovaciu citlivosť.

Lokálny SMB model sa môže trénovať na telefóne na pozadí. Vstupy zahŕňajú glykémiu, IOB, COB, trend, historickú potrebu inzulínu aj kontext. Kandidátny model musí prejsť kontrolou použiteľnosti, inak sa nepoužije. Samotná existencia tréningového súboru alebo hlásenie o tréningu preto ešte nepotvrdzuje, že dávkovanie riadil nový model.

Učenie z vlastnej histórie má aj spoločnú hranicu: záznamy obsahujú účinok jedla, pohybu, senzora a predchádzajúcich rozhodnutí. Dobrý výsledok tréningu na takýchto dátach sám osebe nedokazuje bezpečnosť ani lepšie výsledky pri budúcom používaní.

9. Jedlo možno aj oznámiť

AIMI nie je obmedzené na čakanie, kým jedlo uvidí na CGM. Obsahuje režimy ako Breakfast, Lunch, Dinner, Snack alebo High Carb. Oznámené jedlo poskytuje inú informáciu než iba rastúca glykémia. Môže zmeniť podmienky zapojenia algoritmu, intervaly a spôsob rozdelenia inzulínu.

V manuálnych režimoch sa nachádzajú aj prednastavené prebolusy, vrátane samostatných krokov pre niektoré režimy. Aktivácia režimu preto nemusí byť iba nevinná poznámka v grafe. Je potrebné poznať jeho nastavenie a to, či môže viesť k podaniu inzulínu. Číselné príklady z manuálu nemožno preniesť medzi ľuďmi.

Plne uzavretá slučka bez oznamovania jedál, označovaná FCL, rieši inú úlohu než režim, v ktorom používateľ jedlo oznámi alebo potvrdí jeho odhad. Označenie FCL v názve funkcie či zázname samo osebe nedokazuje, že konkrétny priebeh prebehol bez zásahu používateľa.

10. Pohyb, denný rytmus a ďalší fyziologický kontext

Pri pohybe môže vzostup glykémie znamenať niečo iné než po jedle. AIMI preto pracuje s krokmi v rôznych intervaloch, dostupným tepom a pamäťou nedávnej námahy. Kontext môže obmedziť automatickú reakciu alebo potlačiť vysvetlenie vzostupu ako jedla. Reakcia závisí od konkrétnej cesty a dostupnosti dát.

Projekt zahŕňa aj spracovanie denného rytmu, hormonálneho cyklu, stresu, spánku či teplotných odchýlok z podporovaných zdrojov. Nie sú to priame merania potreby inzulínu. Sú to ďalšie signály, ktoré môžu podporiť alebo oslabiť pracovnú hypotézu algoritmu.

Rozsah projektu zahŕňa aj osobitné režimy pre špecifické situácie, napríklad bazálne orientované spracovanie pri T3c. Samotná prítomnosť názvu ochorenia alebo skupiny používateľov v menu nepredstavuje klinické overenie vhodnosti. Tu opisujeme všeobecný tok AIMI, nie odporúčanie takýto režim zapnúť.

11. Čo robia AI Advisor, Meal Advisor a Auditor

Tieto funkcie treba oddeliť od lokálneho výpočtu slučky. Profile Advisor analyzuje históriu a navrhuje úpravy. Meal Advisor môže odhadnúť zloženie jedla z fotografie. Ide o voliteľné funkcie používajúce externého poskytovateľa AI. Pri ich použití treba rozumieť tomu, aké údaje sa odosielajú a čo sa stane po potvrdení výsledku.

Fotografia neodhalí spoľahlivo hmotnosť porcie, skryté prísady ani všetky sacharidy. Potvrdený odhad sa môže stať vstupom pre dávkovanie, preto je zásadný rozdiel medzi zobrazeným návrhom a údajom, ktorý používateľ prijal.

AI Auditor je voliteľná kontrolná vrstva rozhodnutí. V aktuálnom kóde pracuje s podmienkami aktivácie, obmedzením frekvencie požiadaviek, asynchrónnou odpoveďou, pamäťou posledného výsledku a náhradným správaním pri nedostupnej odpovedi. Jeho vplyv závisí od režimu. Nie je správne tvrdiť, že každý bolus čaká na čerstvé schválenie jazykového modelu.

AIMI má aj lokálne kontroly a matematické ochrany. Tie nie sú tým istým ako externý AI Auditor. Ani slovo „approved“ pri výsledku modelu nepredstavuje medicínsku záruku bezpečnosti dávky.

12. Kde sa návrh inzulínu obmedzuje

MPC návrh ešte nie je konečný výsledok. ControlBarrierShield posudzuje spoločný návrh bazálu a SMB vzhľadom na modelovaný pohyb smerom k nízkej glykémii. Môže návrh ponechať, zmenšiť alebo zastaviť. Ochrana však pracuje s odhadom citlivosti, IOB, Ra a trendu. Matematická podmienka vo vnútri modelu nie je dôkazom, že sa človek nemôže dostať do hypoglykémie.

V ďalšom spracovaní sa podľa konkrétnej cesty uplatňujú napríklad tieto obmedzenia:

  • povolenie automatických SMB a dostupný priestor do limitu IOB,
  • nízka alebo klesajúca glykémia a predikcia ďalšieho poklesu,
  • limity jednej dávky, bazálu a podporovaný krok pumpy,
  • čas od predchádzajúceho bolusu a očakávaný účinok už podaného inzulínu,
  • kontext po hypoglykémii, pohyb a kvalita dôkazov jedla,
  • zníženie návrhu pri chýbajúcej alebo nedostatočnej predikcii.

Nie všetky dodatočné ochrany sú univerzálne a bez výnimiek. Napríklad osobitné konečné pravidlá bazálu majú vlastný prepínač a v sledovanom kóde výnimku pre aktívny režim jedla. Aj čakacia doba medzi SMB sa môže pri prioritnom jedle vyhodnocovať inak. Zoznam ochranných modulov preto nenahrádza znalosť toho, ktoré z nich sa použili v konkrétnom rozhodnutí.

Pri čítaní logov má zmysel sledovať tri hodnoty: pôvodný návrh, návrh po obmedzeniach a skutočne podané množstvo. Veľký rozdiel medzi nimi môže vysvetliť, prečo zmena reaktivity alebo modelového návrhu neviedla k očakávanej zmene dávkovania.

Tri podstatné situácie

Neohlásené jedlo a pokračujúci vzostup

Pri pokračujúcom vzostupe môže AIMI zvýšiť odhad Ra, otvoriť fázu vstrebávania, overiť pretrvanie rastu a pri splnení podmienok zapojiť MPC. Výsledný návrh následne obmedzia príslušné limity a ochrany.

Glykémia je vysoká, ale už klesá

AIMI posudzuje smer krivky, účinok nedávno podaného inzulínu, predikciu minima a návrh bazálu. Aktuálna vysoká hodnota tak nie je jediným podkladom pre ďalšie dávkovanie. Dôležitý je aj inzulín, ktorého účinok ešte len príde.

Vzostup po sacharidoch pri hypoglykémii

Na grafe môže pripomínať začiatok jedla. AIMI pracuje aj s kontextom zotavovania, tlmením odhadu Ra a obmedzením ďalšej dávkovacej reakcie. Správne rozlíšenie však nie je zaručené. Hypotéza založená na CGM nemusí zodpovedať skutočnému dôvodu zjedenia sacharidov.

Tieto situácie ilustrujú rozhodovacie mechanizmy AIMI. Konkrétna reakcia závisí od dostupných údajov, nastavení a aktívnej dávkovacej cesty.

Ako hodnotiť AIMI

Širší model môže zachytiť viac súvislostí, ale prináša aj viac vzájomných závislostí. Chybný odhad citlivosti môže ovplyvniť predikciu aj bezpečnostnú kontrolu. Falošná hypotéza jedla môže zmeniť prioritu viacerých ďalších výpočtov. Samotný počet modelov alebo ochranných vrstiev preto nie je meradlom kvality liečby.

Pri vyhodnocovaní má zmysel pozrieť celý priebeh: čo systém vedel pred zásahom, aký návrh vytvoril, čo ho obmedzilo, koľko inzulínu sa skutočne podalo a čo nasledovalo počas ďalších hodín. Kratší vrchol po jedle nestačí, ak sa neskôr objaví častejší pokles alebo potreba dodatočných sacharidov.

Významná je aj čitateľnosť rozhodnutí. AIMI obsahuje rozsiahle záznamy o vstupoch, predikciách, zdrojoch návrhu a obmedzeniach. Záznam experimentálneho výpočtu však treba oddeliť od aktívnej dávkovacej cesty. Dokumentácia sa vyvíja spolu s kódom a niektoré historické názvy či komentáre už nevystihujú aktuálne zapojenie.

AIMI sa snaží prispôsobiť uzavretú slučku priebehu účinku inzulínu a každodennému kontextu. Pri hodnotení je podstatné, či človeku pomáha žiť jednoduchšie a bezpečnejšie. To nemožno posúdiť iba podľa architektúry alebo jedného pekného grafu.

Zdroje

Odkazy pri jednotlivých častiach smerujú na konkrétny overený commit. Pri neskoršej verzii sa môže zmeniť poradie výpočtov, predvolené nastavenia aj zapojenie nových experimentálnych funkcií.

AIMI je experimentálny softvér. Tento text vysvetľuje jeho technické fungovanie a hranice. Nie je návodom na výber dávok, kopírovanie parametrov ani individuálnu úpravu inzulínovej liečby.

O autorovi

Ľubor Jurena

Zakladateľ skHosting.eu, systémový a sieťový architekt a človek žijúci s diabetom. Na glykemia.sk prepájam osobnú skúsenosť s diabetickými technológiami a prácou pre open-source komunitu.

Viac o mne →

Posted

in

by