专利名称：基于模型预测控制的大剂量胰岛素全自动智能输注方法和装置的制作方法
技术领域：
本发明涉及的是一种自动设计大剂量胰岛素的智能方法，特别是一种基于模型预测控制的智能设计方法，属于生物医学工程领域。
背景技术：
随着物质生活水平的提高和环境的恶化，糖尿病日益成为严重危害人类健康的重要疾病。糖尿病成为了失明、肾衰竭和下肢截肢的主要原因，也是心血管并发症引起死亡的主要因素。糖尿病是人类第四大死因，糖尿病导致的死亡人数占总死亡人数的6.8%，每年有近400万人死于糖尿病及其并发症。每年全球11. 6%的医疗保健费用用于治疗糖尿病及其并发症。出现并发症的主要原因是糖尿病导致的高血糖(血糖浓度高于10mmol/L(毫摩尔每升))。为了降低血糖浓度，1型糖尿病患者和部分2型糖尿病患者需要外源性胰岛素治疗。目前，最先进的疗法是佩戴胰岛素泵，一天M小时实时输注。为了模拟健康人体的胰岛素分泌规律，目前的胰岛素泵输注疗法包括两种模式 大剂量胰岛素和基础量胰岛素。基础量胰岛素用来补偿人体自身产生的血糖。大剂量胰岛素主要用来补偿饮食的影响和校正高血糖。由于饮食很难被实时测量，输注大剂量胰岛素需要使用者的参与，即使用者的自我管理使用者在进食前后需要将饮食的时刻和大小输入给胰岛素泵。这里的饮食大小是指饮食中碳水化合物的含量。为了准确估计饮食中的碳水化合物的含量，糖尿病患者需要接受严格而系统的食物营养知识教育。即便如此，饮食大小的估计偏差也很难避免。为了克服上述缺陷，不少智能胰岛素泵都引入了饮食数据库。患者只需要告诉胰岛素泵，吃了哪些东西以及各自的重量。胰岛素泵就会调用饮食数据库，自动计算碳水化合物的含量。这些先进的智能胰岛素泵部分地减轻了患者的使用负担。然而，目前所有的胰岛素泵的大剂量都需要患者的参与设计，这给他们及其家人的生活带来了极大不便。特别是很多1型糖尿病患者都是儿童和青少年，让他们每次进餐前把饮食信息输入给胰岛素泵往往是不现实的。
发明内容
本发明针对现有技术的不足和缺陷，提供了一种基于模型预测控制的全自动智能设计大剂量的方法。本发明的一个重要硬件基础是动态血糖监测系统(CGMS或者CGM)，它的日益成熟使得实时测量血糖浓度成为了可能。基于实时测量信息和反馈控制原理，本申请设计了一种全自动智能算法来自动设计大剂量胰岛素的时间和大小。与本发明有关的硬件结构简图如图1所示。患者佩戴胰岛素泵，内含胰岛素，并在泵管理系统(大剂量胰岛素全自动智能算法)的控制下注射胰岛素。患者还佩戴CGMS，实时监测患者血糖浓度。系统还可以包括一个手持的泵管理器，患者通过它进行系统的控制和设定。本发明是通过以下技术方案实现的首先，CGMS将当前的血糖值提供给设计算法所在的芯片并存入存储器；其次，利用强跟踪滤波器实时估计血糖浓度的变化率，当其超过某一阈值时，检测出饮食，并输注一个较保守的大剂量胰岛素；然后，启动模型预测控制算法，每半小时决策一次是否追加大剂量胰岛素；最后，当血糖浓度进入下降通道后，停止输注大剂量胰岛素，基于模型预测控制算法判断是否存在低血糖风险，从而决定是否关闭基础量胰岛素。最终期望将血糖水平保持在安全的范围内。本发明主要具有饮食检测、大剂量自动设计、暂停基础量三个功能。其中，饮食检测可以用来判断患者有没有进食，如果有进食，就马上输注初始大剂量并启动模型预测控制算法，每半小时判断一下是否追加大剂量；大剂量的自动设计包含两部分初始大剂量和追加大剂量，用来补偿饮食的影响；暂停基础量是为了预防低血糖的发生。
图1是本发明所述大剂量胰岛素全自动智能输注装置示意图；图2是本发明所述述大剂量胰岛素全自动智能输注方法中估计血糖浓度变化率的强跟踪滤波器算法流程图；图3是本发明所述述大剂量胰岛素全自动智能输注方法步骤流程图；图4是是本发明所述大剂量胰岛素全自动智能输注装置系统结构图。
具体实施例方式下面结合附图和具体实施例对本发明作进一步说明，但不作为对本发明的限定。(1)饮食检测算法。记k时刻的血糖值为G (k)，血糖变化率为G' (k)，假设血糖变化率较稳定，则可以
得到如下二阶线性动态模型
'\G(k + \)~] 「1Δ ]「( (Λ)]
=+ w(k)
G\k + \) 01 G\k) v ,] 「] (1)
r ]「G⑷ y(k) = [1 o]+v(k)其中，At为采样周期，通常为1分钟或5分钟，已知；w(k)为建模不确定性或外部干扰，未知；v(k)为测量噪声，未知；y(k)为CGMS的输出值，已知；G(k)代表真实的血糖浓度值，未知，不过y(k)为它的测量值，因此两者十分接近；G' (k)代表血糖变化率，未知， 且不可测。基于上述动态模型和实时测量值y(k)，可以用强跟踪滤波器来估计血糖变化率 G' (k)，其估计值记作0'(幻。强跟踪滤波器具有如下优点1)对模型不确定性具有较强的鲁棒性；幻对突变状态有较强的跟踪能力，甚至在系统达到平衡状态时，仍保持对缓变状态和突变状态的跟踪能力。因此，强跟踪滤波器是检测饮食的有效工具，特别适合检测血糖变化率。下面结合附图具体对如何估计G' (k)作进一步说明。
强跟踪滤波器算法估计0 /、「G⑷ 1 t、「1 Δ ]1)令X(Jc)= ；/ F(k)=H(k) = [1 0]
Lr (Jc) ，U 1 ‘2)令k = 0 ；选择初始值10), P(0|0) (P(k|k)为估计方差；P(k+l|k)为预测方
差)；选择一个合适的弱化因子β。3)由式X(k + l\k) = F(k)X (k\k\ y(k + 1) = y(k +1)-H(k)X(k +1 \k)计算+1 \k), y(k +1)。由式
Kl)/(1),k = 0■ + = ] [pS0 (k) + r(k + \)γτ (k +1)]
-， K L
{ l + p计算&(k+l)，由式 N (k+1) = S0 (k+1) -H (k) Q (k) Ht (k) - β R (k+1)，M (k+1) = H (k) F (k) P (k I k) Ft (k) Ht (k)，'计算出次优渐消因子λ (k+1)。4)根据式P (k+11 k) = λ (k+1) F (k) P (k I k) Ft (k) +Q (k)，计算P (k+1 I k);由式K (k+1) = P (k+11 k) Ht (k) · [H (k) P (k+11 k) Ht (k) +R (k+1) ]算出K (k+1);最终得到由X(k + \\k + \) = X(k + \ \k) + K(k + \)y(k +1)状态估计值+1 +1)。5)更新 P (k+1 I k+1)P (k+11 k+1) = [I-K (k+1) H] P (k+11 k)6) k+1 — k转向3)，继续循环。上述算法的详细流程图见图2。通过上述算法，可以得到X(k)的估计值1@|幻，进而得到G' (k)的估计值。空腹状态下，G' (k)的取值较小，进食后，G' (k)就会变得很大。因此，系统可以设计一个阈值η >0。当 '(幻>/；时，检测出饮食。阈值n的取值因人而异，需要针对不同患者的历史数据进行统计分析，找到最佳的阈值(通常，阈值在1. 5-3mg/dL/min之间)。
(2)大剂量自动设计本部分的大剂量包括两部分检测出饮食后马上输注的大剂量；启动模型预测控制算法后，每半小时判断是否追加大剂量。在设计第一个大剂量时，由于系统对饮食大小未知，因此，可以利用具体患者的历史饮食信息来设计一个保守的大剂量。例如，该患者的历史平均饮食大小为M，可以根据 M/2或M/3来设计大剂量，从而提高系统的安全性。为了进一步提高系统的安全性，还可以增加一个判断单元如果血糖水平高于某个阈值(例如140mg/dL)，才输注大剂量胰岛素。检测出饮食后，模型预测控制算法就会被启动。使用模型预测控制，就需要一个预测模型，本发明采用如下基于离散传递函数的预测模型
K
权利要求
1.一种基于模型预测控制的大剂量胰岛素设计和输注方法，其特征在于本方法包括如下步骤(1)利用动态血糖监测系统(CGMQ输出的血糖浓度值，估计血糖变化率，根据血糖变化率，判断患者是否有进食；(2)如果判断患者确实进食，则马上输注初始大剂量胰岛素，并进行未来血糖水平预测，每半个小时判断一次是否追加大剂量胰岛素；(3)实时监测血糖浓度是否开始下降如果没有下降，则返回步骤O)；如果开始下降， 则判断未来是否有低血糖风险，如果有低血糖风险，则暂停基础胰岛素注射。(4)血糖进入安全范围后，停止注射胰岛素。
2.根据权利要求1所述的大剂量胰岛素设计方法，其特征在于步骤(1)中，使用二阶线性动态模型和强跟踪滤波器来估计血糖变化率，根据血糖变化率是否大于某阈值来检测是否有进食。
3.根据权利要求2所述的大剂量胰岛素设计方法，其特征在于判断是否有进食的血糖变化率阈值根据患者的历史数据统计分析得到，通常可以选择1. 5-;3mg/dL/min(毫克每升每分钟)之间。
4.根据权利要求1所述的大剂量胰岛素设计方法，其特征在于步骤( 中，在饮食刚被检测出来的时刻，初始大剂量由患者历史平均饮食大小确定；为了提高安全性，利用历史平均饮食大小的1/3至1/2来计算初始大剂量。
5.根据权利要求1所述的大剂量胰岛素设计方法，其特征在于步骤O)中，由基于离散传递函数的两输入单输出预测模型来预测未来血糖水平。
6.根据权利要求5所述的胰岛素注射方法，其特征在于追加大剂量由模型预测控制方法来设计，由下面两个因素决定未来血糖水平与设定值之间的差距；以及胰岛素输注速度的变化程度。
7.根据权利要求1所述的大剂量胰岛素设计方法，其特征在于步骤(3)中，血糖进入下降通道后，基于血糖预测值，判断是否暂停注射胰岛素；预测步长选为30-60分钟；暂停时长为60-90分钟。
8.一种基于模型预测控制的大剂量胰岛素设计和输注装置，其特征在于在患者身体上，设置有胰岛素泵41，内含一定剂量的胰岛素，可以在自动设计大剂量胰岛素系统的控制下进行精确量注射；和CGMS动态血糖监测系统42，用于实时监测糖尿病患者血糖浓度，并将数据发送给自动设计大剂量胰岛素系统的控制器；患者体外设置有自动设计大剂量胰岛素系统控制模块，包括以下部件通信模块43用于胰岛素泵41、CGMS动态血糖监测系统42和控制器45之间的数据传输，存储器44用于存储系统程序数据，还有患者的历史饮食量数据、历史血糖浓度等病患数据；用户输入模块46，用于患者向系统输入控制信息，进行控制；显示模块47，用于向患者显示胰岛素注射信息、血糖浓度信息、血糖过高或过低报警信息等数据；控制器45，控制整个系统，根据CGMS读数估计血糖变化率，判断患者有进食后输入初始大剂量胰岛素，每隔30分钟注射一次大剂量胰岛素，直到血糖值进入安全范围。
9.根据权利要求8所述的大剂量胰岛素设计和输注装置，其特征在于，控制器45包含如下模块饮食检测模块451，用于根据患者血糖变化率判断患者是否有进食； 血糖预测模块452，用于预测未来时间患者的血糖浓度值；大剂量设计模块453，用于根据血糖预测模块452计算得到的未来血糖水平与设定值之间的差距，以及胰岛素输注速度的变化程度，来计算每隔30分钟应该注射的大剂量胰岛素数量。
全文摘要
本申请提供了一种基于模型预测控制自动设计大剂量胰岛素的智能方法。其特征在于动态血糖监测系统(CGMS)和胰岛素泵是其硬件基础；基于强跟踪滤波器在线检测饮食；检测出饮食后，马上输注初始大剂量胰岛素，该胰岛素的大小主要由历史饮食确定；然后，每30分钟，模型预测控制判断是否需要追加大剂量，并且设计大剂量的大小；血糖浓度进入下降通道后，根据血糖预测值，决定是否需要暂停基础量胰岛素；最终，将血糖浓度控制在安全的范围内。本发明与已有的相应技术相比，具有高智能、全自动的特点，可以在缺乏患者自我管理的情形下显著提高血糖控制效果。
文档编号A61M5/172GK102500013SQ20111037274
公开日2012年6月20日 申请日期2011年11月22日 优先权日2011年11月22日
发明者王友清 申请人:北京化工大学