专利名称：用于处理从具有糖尿病的人测量的葡萄糖数据的方法和系统的制作方法
技术领域：
本发明总体上涉及处理从具有糖尿病的人测量的葡萄糖数据，并且特别地涉及在存在葡萄糖传感器噪声和/或葡萄糖传感器故障的情况下估计人的实际葡萄糖水平。
背景技术：
作为背景，人们忍受其中血液中的糖水平未被身体适当地调节的类型I或类型II糖尿病。这些人中的许多可以使用连续葡萄糖监视(CGM)来不间断地监视其葡萄糖水平。为了执行CGM，可以将葡萄糖传感器放置在皮肤下面，其能够测量间质液中的人的葡萄糖水 平。葡萄糖传感器可以以已知的时间间隔(诸如每一分钟)周期性地测量人的葡萄糖水平，并将葡萄糖测量结果的结果传送到胰岛素泵、血糖计、智能电话或其它电子监视器。在某些情况下，测量的葡萄糖结果(来自葡萄糖传感器)可以包含引起其偏离人的实际葡萄糖水平的传感器“噪声”。传感器噪声可以是例如由葡萄糖传感器相对于皮肤的物理移动而引起的或者由于可能为传感器本身所固有的电噪声而引起的。此外，葡萄糖传感器可能不时地发生故障，使得测量的葡萄糖结果(来自葡萄糖传感器)可能大大不同于人的实际葡萄糖水平。葡萄糖传感器可能由于例如传感器电子装置或电池的故障或由于传感器“信号丢失”而以这种方式发生故障。传感器信号丢失可能由于葡萄糖传感器到人的附着的生理问题而发生，诸如传感器相对于人的移动。传感器信号丢失可能引起测量的葡萄糖结果“下降”至接近零，虽然人的实际葡萄糖水平可能更高得多。结果，本公开的实施例可以处理来自人的测量的葡萄糖结果，使得甚至在存在传感器噪声和/或传感器故障的情况下，也可以估计人的实际葡萄糖水平。另外，基于估计的葡萄糖水平，可以预测人的未来葡萄糖水平。
发明内容
在一个实施例中，一种用于估计具有糖尿病的人的葡萄糖水平的方法包括从被耦合到人的葡萄糖传感器向计算设备中接收多个测量的葡萄糖结果；基于所述多个测量的葡萄糖结果，用被配置成确定葡萄糖传感器准确的概率Pa的概率分析工具，使用计算设备来分析所述多个测量的葡萄糖结果；以及基于用葡萄糖传感器准确的概率Pa加权的所述多个测量的葡萄糖结果，用被配置成估计葡萄糖水平的递归滤波器，使用计算设备来估计人的葡萄糖水平。在另一实施例中，公开了一种具有用于执行用于估计具有糖尿病的人的葡萄糖水平的方法的计算机可执行指令的计算机可读介质，其中，该方法包括从被耦合到人的葡萄糖传感器向计算机中接收多个测量的葡萄糖结果；基于所述多个测量的葡萄糖结果，用被配置成确定葡萄糖传感器准确的概率Pa的概率分析工具，使用计算机来分析所述多个测量的葡萄糖结果；以及基于用葡萄糖传感器准确的概率Pa加权的所述多个测量的葡萄糖结果，用被配置成估计葡萄糖水平的递归滤波器，使用计算机来估计人的葡萄糖水平。
在另一实施例中，一种用于估计具有糖尿病的人的葡萄糖水平的设备包括微控制器、输入设备以及显示器，其中所述微控制器被电耦合到被配置成从被耦合到人的葡萄糖传感器接收多个测量的葡萄糖结果的输入设备，其中，所述微控制器被配置成从所述输入设备接收所述多个测量的葡萄糖结果；所述微控制器被配置成基于所述多个测量的葡萄糖结果用被配置成确定葡萄糖传感器准确的概率Pa的概率分析工具来分析所述多个测量的葡萄糖结果；所述微控制器被配置成基于用葡萄糖传感器准确的概率PaW权的所述多个测量的葡萄糖结果用被配置成估计葡萄糖水平的递归滤波器来估计人的葡萄糖水平；以及所述微控制器被电耦合到所述显示器，使得所述微控制器被配置成向显示器传送关于人的葡萄糖水平的估计的信息。
在附图中阐述的实施例本质上是说明性和示例性的且并不意图限制由权利要求限定的本发明。当结合附图来阅读时，能够理解说明性实施例的以下详细说明，其中，用类似的参考数字来指示类似的结构，并且在所述附图中图I描述根据本文所示和所述的一个或多个实施例的连续葡萄糖监视(CGM)系统；图2描述根据本文所示和所述的一个或多个实施例的葡萄糖监视器；图3描述根据本文所示和所述的一个或多个实施例的人的测量的葡萄糖结果和实际葡萄糖水平的图；图4描述根据本文所示和所述的一个或多个实施例的概率分析工具和递归滤波器；图5描述根据本文所示和所述的一个或多个实施例的用于隐马尔可夫模型的状态转换；图6描述根据本文所示和所述的一个或多个实施例的隐马尔可夫模型和卡尔曼滤波器的操作；图7描述根据本文所示和所述的一个或多个实施例的预测算法的操作；以及 图8描述根据本文所示和所述的一个或多个实施例的使用概率分析工具和递归滤波器来预测人的葡萄糖水平的方法。
具体实施例方式本文所述的实施例总体上涉及用于处理从具有糖尿病的人测量的葡萄糖数据且特别地用于在存在传感器噪声和/或传感器故障的情况下估计人的实际葡萄糖水平的方法和系统。出于限定本公开的目的，“测量的葡萄糖结果”是由葡萄糖传感器测量的人的葡萄糖水平；“实际葡萄糖水平”是人的实际葡萄糖水平；以及“估计的葡萄糖水平”是人的估计的葡萄糖水平，其可以基于测量的葡萄糖结果。图I描述可以用来连续地测量人的葡萄糖水平的连续葡萄糖监视(CGM)系统10。CGM系统10可以包括具有针18的葡萄糖传感器16,针18可以被插入具有糖尿病的人的皮肤12下面。针18的末端可以位于间质液14中，使得由葡萄糖传感器16获取的测量结果基于间质液14中的葡萄糖的水平。可以将葡萄糖传感器16放置在人的腹部上或其它适当位置上，并且可以用胶带或粘合剂(未示出)来固定。此外，可以周期性地校准葡萄糖传感器16以便改善其准确度。该周期性校准可以帮助修正由于传感器劣化和传感器插入部位的生理条件的变化而引起的传感器漂移。葡萄糖传感器16也可以包括其它部件，包括但不限于无线发射机20和天线22。虽然在图I中被描述成具有矩形形状，但可以设想的是葡萄糖传感器16也可以采取其它几何形状。虽然葡萄糖传感器16可以使用针18来进入人的血液，但还可以使用其它适当装置来进入人的血液或其它流体以便获取葡萄糖测量结果，包括仍待发现的那些。葡萄糖传感器16在获取测量结果时可以通过通信链路24将测量的葡萄糖结果传送到葡萄糖监视器26。通信链路24可以是无线的，诸如射频或者“RF”，其中，通过电磁波来传送测量的葡萄糖结果。例如，“Bluetooth ”是一种无线RF通信系统，其使用约2. 4千兆赫(GHz)的频率。另一种无线通信方案可以使用红外光，诸如红外数据协会 (InfraredData Association ，IrDA )所支持的系统。还可以设想其它类型的无线通信,包括当 前技术和仍待开发的技术。通信链路24可以是单向的(即，可以将数据仅从葡萄糖传感器16传送到葡萄糖监视器26)，或者其可以是双向的(即，可以沿任一方向在葡萄糖传感器16与葡萄糖监视器26之间传送数据)。此外，通信链路24可以允许两个或更多设备(例如，葡萄糖传感器、葡萄糖监视器、胰岛素泵等)之间的通信。虽然图I将通信链路24示为是无线的，但其可以替换地是有线链路，例如以太网。也可以使用其它公共或专用有线或无线链路。图2示出葡萄糖监视器26的一个实施例，其可以包括显示器28、微控制器32和输入设备34。葡萄糖监视器26的示例包括但不限于血糖计、胰岛素泵、蜂窝式电话、智能电话、个人数字助理、个人计算机或计算机服务器。可以将微控制器32电耦合到输入设备34，其可以被配置成从被耦合到人的葡萄糖传感器接收多个测量的葡萄糖结果。可以将微控制器32配置成从输入设备34接收所述多个测量的葡萄糖结果。还可以将葡萄糖监视器26配置成在一段时间内在存储器(未示出)中存储从葡萄糖传感器16接收到的多个测量的葡萄糖结果。还可以将微控制器32配置成用被配置成确定用于葡萄糖传感器的故障概率 的概率分析工具来分析所述多个测量的葡萄糖结果。此外，可以将微控制器32配置成使用被配置成用葡萄糖传感器准确的概率对所述多个测量的葡萄糖结果进行加权的递归滤波器来估计人的葡萄糖水平。最后，可以将微控制器32电耦合到显示器28，使得微控制器被配置成向显示器28传送关于人的估计的葡萄糖水平的信息。如本文所讨论的，显示的信息可以包括人的估计的葡萄糖水平和/或未来某个时间处的人的预测的葡萄糖水平。此外，显示器还可以包括估计的葡萄糖水平的质量或不确定度的估计。此外，显示的信息可以包括关于人的估计的或预测的葡萄糖水平是否是低血糖或在未来的某个时间是否将变成低血糖的警告、警报等。这可以例如在人的葡萄糖水平下降至(或被预测将下降至)预定的低血糖阈值以下的情况下发生，所述低血糖阈值诸如是每分升血液50毫克的葡萄糖(mg/dl)。微控制器32可以是8位设备、16位设备或任何其它适当设备，并且可以具有便于其操作的芯片上外围设备。例如，微控制器32可以具有用于存储计算机程序的内部存储器、用于数据存储的内部存储器以及用于被微控制器在其操作期间使用的参数的非易失性存储的内部存储器。此外，微控制器32可以具有定时器、串行通信端口、中断控制器等。微控制器32还可以是专用集成电路(ASIC)的一部分，其可以包括便于葡萄糖监视器26的操作的其它电路。输入设备34可以是被配置成从葡萄糖传感器(如图I所示)无线地接收测量的葡萄糖结果的无线通信模块。照此，可以使用天线30来改善无线连接的鲁棒性。替换地，输入设备34可以是通过有线连接、例如通过以太网或类似协议来接收测量的葡萄糖结果的有线通信模块。显示器28可以包括液晶显示器(LCD)或其它适当技术。还可以将显示器28配置成以触觉方式向人传送信息，例如通过振动。图3描述了来自被耦合到具有糖尿病的人的葡萄糖传感器的测量的葡萄糖结果40的二维图的示例。水平轴表示以小时为单位的时间，而垂直轴表示以每分升血液的葡萄糖毫克(mg/dl)为单位的人的测量的和实际葡萄糖水平。可以由葡萄糖传感器以预定速率、诸如每一分钟自动地获取测量结果。测量的葡萄糖结果40 —般地可以对应于人的实际葡萄糖水平42。然而，葡萄糖传感器可能不时地发生故障，如在图3中的时间段44期间所示的。故障可能是由于由葡萄糖传感器的针附近的生理问题所引起的传感器信号丢失而导致的，或者其可能是由于葡萄糖传感器本身的电学问题而导致的。在故障时间段44期间， 测量的葡萄糖结果40可能大大低于人的实际葡萄糖水平42。在故障时间段44结束时，测量的葡萄糖结果40可以恢复，使得其再次对应于人的实际葡萄糖水平42。仍参考图3，葡萄糖传感器还可能不时地显示出噪声，如在时间段46期间所示的。该噪声可能是由于葡萄糖传感器的针相对于皮肤的物理移动而引起的，或者其可能是由于葡萄糖传感器本身所固有的电噪声而引起的。在噪声时间段46期间，测量的葡萄糖结果40可能波动，使得一些结果在实际葡萄糖水平42之上且一些结果在其之下。噪声甚至可以看起来绕实际葡萄糖水平42振荡。在噪声时间段46结束时，测量的葡萄糖结果40可以恢复，使得其再次密切地对应于人的实际葡萄糖水平42。虽然被示为在不同的时间发生，但故障和噪声可以同时地以及接连地发生。此外，故障和/或噪声的持续时间可以比如在图3中所描述的更短或更长。针对以上背景，提供了根据本公开的实施例，其在存在传感器噪声和/或传感器故障的情况下估计人的实际葡萄糖水平。图4描述了被配置成估计人的葡萄糖水平的系统50。系统50可以从可以被耦合到具有糖尿病的人(未示出)的葡萄糖传感器16接收测量的葡萄糖结果40。可以如本文前面所述或者以任何适当的方式将葡萄糖传感器16耦合到人。可以将葡萄糖传感器16配置成周期性地测量人的葡萄糖水平，例如每一分钟，并且将测量的葡萄糖结果40传送到系统50 (例如，通过如上文所述的通信链路)。用于估计具有糖尿病的人的葡萄糖水平的系统50可以包括概率分析工具54和递归滤波器52。可以将概率分析工具54配置成接收测量的葡萄糖结果40并计算葡萄糖传感器准确的概率Pa 58，即葡萄糖传感器16正常地运行(即，不发生故障)的概率。葡萄糖传感器准确的概率Pa 58可以仅仅基于可观测的数据，诸如测量的葡萄糖结果40和/或其变化。因此，可以使用概率分析工具54来在可以具有正态分布的传感器噪声和可以不是正态分布的传感器故障之间进行区分。由于它们的不确定度分布的差异，可以不同地处理每个类型的不确定度。概率分析工具54可以包括任何数目的数学算法，其能够分析测量的葡萄糖结果40和/或其变化并计算葡萄糖传感器准确的概率Pa 58。还可以将概率分析工具54配置成接收其它类型的数据，葡萄糖传感器准确的概率Pa 58可以基于所述数据，诸如病人何时进食、病人何时锻炼以及何时向病人输送胰岛素。另外，Pa 58可以基于来自被f禹合到人并被配置成测量人体中的阻抗的阻抗测量设备的一个或多个测量结果。此类阻抗测量设备可以指示葡萄糖传感器16是否被适当地耦合到人，并且因此指示来自葡萄糖传感器16的测量的葡萄糖结果40是否是准确的。也可以使用其它类型的数据。概率分析工具54可以采取许多不同的形式，诸如状态机、贝叶斯模型或其它算法。在一个实施例中，概率分析工具54可以采取简单状态机的形式，其中，葡萄糖传感器准确的概率？八可以始终在集合{0，1}中(S卩，Pa 58或者为0%或者为100%，取决于状态机的状态)。在本示例中，如果ACG( S卩，当前测量的葡萄糖结果与前一测量的葡萄糖结果相比的变化)小于某个负阈值，T1，则系统将转移到传感器不准确的状态Tp1，并且如果ACG大于某个正阈值，τ2，或者如果传感器CG值(即当前测量的葡萄糖结果)在生理可能的葡萄糖值( 和gmJ内且自从到传感器不准确的状态的转换起已逝去一定量的时间
> τ3，则系统转移回到传感器准确的状态，TpA。可以以数学方式将其表示为TA —!如果 ACG < TiTi^a 如果 Λ CG > τ 2 或(g0 < CG < gmax 且 Λ tA —工 > τ 3)如果这两个转移条件都未被满足，则状态机可以保持在其当前状态。这仅仅是采取状态机形式的概率分析工具54的一个示例。概率分析工具54也可以采取其它形式。在另一示例中，概率分析工具54可以包括具有用于葡萄糖传感器的以下两个状态的隐马尔可夫模型1)其中葡萄糖传感器准确的状态，用“SA”来表示，以及2)其中传感器不准确的状态，用“S/’来表示。隐马尔可夫模型可以提供状态转换函数，其定义从状态Sa转换到状态S1的概率，诸如以下函数
权利要求
1.一种用于估计具有糖尿病的人的葡萄糖水平￠0)的方法，该方法包括 从被耦合到人的葡萄糖传感器(16)向计算设备中接收(102)多个测量的葡萄糖结果; 用被配置成基于所述多个测量的葡萄糖结果(40)来确定葡萄糖传感器准确的概率Pa(58)的概率分析工具(54)，使用(104)计算设备来分析所述多个测量的葡萄糖结果(40);以及 用被配置成基于用葡萄糖传感器准确的概率Pa(58)加权的所述多个测量的葡萄糖结果(40)来估计葡萄糖水平￠0)的递归滤波器(52)，使用(106)计算设备来估计人的葡萄糖水平(60)。
2.权利要求I的方法，其中，计算设备(32)包括血糖计、胰岛素泵、被耦合到葡萄糖传感器的微处理器、蜂窝式电话、智能电话、个人数字助理、个人计算机或计算机服务器，其中，所述葡萄糖传感器优选地包括适合于被物理地耦合到具有糖尿病的人并被配置成自动地测量人的葡萄糖水平的连续葡萄糖监视系统(10)。
3.前述权利要求中的任一项的方法，其中，所述概率分析工具(54)包括隐马尔可夫模型，其中 隐马尔可夫模型具有两个状态 第一状态Sa，其指示葡萄糖传感器(16)是准确的，以及 第二状态S1，其指示葡萄糖传感器(16)是不准确的；以及 隐马尔可夫模型被配置成基于隐马尔可夫模型的状态和所述多个测量的葡萄糖结果(40)来确定葡萄糖传感器准确的概率Pa (58)。
4.权利要求3的方法，其中，葡萄糖传感器(16)处于第二状态S1的概率基于最新测量的葡萄糖结果、所述多个测量的葡萄糖结果的最新变化或其组合，和/或其中，隐马尔可夫模型从第一状态Sa转换至第二状态S1的概率是 其中，CG是最新测量的葡萄糖结果，ACG是所述多个测量的葡萄糖结果的最新变化，并且αι、α2、03和04是与葡萄糖传感器的特性有关的常数，和/或其中，隐马尔可夫模型保持在第二状态S1的概率是 其中，ACG是所述多个测量的葡萄糖结果的最新变化，Of1是转换到或处于第二状态S1的前一概率，并且Y、^5和Ci6是与葡萄糖传感器的特性有关的常数。
5.权利要求3的方法，其中，葡萄糖传感器准确的概率Pa(58)是 !-[(Pp1XSa^(Pp1XSi)],其中 当隐马尔可夫模型处于第一状态Sa时Sa = I且否则Sa = O, 当隐马尔可夫模型处于第二状态S1时S1 = I且否则S1 = O, Pa^i是从第一状态Sa转换到第二状态S1的概率，以及P1^1是当处于第二状态S1时保持在第二状态S1的概率。
6.前述权利要求中的任一项的方法，其中，所述递归滤波器(52)是卡尔曼滤波器或扩展卡尔曼滤波器。
7.权利要求6的方法，还包括使用计算设备用卡尔曼滤波器或扩展卡尔曼滤波器来预测人的未来葡萄糖水平，其中 卡尔曼滤波器或扩展卡尔曼滤波器包括预测步骤和测量步骤；以及 执行预测步骤一次或多次以便预测人的未来葡萄糖水平，其中，卡尔曼滤波器或扩展卡尔曼滤波器优选地包括状态向
8.权利要求7的方法，其中，卡尔曼滤波器或扩展卡尔曼滤波器包括状态向量，并且其中，使用计算设备来估计人的葡萄糖水平出0)包括确定状态向量
9.前述权利要求中的任一项的方法，其中，递归滤波器(52)被配置成进一步基于下述中的至少一个来估计人的葡萄糖水平(60) 人何时进食； 人何时锻炼； 何时向人输送胰岛素，和/或其中，概率分析工具(54)被配置成进一步基于下述中的至少一个来确定葡萄糖传感器准确的概率Pa 人何时进食； 人何时锻炼；以及 何时向人输送胰岛素；以及 来自被耦合到具有糖尿病的人且被配置成测量人体内的阻抗的阻抗测量设备的一个或多个测量结果。
10.权利要求I 9中的任一项的方法，还包括用被配置成基于来自递归滤波器(52)的人的估计的葡萄糖水平￠0)来预测人的未来葡萄糖水平且特别地被配置成进一步基于下述中的至少一个来预测人的未来葡萄糖水平的递归分析工具使用计算设备来预测人的未来葡萄糖水平 人何时进食； 人何时锻炼；以及 何时向人输送胰岛素，其中，所述回归分析工具优选地包括高斯过程回归分析，该高斯过程回归分析特别地包括被配置成学习与人的葡萄糖水平有关的人的一个或多个特性的训练算法，该方法优选地还包括确定人的预测的未来葡萄糖水平的不确定度。
11.一种具有用于执行根据前述权利要求中的任一项所述的用于估计具有糖尿病的人的葡萄糖水平￠0)的方法的计算机可执行指令的计算机可读介质，其中，所述计算设备是由计算机提供的。
12.一种用于估计具有糖尿病的人的葡萄糖水平的设备，该设备包括用于执行权利要求I至10中的任一项的方法的步骤的装置。
13.一种用于估计具有糖尿病的人的葡萄糖水平的设备，该设备包括微控制器(32)、输入设备(34)以及显示器(28)，其中 所述微控制器(32)被电耦合到输入设备，该输入设备被配置成从被耦合到人的葡萄糖传感器(16)接收多个测量的葡萄糖结果(40)，其中，所述微控制器(32)被配置成从输入设备(34)接收所述多个测量的葡萄糖结果(40)； 所述微控制器(32)被配置成用被配置成基于所述多个测量的葡萄糖结果(40)来确定葡萄糖传感器准确的概率Pa (58)的概率分析工具(54)来分析所述多个测量的葡萄糖结果(40)； 所述微控制器(32)被配置成用被配置成基于用葡萄糖传感器准确的概率Pa(58)加权的所述多个测量的葡萄糖结果(40)来估计葡萄糖水平的递归滤波器(52)来估计人的葡萄糖水平(60)；以及 所述微控制器(32)被电耦合到显示器(28)，使得所述微控制器(32)被配置成向显示器传送与人的葡萄糖水平￠0)的估计有关的信息。
14.权利要求13的设备，其中，所述设备包括血糖计、胰岛素泵、连续葡萄糖监视系统(10)、蜂窝式电话、智能电话、个人数字助理、个人计算机或计算机服务器。
15.权利要求13或14的设备，其中，所述葡萄糖传感器、所述多个测量的葡萄糖结果(40)、所述概率分析工具(54)、所述葡萄糖传感器准确的概率(58)、所述隐马尔可夫模型的概率、所递归滤波器(52)、所述卡尔曼滤波器、所述扩展卡尔曼滤波器、所述卡尔曼增益、所述测量不确定度和/或所述回归分析工具分别是根据权利要求I 11中的任一项中的限定被提供的。
16.权利要求13 15中的任一项的设备，其中，所述递归滤波器(52)是卡尔曼滤波器或扩展卡尔曼滤波器，并且其中，微控制器(32)还被配置成用卡尔曼滤波器或扩展卡尔曼滤波器来预测人的未来葡萄糖水平，其中 卡尔曼滤波器或扩展卡尔曼滤波器包括预测步骤和测量步骤；以及 执行预测步骤一次或多次以便预测人的未来葡萄糖水平， 或者其中所述卡尔曼滤波器或扩展卡尔曼滤波器包括状态向量a ^ ，其中，k表示状态向量的第k个样本，g表示人的估计的葡萄糖水平， 表示g的一阶导数，并且#表示g的二阶导数，并且微控制器(32)被配置成通过确定以下状态向量来估计人的葡萄糖水平 其中，
全文摘要
公开了用于估计具有糖尿病的人的葡萄糖水平的方法和系统。一个方法可以包括从被耦合到人的葡萄糖传感器向计算设备中接收多个测量的葡萄糖结果；用被配置成基于所述多个测量的葡萄糖结果来确定葡萄糖传感器准确的概率的概率分析工具，使用计算设备来分析所述多个测量的葡萄糖结果；以及用被配置成基于用葡萄糖传感器准确的概率加权的所述多个测量的葡萄糖结果来估计葡萄糖水平的递归滤波器，使用计算设备来估计人的葡萄糖水平。
文档编号A61B5/145GK102740770SQ201180007346
公开日2012年10月17日 申请日期2011年1月24日 优先权日2010年1月26日
发明者A·S·索尼, D·L·杜克, S·魏纳特 申请人:霍夫曼-拉罗奇有限公司