回放方法先拟合个人代谢，再比较改变后的输入
美国弗吉尼亚大学（University of Virginia）团队在 Journal of Diabetes Science and Technology 提出改进的个体化代谢回放方法。研究希望利用已有血糖、胰岛素和进餐记录，比较同一时间段中改变治疗或进餐输入后，血糖曲线可能怎样变化。
原方法用代谢模型与残余信号重建真实记录。残余信号用于补充模型未直接表示的血糖变化；当输入改变时，它仍被用于回放。因此，残余信号是否能在改变后的场景中继续使用，是这类方法需要检验的关键假设。
新方法把进餐作为已知输入，并调整皮下胰岛素运输和碳水化合物吸收子模型。计算流程先拟合个人胰岛素敏感性、餐食生物利用度及吸收参数，再估计残余信号。它由此能够同时回放胰岛素和进餐的变化。
100 名虚拟成人提供可比较的参考曲线
性能检验在弗吉尼亚大学/帕多瓦大学 1 型糖尿病模拟器中进行，使用其中 100 名虚拟成人。研究先生成原始场景，再向参考模拟器输入修改后的进餐或胰岛素条件，得到相应曲线；回放方法则从原始记录重建同样的修改场景。
这种设计使两套曲线可以在相同输入变化下比较。研究采用平均绝对相对差（mean absolute relative difference，MARD）和 Clarke 误差网格分析，分别检查数值偏差以及误差可能造成的血糖判断差异。
4 类情景包括改变餐食量、同时撤去一餐及其餐时胰岛素、调整餐时胰岛素，以及调整基础输注。进餐相关结果在餐后 12 小时评价，基础输注调整则比较 24 小时。新方法与旧回放方法的直接性能比较限于胰岛素变化，因为旧方法不支持直接改变进餐输入。
个体化拟合并不只采用固定的人群平均参数。胰岛素敏感性和餐食生物利用度按每日资料拟合，吸收相关参数则针对每一餐拟合。残余信号在完成这些拟合后估计，目的是减少已知生理过程未被个人模型充分表示时产生的额外误差。
较小变化重建较准，大幅增加基础输注时误差升高
各类情景的准确度不同。把一餐及相应餐时胰岛素一起撤去时，误差网格的全部时间点均位于 A 或 B 区。改变餐时胰岛素时，增加 30%、40% 和 50% 的情景分别有约 0.79%、3.68% 和 6.96% 的时间进入 D 区，其余较小变化的表现更好。
基础输注对回放误差的影响尤其明显。基础输注增加 30% 及以上时，平均超过 10% 的时间进入 D 区；增加超过 20% 时，平均 MARD 也超过 10%。模型对较大输入变化的准确重建能力由此受到限制。
餐食量变化也显示了调整幅度的重要性。当一餐增至原始餐食的 1.6 倍、1.8 倍和 2 倍时，D 区时间占比分别约为 0.28%、0.92% 和 2.12%。缩小餐食或进行较小的增加时，误差网格表现更稳定。
作者将这类偏差与参考模拟器的非线性行为联系起来。例如，血糖降至基础水平以下时，参考模拟器的一些非线性变化难以由线性模型加残余信号完整重建。个体化参数拟合改善了回放结果，但没有消除所有情景下的模型结构差异。
临床记录演示不同输入下的替代情景
论文最后使用一段真实临床记录演示回放。研究模拟减少一餐的餐时胰岛素，并同时移除随后用于处理低血糖的补食，比较可能产生的餐后曲线。其中一个回放例子将餐时胰岛素改为原始输入的 80%：模型中的血糖未低于 90 mg/dL，超过 180 mg/dL 的餐后时间少于 5 分钟。这些数值来自替代情景的计算结果。
这里的改变是在模型中进行，原记录并没有提供同一个人实际接受该调整后的血糖轨迹。参考模拟器试验回答的是回放能否重建既定场景，临床示例则说明如何用个人记录提出可检验的调整设想，两者承担不同的验证任务。
后续验证需要加入随时间变化的个体状态
研究提出进一步加入运动、随时间变化的胰岛素敏感性，以及不同餐食的吸收特征。这些因素可能改变血糖过程，也可能影响残余信号能否沿用。作者还计划通过人体干预研究评价回放建议的实际用途；本篇完成的是模拟器中的适用范围检验和临床数据演示。