虚拟代谢队列与传感器—泵闭环胰岛素控制评价
将个体代谢差异、连续血糖监测误差和皮下输注延迟同时模拟，比较胰岛素控制策略。
用途与模型
- 研究用途
- 在人体研究前检查闭环给药算法的血糖控制、低血糖风险及极端设备情境；不作为患者给药工具。
- 模型与细胞来源
- 成人、青少年、儿童各 100 个虚拟对象，基于人体代谢参数范围；连续血糖监测（continuous glucose monitoring，CGM）误差及离散泵输注、皮下胰岛素运输分别建模。
- 方法版本
- 2009 年公开的 300 个虚拟对象与 3 个组件模拟环境
- 实验形式
- 可选全队列、子组、个体及进餐场景。比例—积分—微分控制（proportional-integral-derivative control，PID）与模型预测控制（model predictive control，MPC）的示范为 1 个虚拟对象的 72 小时比较。
材料与平台
- 代谢变异
- 26 个自由参数的葡萄糖—胰岛素模型；当时未含参数昼夜变化。
- 传感器验证参照
- Navigator 的 56 个实测传感器来自 28 位患者，用于比较传感器误差分布；模型包括校准偏差、组织间液延迟和时间相关误差。
- 输注与结局
- 表示 OmniPod 与 Deltec Cozmo 的设备特性和皮下输注延迟，分别评估平均血糖、波动及高低血糖风险。
测量指标与分析
- 血糖与胰岛素模拟轨迹
- 传感器误差分布
- 高低血糖风险
- 算法对设备和个体变化的稳健性
虚拟对象数、传感器数和真实患者数分开；单对象算法图为示范，不能推出全人群或所有调参的性能排名。
研究设计与结果
方法可行性研究
- 研究设计
- 比较真实/模拟传感器误差分布，另演示单对象 3 天内的 2 种控制算法与故障情景。
- 测试范围
- 300 个虚拟对象，成人、青少年、儿童各 100 个；传感器参照为 56 个设备、来自 28 位患者；控制算法示范仅为 1 个虚拟对象的 72 小时比较。
- 参照体系
- Navigator 实测误差分布；所示 PID 和有进餐预告的 MPC 设置。
- 研究结果
- 误差分布卡方 p>.46；所示 PID 餐后出现低血糖倾向，MPC 较少，但 PID 重新调参可能改善。
适用条件与研究局限
- 传感器分布无显著差异不等于所有动态特性等价。
- 算法示例非全虚拟队列和前瞻人体比较；参数昼夜变化当时未纳入。
- 原论文作者报告的 FDA 历史接受限于特定临床前实验，不能称模拟器普遍获 FDA 批准。
来源与原文
- In Silico Preclinical Trials: A Proof of Concept in Closed-Loop Control of Type 1 Diabetes原始研究 · Journal of Diabetes Science and Technology · 2009-01-01