Ανάπτυξη Αναδρομικού Νευρωνικού Δικτύου Για Την Εξατομικευμένη Πρόβλεψη Της Συγκέντρωσης Γλυκόζης Σε Ασθενείς Με Σακχαρώδη Διαβήτη Τύπου 1

Abstract

Ο Σακχαρώδης Διαβήτης (ΣΔ) Τύπου 1 είναι χρόνιο αυτοάνοσο νόσημα που οφείλεται στην μειωμένη έκκριση ινσουλίνης στον οργανισμό λόγω καταστροφής των β-κυττάρων του παγκρέατος. Στην περίπτωση που δεν ελεγχθεί ο ΣΔ έχει ως αποτέλεσμα την συνεχώς υψηλή συγκέντρωση των σακχάρων στο αίμα, μια κατάσταση γνωστή ως υπεργλυκαιμία. Οι επιπλοκές που προκαλούνται από τη χρόνια υπεργλυκαιμία περιλαμβάνουν την καταστροφή, δυσλειτουργία και ανεπάρκεια διάφορων οργάνων όπως οι νεφροί, τα μάτια, τα νεύρα, η καρδιά και τα αγγεία. Προκειμένου να αποφευχθούν οι επιπλοκές του ΣΔ Τύπου 1 καθίσταται αναγκαίος ο γλυκαιμικός έλεγχος, ο οποίος επιτυγχάνεται μέσω τακτικών μετρήσεων των επιπέδων γλυκόζης και της εξωγενούς χορήγησης ινσουλίνης από τον ασθενή όταν είναι απαραίτητο. Αυτό το σύστημα ανοιχτού βρόχου εξαρτάται από τον ίδιο τον ασθενή και απαιτεί την καθημερινή και ενεργό συμμετοχή του για την ρύθμιση των επιπέδων γλυκόζης. Οι τελευταίες εξελίξεις στον τομέα Διατάξεων Συνεχούς Μέτρησης Γλυκόζης και αντλιών έγχυσης ινσουλίνης καθιστούν ρεαλιστική την ανάπτυξη σύστηματος γλυκαιμικού ελέγχου κλειστού βρόχου. Προς αυτή την κατεύθυνση, σημαντικό ρόλο παίζουν τα μοντέλα πρόβλεψης των επιπέδων γλυκόζης. Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη Αναδρομικού Νευρωνικού Δικτύου με Κυματιδιακές Συναρτήσεις Ενεργοποίησης (ΑΝΔΚΣΕ) για την εξατομικευμένη πρόβλεψη της συγκέντρωσης γλυκόζης σε ασθενείς με ΣΔ Tύπου 1. Το ΑΝΔΚΣΕ προσομοιώνει την κινητική γλυκόζης-ινσουλίνης και αποτελεί τμήμα ενός υβριδικού μοντέλου προσομοίωσης του μεταβολισμού γλυκόζης – ινσουλίνης. Το υβριδικό μοντέλο βασίζεται στη συνδυασμένη χρήση δύο Διαμερισματικών Μοντέλων και του ΑΝΔΚΣΕ. Τα Διαμερισματικά Μοντέλα προσομοιώνουν την απορρόφηση γλυκόζης από το έντερο και την κινητική της υποδόριας ινσουλίνης, αντίστοιχα. Το ΑΝΔΚΣΕ δέχεται ως εισόδους τις εξόδους των Διαμερισματικών Μοντέλων και την πρόσφατη καταγραφή γλυκόζης και παράγει τις εξατομικευμένες προβλέψεις για τους ασθενείς με ΣΔ Tύπου 1. To ΑΝΔΚΣΕ βασίζεται σε αρχιτεκτονική Elman ενώ εφαρμόζονται κυματιδιακές συναρτήσεις ενεργοποίησης. Το ιδιαίτερο χαρακτηριστικό του ΑΝΔΚΣΕ είναι η ικανότητά του να εκπαιδεύεται σε πραγματικό χρόνο χρησιμοποιώντας ως αλγόριθμο εκπαίδευσης το Εκτεταμένο Φίλτρο Kalman. Η διαρκής ενημέρωση των παραμέτρων του ΑΝΔΚΣΕ το καθιστούν ικανό να αναπροσαρμόζεται στις νέες συμπεριφορές του μεταβολισμού γλυκόζης. Το ΑΝΔΚΣΕ αξιολογείται με δεδομένα που παρήχθησαν από μη γραμμικό μοντέλο παραγωγής δεδομένων αξιολόγησης και με δεδομένα δύο ασθενών με ΣΔ Tύπου 1. Η ικανοποιητική απόδοσή του ως προς την επίλυση του προβλήματος και την πρόβλεψη της γλυκόζης είναι ενθαρρυντική για την μετέπειτά εφαρμογή του σε σύστημα γλυκαιμικού ελέγχου κλειστού βρόχου.

Type 1 Diabetes Mellitus (DM) is a chronic autoimmune disease that is caused from impaired insulin secretion in the body due to the destruction of the beta cells of the pancreas. In case DM is left uncontrolled it results in consistently high blood sugar concentration, a condition known as hyperglycemia. The complications from chronic hyperglycemia result in damage, dysfunction and failure of various organs, such as the kidneys, eyes, nerves, heart and blood vessels. To avoid the complications of Τype 1 DM tight glycemic control is needed, which is achieved through regular blood glucose measurements and the exogenous administration of insulin by the patient when necessary. This open loop system depends on the patient and requires his daily and active participation towards blood glucose regulation. The latest advances in the field of Continuous Glucose Monitoring Systems and insulin infusion pumps make feasible the development of a closed loop glycemic control system. Towards this direction, glucose prediction models levels play a significant role. The present thesis aims at the design, the development and the evaluation of a personalized glucose prediction model for patients with type 1 DM, based on Recurrent Wavelet Neural Network (RWNN). The RWNN simulates the glucose – insulin kinetics and is part of a hybrid simulation model of the glucose – insulin metabolism. The hybrid simulation model is based on the combined usage of two Compartmental Models (CM) and the RWNN. The Compartmental Models simulate glucose absorption from the gut and the subcutaneous insulin kinetics, respectively. The RWNN receives as inputs the outputs of the Compartmental Models along with the recent glucose measurement in order to provide with future glucose predictions. The RWNN is based on Elman architecture while wavelets are applied as activation functions. The most important feature of the RWNN is its ability to be trained in real time using the Extended Kalman Filter algorithm. The metabolic behavior of a specific patient is captured through the real-time update of the RWNN’s weights. The RWNN is evaluated using data produced from a nonlinear model and data from medical records of two patients with Type 1 DM. The obtained results are encouraging encouraging for its future integration into a closed loop glycemic control system.