Ανάπτυξη εξατομικευμένου μοντέλου προσομοίωσης του μεταβολισμού γλυκόζης-ινσουλίνης σε άτομα με Σακχαρώδη Διαβήτη Τύπου 1 βασισμένο σε νευρο-ασαφή λογική

Abstract

Στόχος της παρούσας διπλωματικής εργασίας είναι η σχεδίαση, ανάπτυξη και αξιολόγηση εξατομικευμένων μοντέλων προσομοίωσης του μεταβολισμού γλυκόζης-ινσουλίνης σε άτομα με Σακχαρώδη Διαβήτη Τύπου 1 (ΣΔΤ1), τα οποία χρησιμοποιούν αντλία έγχυσης ινσουλίνης και Διάταξη Συνεχούς Μέτρησης Γλυκόζης. Τα μοντέλα λαμβάνουν εισόδους προηγούμενες καταγραφές γλυκόζης και ρυθμούς έγχυσης ινσουλίνης ,την πληροφορία της ποσότητας των περιεχόμενων υδατανθράκων στα λαμβανόμενα γεύματα καθώς και πληροφορία για την κατανάλωση ενέργειας μέσω φυσικών δραστηριοτήτων, ενώ εξάγουν βραχυπρόθεσμες προβλέψεις γλυκόζης. Η ανάπτυξή τους βασίστηκε σε νευρο-ασαφή λογική, κατά την οποία τα Νευρωνικά Δίκτυα (ΝΔ) πρόσθιας τροφοδότησης εκπαιδεύονται κατάλληλα ώστε να προσομοιώσουν έναν αλγόριθμο ασαφούς λογικής. Επιπλέον, εφαρμόστηκαν κυματιδιακές συναρτήσεις ενεργοποίησης στους νευρώνες του κρυφού επιπέδου. Τα μοντέλα που αναπτύχθηκαν διέφεραν ως προς το πλήθος και το συνδυασμό των εισόδων που δεχόντουσαν. Δοκιμάσθηκαν διαφορετικές προσεγγίσεις στην υλοποίηση της ασαφούς λογικής μέσω παραλλαγών στην αρχιτεκτονική των μοντέλων. Στην εφαρμογή τους τα νευρωνικά δίκτυα λειτούργησαν τόσο απομονωμένα όσο και σε συνεργασία μεταξύ τους για την παραγωγή προβλέψεων. Για την αξιολόγηση της απόδοσης των μοντέλων εφαρμόστηκαν μαθηματικά κριτήρια όπως το μέσο τετραγωνικό σφάλμα και ο συντελεστής συσχέτισης καθώς και κλινικά κριτήρια όπως η Continuous Glucose Error Grid Analysis. Για την ανάπτυξη και την αξιολόγηση των μοντέλων χρησιμοποιήθηκαν ιατρικά δεδομένα 12 ατόμων με ΣΔΤ1, τα οποία παραχωρήθηκαν από την Α’ Παιδιατρική Κλινική, Διαβητολογικό Κέντρο του Νοσοκομείου Π. & Α. Κυριακού καθώς επίσης και τα δεδομένα 6 ατόμων με ΣΔΤ1 που συλλέχθηκαν μέσα στις εργασίες του Ευρωπαϊκού ερευνητικού προγράμματος METABO.

The present Diploma Thesis aims at the design, development and evaluation of personalized glucose-insulin metabolism simulation models in patients with Type 1 Diabetes Mellitus (T1DM), which apply insulin infusion pumps and continuous glucose monitors. The models receive as inputs, previous measurements of the levels of glucose and insulin infusion rates as well as information about the quantity of carbohydrates contained within meals, while they produce short term glucose predictions. The development of the models was based on neuro-fuzzy logic. Feedforward neural networks were trained to successfully simulate a fuzzy logic algorithm. Moreover, wavelet functions were put inside the hidden layer neurons. There was diversity in the number and combination of inputs that was fed into the models. Several approaches in the implementation of the fuzzy logic were tested through differensiations in the architectul of the neural networks. In application the neural networks functioned not only alone, but also in cooperation with one another in order to produce predictions.. For the evaluation of the models performance certain mathematical criteria were used, such as the mean square error and the correlation coefficient, along with clinical criteria such as the Continuous Error Grid Analysis. For the development and the evaluation of the models, medical data from 12 patients with T1DM, were obtained from the 1st Pediatrics Clinic of P.A Kyriakou Hospital center for Diabetes and the medical data of 6 patients with T1DM collected within the framework of the EU research project METABO.