个性化糖尿病1型管理方法：一个方案并不适合所有人

来自布里斯托大学的研究团队分析了1型糖尿病（T1D）患者的自动胰岛素输送数据，发现胰岛素需求中出现的异常模式与众所周知的模式同样普遍。

这项研究今天发表在《JMIRx Med》上，旨在识别和评估使用OpenAPS这一领先的自动胰岛素输送系统（AID）用户中胰岛素需求变化的频率。

布里斯托大学科学与工程学院的首席作者伊莎贝拉·德根表示：“我们的研究结果支持了碳水化合物摄入以外的因素在维持正常血糖水平方面发挥重要作用的观点。”

“然而，缺乏这些因素的可测量数据，AID系统必须谨慎调整胰岛素，这可能导致血糖水平过低或过高。”

1型糖尿病是一种长期疾病，身体无法产生足够的胰岛素，胰岛素是负责控制血糖水平的激素。

T1D的主要治疗方法包括注射或泵送胰岛素，这必须与碳水化合物摄入相对应，谨慎定时和剂量，以防止血糖水平升高。然而，运动、荷尔蒙波动和压力等因素也会影响胰岛素需求。这些因素对血糖水平的不可预测影响在很大程度上缺乏研究，导致胰岛素剂量仍然是一个复杂的过程，可能导致T1D患者的血糖水平变得危险。

研究结果强调了T1D中血糖管理的复杂性，并展示了个体之间胰岛素需求的差异，突显了个性化治疗方法的必要性。

为了确保在临床实践中系统考虑这些因素，研究人员必须开发测量和量化它们对胰岛素剂量影响的方法。这也可能改善血糖预测，因为研究发现仅依赖胰岛素和碳水化合物数据并不保证准确性。

伊莎贝拉进一步表示：“我们的研究强调，管理1型糖尿病涉及的远不止是计算碳水化合物。”

“通过分析自动胰岛素输送数据所获得的深度洞见，使得与这些现实世界数据合作的努力变得很有价值。”

她补充道：“我们发现的各种模式令人惊讶，即使在我们相对小且均匀的参与者群体中。”

“显然，糖尿病管理不能采取一刀切的方法。”

“我们希望我们的发现能够鼓励对影响胰岛素需求的较少研究因素进行进一步探索，以提高剂量的准确性。”

研究团队目前正在改进时间序列模式识别方法，以适应真实世界医疗数据的多样和复杂性，包括不规则采样和数据缺口。他们目前的重点是开发特别针对多变量时间序列数据的新分割和聚类技术，以揭示更细微的模式并解决AID数据的挑战。

为了促进持续的研究，团队正在寻找长期公开可用的AID数据集，这些数据集包括各种因素的广泛传感器测量以及不同T1D个体的多样群体。此外，他们还希望与时间序列分析和机器学习的专家合作，以解决技术难题，例如管理不均匀采样数据和揭示观察模式背后的因果关系，从而推动个性化护理的发展。