آزمایش سیلیکو برای پانکراس مصنوعی مبتنی بر هوش مصنوعی جهت استفاده در بخش مراقبت های ویژه

کنترل موثر گلوکز در بخش مراقبت های ویژه (ICU) پتانسیل کاهش عوارض و مرگ و میر را دارد که به نوبه خود منجر به کاهش هزینه های مراقبت های بهداشتی می شود. کنترل‌کننده‌های گلوکز مبتنی بر ICU کنونی از نظر ریاضی مشتق شده‌اند و بر اساس مشتق انتگرال متناسب (PID) یا کنترل پیش‌بینی مدل (MPC) هستند. کنترل‌کننده‌های گلوکز حلقه بسته مبتنی بر هوش مصنوعی (AI) ممکن است. توانایی دستیابی به کنترلی را داشته باشند، که نتایج به‌دست‌آمده توسط کنترل‌کننده‌های PID یا MPC را بهبود بخشد. ما یک تجزیه و تحلیل در سیلیکون از یک کنترل کننده قند مبتنی بر هوش مصنوعی که برای استفاده در تنظیمات ICU طراحی شده است، انجام دادیم. این کنترلر با استفاده از یک مدل ریاضی از سیستم گلوکز-انسولین بیمار ICU مورد آزمایش قرار گرفت. در مجموع 126000 شبیه سازی منحصر به فرد 5 روزه انجام شد که منجر به 107 میلیون مقدار گلوکز برای تجزیه و تحلیل شد. که در نتیجه، برای 7 محدوده کنترل آزمایش شده، با خطای سنسور 10%، میانگین نتایج1-4 به دست آمد است،(1) زمان در محدوده کنترل، 94.2٪،(2) زمان در محدوده mg/dl140-70، 97.8٪، (3) زمان در محدوده هیپرگلیسمی (> 140 میلی گرم در دسی لیتر)، 2.1٪ و (4) زمان در محدوده هیپوگلیسمی (> 70 میلی گرم در سی لیتر، 0.09٪. همچنین میانگین ضریب تغییرات (CV) 11.1 درصد بود. که نتیجه گیری کلی این مطالعه در سیلیکون یک کنترل‌کننده گلوکز حلقه بسته مبتنی بر هوش مصنوعی نشان می‌دهد، که ممکن است بتواند نتایج به‌دست‌آمده توسط کنترل‌کننده‌های PID/MPC مبتنی بر ICU موجود را بهبود بخشد. اگر این نتایج در آزمایش‌های بالینی تأیید شوند، این کنترل‌کننده مبتنی بر هوش مصنوعی می‌تواند برای ایجاد یک سیستم پانکراس مصنوعی برای استفاده در تنظیمات ICU استفاده شود.

هوش مصنوعی، کنترل حلقه بسته، صرفه جویی در هزینه، گلوکز، بخش مراقبت های ویژه، سیستم مبتنی بر دانش