基于具有自适应选择的核和正则化参数的正则化网络的葡萄糖预测器制造技术

本发明专利技术涉及用于预测受检者的血糖轮廓的方法和设备。采用包括预测设置阶段和预测执行阶段的多阶段算法，预测设置阶段指定用于预测的泛函空间，并且预测执行阶段在所述泛函空间中指定作为时间的连续函数的预测的受检者的将来血糖状态。

【技术实现步骤摘要】
【国外来华专利技术】基于具有自适应选择的核和正则化参数的正则化网络的葡萄糖预测器
本专利技术涉及用于基于过去的生理学测量和/或治疗动作来预测受检者的血糖状态的方法，以及涉及能够执行此类预测的设备。
技术介绍
具有糖尿病的人，尤其是患I型或幼年型糖尿病的人应当频繁地测量他们的葡萄糖水平，以便能够调整治疗或行为以最大化在正常血糖下度过的时间。传统地，借助于包括刺血针、葡萄糖测试条和专门的计量设备的专用葡萄糖监视装备来手动测量葡萄糖水平。在一次这样的测量期间，用户刺穿通常是手指上的皮肤，并获得置于测试条上的一小滴血液。然后用血糖仪对测试条进行读取，并在几秒钟后计量仪显示结果。手指刺血可能是非常疼的，并且一天期间重复该过程多次是非常令人不悦的。此外，因为用户必须使用并带着三个不同的系统部分以便实行测量，所以该形式的葡萄糖监视被大多数具有糖尿病的人视为麻烦的事情。近来传感器技术的进步已经导致开发了可佩带的连续葡萄糖监视系统，也称为CGM系统，其能够连续(或者接近连续)测量和显示组织葡萄糖水平。这些系统一般包括携带适于经皮放置的小型传感器的皮肤贴片(adhesive patch)、传感器插入敷贴器(applicator)、无线通信装置以及能够解释传感器信号并呈现结果的手持远程接收机设备。传感器可以使用五到七天并随后丢弃。在这五到七天的过程中，仅需要每天(使用手动获得的血糖测量)校准传感器几次或更少次，这取决于具体的传感器品牌。CGM系统预期提供比常规血糖监视装备优越的用户便利性，部分地因为减少的对执行疼痛并且繁琐的手指针刺测量的要求，并且部分地因为自动执行并且连续处理测量，由此确保检测到危险的葡萄糖漂移并且及时向进行用户警告。然而，仅清楚当前销售的系统结合常规血糖测试来使用，并因此手动葡萄糖测试在原理上并未得到很大的减少。此外，尽管葡萄糖监视系统提供实时测试结果是可能的，但是仍然期望例如提前半小时或一小时更可靠地预测不远将来的葡萄糖水平波动。 对将来葡萄糖浓度的估计对于糖尿病管理是至关重要的任务，因为一个人的血糖状态的投影图关于最小化葡萄糖漂移和避免危险的低血糖事件将是非常宝贵的帮助。连续葡萄糖监视提供了对葡萄糖变化的详细洞悉，并且近来已经开发了若干用于根据CGM数据来进行葡萄糖预测的方法，例如如Speiracino 的:Glucose concen tra tioncan be predicted ahead in time from continuous glucose monitoringsensor timeseries^ IEEE Trans, on Biomedical Eng., 54(5): 931-937，2007，Reifman 等人的..Predictive Monitoring for Improved Management ofGlucose Levels ,,，Journal of Diabetes Sc1.and Tech., 1 (4): 478-486，2007， Zanderigo 等人的: Glucose prediction algorithms from continuousmonitoring da ta: Assessment of accuracy via Continuous GlucoseError-Grid Analysis 〃’ Journal of Diabetes Sc1.and Tech., 1(5): 645-651，2007,认及 Eren-Oruklu 等人的〃Estimation of future glucose concentrationswith subject- specific recursive linear models' Diabetes Technology &Therapeutics, 11(4): 243-253，2009 中所给出的。所有这些方法都基于时序标识方法并且区别仅在于所标识的时序模型的类型和复杂度，所标识的时序模型诸如多项式模型、自回归模型(AR)、自回归滑动平均(ARMA)模型或者来自MATLAB系统标识工具箱的其他模型。本质上，在固定类型的模型中，在每个采样时间处针对过去的葡萄糖数据来拟合模型参数。然后，拟合后的模型迭代地用于预测给定预测视野(PH)内的葡萄糖水平。在多个方面中，时序模型表现为严苛的，并且在实践中较少适用于预测将来葡萄糖浓度的目的，例如，因为此类模型需要既频繁又一致的数据输入。这势必造成用户例如经由频繁葡萄糖测试操作的高度介入，和/或对能够频繁并且以高度可靠方式传达采样后的数据的自动葡萄糖监视装置的需要。因此，从用户便利的观点来看，期望开发一种既不要求高采样率又不要求定期采样的数据的葡萄糖预测方法。在专利文献中有若干公布公开了糖尿病管理系统，这些糖尿病管理系统包括编程来预测病人的将来血糖值的病人操作的装置。预测的高可靠性对于所有此类系统是至关重要的。在WO 2005/041103中，通过提供多个数学模型来实现可靠性的改进，每个数学模型适于从相同输入生成各自的预测。期望这多个数学模型包括至少两个基于不同手段的模型。目前CGM系统中所有已知且经证明的预测模型都基于时序手段或线性外插。更多塊，如电 Kovatchev 和 Clark 的:“Peculiarities of the Con tinuous Glucose Monitoring Data Stream and Their Impac t on Develping Closed-LoopControl Technology^, Journal of Diabetes Sc1.and Tech., 2(1): 158-163，2008中也提到的，在实际的CGM系统中，所有预测当前都基于葡萄糖值的线性外插。鉴于以上，因此从医疗设备的观点来看，期望开发用于葡萄糖预测的不同手段。对不远将来的葡萄糖水平的良好预测是强烈期望的，因为其将使得能够在任何事件发生之前很好地向用户警告潜在的危险情况，并使用户能够执行预防动作以免在正常血糖之外度过太多时间。这又可以进一步减少或者甚至可能消除对疼痛的手动血糖检查测量的需要。
技术实现思路
考虑到上述问题和缺陷，本专利技术的目的是提供能够基于不规则采样的数据来预测受检者的将来血糖状态的葡萄糖预测器。本专利技术进一步的目的是提供能够基于以低采样率获得的数据来预测受检者的将来血糖状态的葡萄糖预测器。本专利技术的更进一步的目的是提供作为基于时序或线性外插的葡萄糖预测模型的替代的葡萄糖预测模型。在本专利技术的公开中，将描述将解决以上目的中的一个或多个的或者将解决从下面的公开以及从示例性实施例的描述而清楚的目的的方面和实施例。在本专利技术的第一方面中，提供了一种用于预测受检者的血糖状态的计算机实现的方法，包括:i)接收指示受检者的生理状况的信息和/或与治疗处理相关的信息，ii)基于在i)下接收的信息中的至少一些来指定用于预测的泛函空间，以及iii)在所述泛函空间中指定作为时间的连续函数的预测的葡萄糖水平。步骤iii)可以包括指定作为时间的连续函数的血糖和/或组织葡萄糖水平。在本上下文中，术语“血糖状态”应当被当作至少包括在给定时间点本文档来自技高网...

【技术保护点】
一种葡萄糖预测设备，包括：‑输入装置（130，140），其适于接收指示受检者的生理状况的信息，‑处理装置（110），其适于基于输入装置接收的信息来预测受检者的血糖状态，以及‑输出装置（120），其适于传达与所预测的血糖状态相关的信息，其中，处理装置适于执行包括预测设置阶段（32，33）和预测执行阶段（34）的多阶段预测过程，预测设置阶段（32，33）指定用于预测的泛函空间，并且预测执行阶段（34）在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态。

【技术特征摘要】
【国外来华专利技术】2011.04.20 EP 11163219.6;2011.05.02 US 61/4813151.一种葡萄糖预测设备，包括: -输入装置(130，140)，其适于接收指示受检者的生理状况的信息， -处理装置(110)，其适于基于输入装置接收的信息来预测受检者的血糖状态，以及 -输出装置(120)，其适于传达与所预测的血糖状态相关的信息， 其中，处理装置适于执行包括预测设置阶段(32，33)和预测执行阶段(34)的多阶段预测过程，预测设置阶段(32，33)指定用于预测的泛函空间，并且预测执行阶段(34)在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态。2.根据权利要求1所述的设备，其中，预测设置阶段基于输入装置接收的信息来指定泛函空间。3.根据权利要求1或2所述的设备，其中，时间的所指定的连续函数依赖于再生核和正则化参数，并且其中，预测设置阶段适于确定再生核和正则化参数的初始值。4.根据前述权利要求中的任何一项所述的设备，其中，预测设置阶段包括:a)标记(32)包含输入装置接收的信息的数据段，以及b)基于数据段的各个标记来确定(33)核和初始正则化参数，并且其中，预测执行阶段通过使用所确定的核和初始正则化参数来指定(34)预测的血糖状态以构建时间的连续函数。5.根据权利要求4所述的设备，其中，标记数据段包括线性拟合，并且其中，核和初始正则化参数的建议基于线性拟合的各个系数。6.根据前述权利要求中的任何一项所述的设备，其中，时间的连续函数是在再生核希尔伯特空间中通过正则化学习算法构建的。7.根据权利要求6所述的设备，其中，再生核希尔伯特空间是基于训练数据段的数据池来选择的，每个训练数据段指示受检者在各个时间点处的生理状况。8.根据前述权利要求中的任何一项所述的设备，其中，预测设置阶段基于从预定数据池获得的信息来指定用于预测的泛函空间。9.根据权利要求1-7中的任何一项所述的设备，其中，预测设置阶段基于从连续更新的数据池获得的信息来指定用于预测的泛函空间。10.根据前述权利要求中的任何一项所述的设备，其中，指示受检者的生理状况的信息包括与机体特性的至少一个测量相关的信息。11.根据权利要求10所述的设备，其中，机体特性是血糖或组织葡萄糖。12.根据前述权利要求中的任何一项所述的设备，其中，输入装置还适于接收与治疗处理相关的信息。13.根据权利要求12所述的设备，其中，与治疗处理相关的信息包括与葡萄糖调节剂的过去传递相关的信息。14.根据前述权利要求中的任何一项所述的设备，其中，输入装置还适于接收与受检者消耗的或要消耗的膳食相关的信息。15.一种用于预测受检者的葡萄糖轮廓的计算机实现的方法，所述方法包括: ?通过处理设备接收(31)与机体特性的至少一个测量相关的信息， ?通过处理设备基于所接收的信息来指定(32，33)用于预测的泛函空间，以及 ?通过处理设备在所述泛函空间中指定作为时间的连续函数的受检者的预测的血糖状态。16.根据权利要求...

【专利技术属性】
技术研发人员：J兰德洛夫，S麦肯诺斯，S佩雷维兹耶，S萨帕斯，
申请(专利权)人：诺沃—诺迪斯克有限公司，
类型：发明
国别省市：丹麦;DK