用于对葡萄糖敏感性建模的模型拼接框架制造技术

本文描述了用于对葡萄糖敏感性和传感器电学性能之间的关系进行建模的方法、系统和装置。更具体地，这些方法、系统和装置描述了将与葡萄糖敏感性和传感器电学性能相关的输入信号特征空间划分成子空间，并且训练每个子空间的模型。例如，子空间模型可以形成模型的拼接，其输出比单个模型更准确。其输出比单个模型更准确。其输出比单个模型更准确。

【技术实现步骤摘要】
【国外来华专利技术】用于对葡萄糖敏感性建模的模型拼接框架
[0001]相关申请的交叉引用
[0002]本申请要求以下申请的权益和优先权：2021年1月29日提交的美国专利申请17/163,233号，以及2021年1月29日提交的美国专利申请17/163,273号。前述申请中的每一者的全部内容据此以引用的方式并入本文。


[0003]本技术整体涉及传感器技术，包括用于感测各种生理参数(例如，葡萄糖浓度)的传感器。

技术介绍

[0004]多年来，已经开发了多种用于对患者的血液中的特定药剂或组合物进行检测和/或定量的传感器，这使得患者和医务人员能够监测患者身体内的生理状况。说明性地，受试者可能希望连续地监测受试者身体内的血液葡萄糖水平。因此，已开发了用于获得对糖尿病患者的血液葡萄糖水平的指示的葡萄糖传感器。此类读数适用于监测和/或调整通常包含向患者定期施用胰岛素的治疗方案。目前，患者可以使用BG测量装置(即，葡萄糖测定仪)例如测试条计、连续葡萄糖测量系统(或连续葡萄糖监测器)或医院BG测试来测量其血液葡萄糖(“BG”)。BG测量装置使用各种方法来测量患者的BG水平，诸如患者的血液样品、与体液接触的传感器、光学传感器、酶传感器或荧光传感器。当BG测量装置已生成BG测量结果时，该测量结果将显示在BG测量装置上。

技术实现思路

[0005]传感器装置的葡萄糖敏感性与传感器特征(例如，传感器电学性能)之间的关系对于准确建模是至关重要的，因为它影响当前连续葡萄糖监测(“CGM”)系统是利用来自传感器装置的测量值还是消隐传感器装置(例如，移除、忽略、或放弃将传感器数据传输到传感器装置或具有显示界面的任何其他装置)。然而，单个模型通常不能准确地描绘这种复杂关系。例如，传感器电学性能诸如时间、佩戴、电池、校准以及其他性能可能以难以用单个模型捕获的复杂方式影响葡萄糖敏感性。另外，葡萄糖敏感性可以随着传感器特征的改变而变化，例如，由于感测环境、生理动态或传感器制造的可变性。本文描述的方法和系统将输入信号特征空间划分成多个邻接子空间。系统从多种类型的模型中针对每个子空间选择并训练模型。结合当前系统，此类输入信号特征空间划分通常是不成功的。事实上，由于每个空间内可用数据的减少，输入信号特征空间划分经常导致准确性和性能的显著降低。然而，本文描述的方法和系统利用智能划分和训练技术以便生成准确模型。所得到的拼接模型比用于确定传感器装置的葡萄糖敏感性与传感器电学性能之间的关系的单个模型更准确。
[0006]该建模技术的准确性提高了CGM系统符合传感器装置的政府标准的能力。政府机构(例如，联邦药物管理局(“FDA”))对CGM的敏感性和准确性施加了限制和要求。例如，要求CGM装置满足许多标准(例如，FDA的集成连续葡萄糖监测(“iCGM”)标准)以便传感器数据被
认为是准确的。为了符合iCGM标准，CGM系统必须准确地对传感器装置的葡萄糖敏感性与传感器电学性能之间的关系进行建模。系统可以使用模型的拼接的输出来确定传感器装置是否满足iCGM标准。如果系统确定传感器装置符合iCGM标准，则系统可以利用来自传感器装置的读数。如果系统确定传感器装置不符合iCGM标准，则系统可以消隐来自用户装置的传感器数据(例如，移除、忽略或放弃将传感器数据传输到传感器装置或具有显示界面的任何其他装置)。因此，本文所述的方法、系统和装置允许与FDA的iCGM标准兼容的改进的CGM技术。
[0007]更具体地，这些方法、系统和装置描述将输入信号特征空间划分成多个邻接子空间。例如，输入信号特征空间可以与葡萄糖敏感性和与传感器装置相关联的传感器电学性能(例如，佩戴、时间、电池寿命、校准等)有关。该系统可以训练每个子空间的机器学习模型以基于与该子空间的传感器电学性能相关联的值的范围来确定葡萄糖敏感性。在一些实施方案中，机器学习模型可以将来自传感器装置的传感器数据作为输入，并且可以使用训练数据作为反馈。训练数据可以包括关于葡萄糖敏感性的临床数据。在一些实施方案中，系统还可以从传感器装置接收与传感器装置相关联的传感器数据(例如，与佩戴时间、电池寿命、校准、电学数据或其他传感器性能相关)。系统可以将传感器数据输入到机器学习模型中，并且可以从机器学习模型接收指示葡萄糖敏感性的输出。
[0008]在输入信号特征空间分割的情况下，在子空间之间的边界处可能出现差异。例如，相邻子空间的单独模型可能未精确对准，从而导致拼接模型中的间隙。因此，本文描述的方法和系统详述了用于校正模型之间差异的平滑和混合方法。例如，系统可以将每个子空间的模型扩展到相邻子空间中。因此，围绕子空间边界的区域可以包括几个重叠模型。在一些实施方案中，系统可以基于整个输入信号特征空间的模型来构建复合模型。系统可以将复合模型覆盖在每个子空间的模型之上(例如，覆盖整个输入信号特征空间)，并且将复合模型与每个子空间的模型混合。在一些实施方案中，系统可以使用平滑或混合子空间边界处的葡萄糖敏感性输出的其他方法以便生成准确且平滑的拼接模型。
[0009]在一些方面，描述了用于连续葡萄糖监测的方法、系统和装置。例如，该系统可以将输入信号特征空间划分成多个邻接子空间，该输入信号特征空间与葡萄糖敏感性和与传感器装置相关联的传感器电学性能有关。在一些实施方案中，对于每个子空间，系统可以训练机器学习模型以基于与子空间的传感器电学性能相关联的值的范围来预测葡萄糖敏感性。在一些实施方案中，系统可以使用包括关于葡萄糖敏感性的临床数据的训练数据来训练机器学习模型。系统可以从传感器装置接收传感器数据并且可以将传感器数据输入到机器学习模型中。该系统可以从机器学习模型接收指示葡萄糖敏感性的输出。在一些实施方案中，系统可以基于来自机器学习模型的输出来确定是否消隐传感器装置(例如，移除、忽略或放弃将传感器数据传输到传感器装置或具有显示界面的任何其他装置)。
[0010]通过详细描述和附图，各种其他方面、特征和优点将是显而易见的。还应当理解，前面的一般描述和下面的详细描述都是实例，而不是对本专利技术范围的限制。如在说明书和权利要求书中所使用的，单数形式的“一个”、“一种”和“所述”包括复数指示物，除非上下文另外清楚地指明。此外，如在说明书和权利要求书中所使用的，术语“或”意指“和/或”，除非上下文另外清楚地指明。另外，如在说明书中所使用的，“一部分”是指给定项目(例如，数据)的子部分或整体，除非上下文另外明确规定。
[0011]本公开的一个或多个方面的细节在以下附图和描述中阐述。根据说明书和附图以及权利要求书，本公开中描述的技术的其他特征、目的和优点将是显而易见的。
附图说明
[0012]将参照附图对本专利技术的实施方案进行详细描述，其中，相似的数字表示图式中的对应部分。
[0013]图1示出了根据一个或多个实施方案的可佩戴传感器电子装置。
[0014]图2是根据一个或多个实施方案的皮下传感器插入装置的透视图和传感器电子装置的框图。
[0015]图3示出了根据一个或多个实施方案的具有两侧的衬底，第一侧包含电极配置，本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练机器学习模型的系统，所述系统用于确定是否消隐传感器装置，所述系统包括：存储器，所述存储器被配置为存储多个机器学习模型；和处理器，所述处理器被配置为：接收训练数据，所述训练数据包括关于传感器装置的葡萄糖敏感性的临床数据，所述临床数据对应于所述传感器装置的传感器电学性能；将所述训练数据划分成多个训练数据子集，其中所述多个训练数据子集中的每个训练数据子集对应于多个邻接子空间中的一个邻接子空间，并且其中所述多个邻接子空间中的每个邻接子空间对应于与相应子空间的所述传感器电学性能相关联的值的范围；以及基于所述多个训练数据子集中的每个训练数据子集来训练所述多个机器学习模型中的相应机器学习模型以生成用于消隐所述传感器装置的输出。2.根据权利要求1所述的系统，其中通过间隙电流信号来测量所述葡萄糖敏感性。3.根据权利要求1或2所述的系统，其中所述传感器电学性能是所述传感器装置的佩戴时间。4.根据权利要求1至3中任一项所述的系统，其中为了划分所述训练数据，所述处理器被进一步配置为确定所述多个邻接子空间，使得相对于所述传感器电学性能而言，葡萄糖敏感性行为在每个子空间内是相似的。5.根据权利要求1至4中任一项所述的系统，其中消隐所述传感器装置包括移除、忽略或放弃将传感器数据传输到所述传感器装置。6.根据权利要求1至5中任一项所述的系统，其中根据所述多个邻接子空间对所述训练数据进行加权。7.根据权利要求1至6中任一项所述的系统，其中所述处理器被进一步配置为：确定包括所述相应机器学习模型的多个模型，其中所述模型从最简单到最复杂进行排序；基于一个或多个标准从最简单到最复杂来测试所述多个模型中的每个模型；以及确定所述相应机器学习模型是满足所述一个或多个标准的最简单模型。8.一种用于对葡萄糖敏感性和传感器电学性能之间的关系进行建模的...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：美敦力迷你迈德公司，
类型：发明
国别省市：