用于驾驶自动驾驶汽车和击败顶级棋手的相同类型的机器学习方法可以帮助1型糖尿病患者将血糖水平保持在安全范围内。
布里斯托大学的科学家表明,强化学习是一种机器学习,计算机程序通过尝试不同的行动来学习做出决定,在安全性和有效性方面明显优于商业血糖控制器。通过使用离线强化学习,算法从患者记录中学习,研究人员改进了之前的工作,表明良好的血糖控制可以通过从患者的决定中学习而不是通过反复试验来实现。

1型糖尿病是英国最普遍的自身免疫性疾病之一,其特征是负责调节血糖的胰岛素激素不足。
许多因素会影响一个人的血糖,因此为给定情况选择正确的胰岛素剂量可能是一项具有挑战性和繁重的任务。目前的人工胰腺设备提供自动胰岛素剂量,但受到其简单的决策算法的限制。
然而,发表在《生物医学信息学杂志》上的一项新研究表明,离线强化学习可能代表着对患有这种疾病的人进行护理的一个重要里程碑。改善最大的是儿童,他们每天在目标血糖范围内的时间增加了1.5小时。

儿童是一个特别重要的群体,因为他们通常无法在没有帮助的情况下控制自己的糖尿病,而这种规模的改善将带来明显更好的长期健康结果。
来自布里斯托大学工程数学系的主要作者Harry Emerson解释说:我的研究探讨了强化学习是否可以用于开发更安全、更有效的胰岛素剂量策略。
这些机器学习驱动的算法在下棋和驾驶自动驾驶汽车方面表现出超人的表现,因此可以从预先收集的血糖数据中学习执行高度个性化的胰岛素剂量。
这项特殊的工作特别关注离线强化学习,其中算法通过观察良好和不良血糖控制的例子来学习行动。该领域的先前强化学习方法主要利用反复试验的过程来确定良好的行动,这可能会使真实世界的患者接触到不安全的胰岛素剂量。
由于与不正确的胰岛素剂量相关的高风险,使用FDA批准的UVA/Padova模拟器进行了实验,该模拟器创建了一套虚拟患者来测试1型糖尿病控制算法。针对最广泛使用的人工胰腺控制算法之一评估了最先进的离线强化学习算法。这种比较是在30名虚拟患者(成人、青少年和儿童)中进行的,并考虑了7,000天的数据,并根据当前的临床指南评估了性能。该模拟器还被扩展以考虑现实的实施挑战,例如测量错误、不正确的患者信息和有限数量的可用数据。
这项工作为血糖控制方面的持续强化学习研究提供了基础,展示该方法改善1型糖尿病患者健康结果的潜力,同时强调该方法的缺点和未来需要发展的领域。
研究人员的最终目标是在现实世界的人工胰腺系统中部署强化学习。这些设备在有限的患者监督下运行,因此需要大量的安全性和有效性证据才能获得监管部门的批准。
Emerson补充说:这项研究表明机器学习有潜力从预先收集的1型糖尿病数据中学习有效的胰岛素剂量策略。探索的方法优于使用最广泛的商业人工胰腺算法之一,并展示了利用人的习惯和习惯的能力。安排对危险事件做出更快的反应。
参考资料:Harry Emerson et al, Offline reinforcement learning for safer blood glucose control in people with type 1 diabetes, Journal of Biomedical Informatics (2023). DOI: 10.1016/j.jbi.2023.104376
- 1型糖尿病母系效应中,母亲患病子女患病率约为父亲患病者的一半。研究分析6942名高遗传风险儿童,排除遗传风险、选择性流产的解释,发现母体保护在生命早期,指向表观遗传等新机制,或助力预防。
- 10月20日发表于《内科医学年鉴》的研究显示,美国1型糖尿病成年患者,其中度及重度抑郁、广泛性焦虑症患病率高于2型糖尿病及非糖尿病者,尤其1型患者中女性、低学历、65岁以下人群患病率更高,需加强高危者心理健康筛查。
- 2026年美国糖尿病协会、欧洲糖尿病研究协会更新成人1型糖尿病共识指南,新版不鼓励使用“成人隐匿性自身免疫性糖尿病(LADA)”术语,该术语存争议,无统一诊断标准,易造成混乱。
- 丹麦科研人员依托全国权威登记数据,针对30岁以下人群的研究显示:未接种新冠疫苗者感染后31-180天内,1型糖尿病发病风险降42%,仅女性有统计学意义,属观察性研究,结果具较高参考价值。
- 沙特阿拉伯一项针对407名2至17岁1型糖尿病患儿的研究,分析其血糖控制情况及甲状腺病变、血脂异常、维生素D缺乏、乳糜泻等合并症,提示需加强相关筛查监测。
- 1型糖尿病传统仅靠补胰岛素治标,2025年9月我国获批的特瑞可(Teplizumab)是首款针对其发病根源的药物,可提前阻断免疫攻击,但因缺早筛、价高、条件严,适用范围窄,普通患者难接触。
- 韩国政府将于2026年7月1日实施修正案,将1型糖尿病患者认定为法定残疾(胰腺疾病类),符合条件者可登记为残疾人,享受相关福利,减轻医疗及住院等负担。
- 英国的一个科学团队开发了一种名为“人工胰腺”的设备,用于优化1型糖尿病患者的治疗。人工胰腺结合了现代算法,并与每个用户单独交互,实现胰岛素测量和服用过程的自动化。
- 根据2023年6月29日发表在《细胞报告医学》杂志上一篇研究报告,研究人员分析了在家族遗传上易患1型糖尿病的高风险儿童的血液,并确定了一组蛋白质,可以在糖尿病症状出现前几个月预测导致该疾病的自身免疫问题。
- 这个批准是有史以来第一个治疗1型糖尿病患者的细胞疗法,为患有1型糖尿病和反复严重低血糖的患者提供了一种额外的治疗选择,以帮助实现目标血糖水平。
- 患有1型糖尿病的运动员经常出现低血糖,有患糖尿病酮症酸中毒的风险,并且可能难以调整胰岛素和碳水化合物水平以达到预期的健康结果。患有1型糖尿病的运动员脱水、迟发性低血糖、损伤恢复缓慢以及胰岛素泵或连续血糖监测装置粘合剂脱落的风险更高。
- 根据在伊利诺伊州芝加哥举行的内分泌学会年会ENDO 2023上发表的一项研究,许多1型糖尿病患者很难在安全锻炼的同时将血糖水平保持在健康范围内。
- 在发表在《美国人类遗传学杂志》上的这项新研究中,由爱丁堡大学的Helen Colhoun教授和Paul McKeigue教授领导的研究人员开发了一种新方法来分析不同基因如何影响患1型糖尿病的风险。
- 一项队列研究表明,与未患有1型糖尿病的患者相比,患有1型糖尿病的患者可能会出现更早的脑老化,尽管这并没有出现阿尔茨海默病相关神经变性的早期迹象。
- 本研究评估了患有1型糖尿病的年轻人的营养素养和对疾病的感知情绪负担。所有参与者都是非营利组织,这些组织致力于在患有1型糖尿病的年轻人度过人生的过渡时期,最常见的是从高中到大学的过渡时期,为他们提供联系和支持。
- 2021年发表在《糖尿病护理》上的一项研究发现,感染新冠肺炎的儿童在感染后六个月内患1型糖尿病的风险更高。该研究还表明,与症状轻微或无症状的儿童相比,具有严重新冠肺炎症状的儿童更容易患上1型糖尿病。
- 人工智能有可能通过为糖尿病患者提供对其病情的洞察力、预测和预防并发症以及提高药物依从性来彻底改变糖尿病管理。人工智能在糖尿病管理中的应用是一个不断发展的领域,需要进一步研究以充分发挥这项技术的潜力。
- 生物工程学教授Omid Veiseh说,研究人员一直在尝试将产生胰岛素的细胞植入1型糖尿病患者的体内来治疗1型糖尿病
- 1型糖尿病也称为胰岛素依赖型糖尿病或青少年糖尿病。这是一种慢性健康状况,目前无法治愈。1型糖尿病人的胰腺不会产生胰岛素或产生很少的胰岛素,无法满足身体的需求。
- 人工智能还不是医学中的常规设备,但它可能很快会改变医生处理医疗保健的方式,包括糖尿病并发症的预测和诊断。
② 本平台部分素材引用于网络,如有侵权,烦请原创作者联系我们予以公示或删除处理;
③ 本平台所提供的资料或信息,仅供访问者参考,不做任何医疗依据、建议及保证,病情的治疗请在正规医疗机构专科医生指导下进行。


















粤公网安备 44030602007410号