For alle som lever med diabetes type 1, handler mye av hverdagen om å forsøke å ligge ett skritt foran blodsukkeret. Vi følger med på sensorverdien, studerer trendpilene, beregner karbohydrater og prøver å forestille oss hvor blodsukkeret vil være om 30 minutter, én time eller kanskje enda lenger fram i tid.
Men hva om teknologien kunne gjøre en stadig større del av denne beregningen for oss?
Dagens insulinpumper kan allerede forutsi hvordan glukosen sannsynligvis vil utvikle seg de neste minuttene. Samtidig arbeider forskere med kunstig intelligens som kanskje kan oppdage langt mer kompliserte mønstre i framtiden.
For å forstå utviklingen må vi skille mellom algoritmene som brukes i godkjente insulinpumper i dag, og den mer avanserte kunstige intelligensen som fortsatt er under forskning.
Dagens teknologi: Insulinpumper som beregner framover
Moderne automatiserte insulinsystemer omtales gjerne som AID-systemer, en forkortelse for Automated Insulin Delivery. De kalles også hybride closed-loop-systemer.
Eksempler er MiniMed 780G, Tandem t:slim X2 med Control-IQ, Omnipod 5 og YpsoPump med CamAPS FX. Hvilke systemer som er tilgjengelige, varierer mellom land og mellom forskjellige behandlings- og innkjøpsordninger.
Systemene består vanligvis av tre hoveddeler:
- en kontinuerlig glukosesensor, ofte kalt CGM
- en insulinpumpe
- en algoritme som beregner hvor mye insulin som bør tilføres
Begrepet «hybrid» betyr at systemet kan regulere mye av insulintilførselen automatisk, men at brukeren fremdeles vanligvis må registrere måltider og gi måltidsdose.
Pumpene bruker forskjellige algoritmer
Det er lett å tro at alle automatiserte insulinpumper fungerer på samme måte. Det gjør de ikke.
Noen systemer bruker varianter av såkalt Model Predictive Control, forkortet MPC. Andre bygger på andre matematiske reguleringsmetoder eller kombinasjoner av flere metoder.
Felles for systemene er at de bruker sensordata til å beregne hvordan glukosen sannsynligvis vil utvikle seg. Algoritmen kan blant annet ta hensyn til:
- nåværende sensorverdi
- hvor raskt glukosen stiger eller faller
- hvor mye aktivt insulin som fortsatt virker i kroppen
- brukerens insulininnstillinger
- tidligere og samlet insulinbehov
- valgt målverdi
- registrerte måltider eller aktivitet
Algoritmen beregner deretter om insulintilførselen bør økes, reduseres eller midlertidig stoppes.
MiniMed 780G justerer for eksempel insulintilførselen hvert femte minutt basert på sensorverdiene og kan også gi automatiske korreksjoner. Control-IQ bruker sensorverdiene til å beregne glukosen omtrent 30 minutter framover. Omnipod 5 kan beregne utviklingen opptil 60 minutter framover og justerer insulinet hvert femte minutt. CamAPS FX bruker en adaptiv algoritme som gradvis tilpasser seg brukerens insulinbehov.
Kan redusere risikoen for føling
En av de viktigste fordelene ved automatisert insulintilførsel er at pumpen kan reagere før glukosen faktisk har blitt for lav.
Dersom algoritmen beregner at glukosen er på vei ned, kan systemet redusere eller midlertidig stoppe insulintilførselen. Hvis glukosen er på vei opp, kan systemet øke tilførselen eller gi automatiske korreksjoner, avhengig av hvilken pumpe som brukes.
Dette kan redusere både hyppigheten og varigheten av lave og høye glukoseverdier.
Pumpen kan likevel ikke garantere at en føling unngås. Insulin som allerede er satt, kan ikke hentes tilbake. En stor måltidsdose, fysisk aktivitet, alkohol, forsinket opptak av mat eller uventet høy insulinfølsomhet kan føre til lavt blodsukker selv om pumpen reduserer tilførselen.
Glukosesensoren måler dessuten glukosen i vevsvæsken og ikke direkte i blodet. Ved raske endringer kan sensorverdien derfor ligge noen minutter etter den faktiske utviklingen i blodet.
Pumpen skal derfor betraktes som en avansert støtte, ikke som en garanti mot alle høye og lave verdier.
Lærer pumpen kroppen din å kjenne?
Det korte svaret er: Til en viss grad, men systemene lærer på forskjellige måter.
Noen AID-systemer analyserer det totale insulinbehovet over tid og bruker dette til å tilpasse den automatiske insulintilførselen. Andre er i større grad avhengige av innstillinger som basaldose, insulinfølsomhet, karbohydratfaktor, kroppsvekt eller oppgitt total døgndose.
CamAPS FX beskrives som et adaptivt og selvtilpassende system som lærer av brukerens insulinbehov. Control-IQ bruker blant annet brukerens vekt, totale døgndose og programmerte pumpeinnstillinger. Tilpasningen skjer derfor ikke på samme måte i alle systemene.
Dette er viktig fordi uttrykket «pumpen lærer deg å kjenne» lett kan gi inntrykk av at pumpen forstår kroppen på samme måte som et menneske. I virkeligheten analyserer den tall, utviklingsretninger og gjentakende mønstre innenfor tydelig definerte rammer.
Er dagens insulinpumper kunstig intelligens?
Begrepet kunstig intelligens brukes svært vidt. Enkelte av dagens systemer har adaptive eller lærende egenskaper, men de fungerer ikke som generative KI-systemer som ChatGPT.
En insulinpumpe bruker en medisinsk kontrollalgoritme som er utviklet for en svært avgrenset oppgave: å beregne tryggest mulig insulintilførsel ut fra tilgjengelige data.
Algoritmen må være grundig testet og dokumentert. Den arbeider innenfor bestemte sikkerhetsgrenser og har begrensninger for hvor mye insulin den kan tilføre.
Det betyr ikke at resultatet alltid er 100 prosent forutsigbart. Algoritmens beregninger kan være kontrollerte og etterprøvbare, men menneskekroppen er ikke fullt forutsigbar. Matopptak, insulinvirkning, hormoner, stress, sykdom og fysisk aktivitet kan variere betydelig fra dag til dag.
Framtiden: Kunstig intelligens som ser flere sammenhenger
Dagens AID-systemer arbeider hovedsakelig med sensorverdier, aktivt insulin og forhåndsdefinerte pumpeinnstillinger. Framtidens systemer kan få tilgang til langt flere opplysninger.
Forskere undersøker blant annet om maskinlæring kan kombinere data om:
- glukoseutvikling
- insulindoser
- mat og karbohydrater
- fysisk aktivitet
- søvn
- puls og pulsvariasjon
- stress
- hudtemperatur
- sykdom og infeksjoner
- menstruasjonssyklus og andre hormonelle endringer
Målet er ikke bare å reagere på at glukosen allerede stiger eller faller. Målet er å oppdage tidlige signaler om at kroppen er på vei inn i en situasjon som kan påvirke glukosen senere.
En smartklokke måler ikke blodsukkeret direkte. Data fra klokken kan likevel gi tilleggsinformasjon om blant annet aktivitet, søvn, puls og kroppslig stress. Kombinert med CGM-data kan slike opplysninger kanskje gjøre framtidige beregninger bedre.
Nyere forskning viser at personlige maskinlæringsmodeller kan forbedre kortsiktige glukoseprognoser. Resultatene er vanligvis best når modellene forsøker å beregne utviklingen fra omtrent 30 minutter og opptil én time framover.
Hvorfor er det vanskelig å forutsi flere timer framover?
Glukoseutviklingen påvirkes av mange faktorer som kan endre seg raskt.
En algoritme kan beregne at glukosen vil være stabil om to timer. Men beregningen kan bli endret dersom personen:
- spiser eller drikker noe
- går en tur
- blir stresset
- oppdager en begynnende infeksjon
- tar mer insulin
- får forsinket opptak av maten
- får en endring i insulinopptaket fra infusjonsstedet
Jo lenger fram i tid algoritmen forsøker å se, desto større blir usikkerheten. Kortsiktige beregninger på 30–60 minutter er derfor vanligvis enklere enn en nøyaktig prognose for resten av dagen.
Framtidens systemer vil sannsynligvis ikke kunne fortelle nøyaktig hvilket glukosenivå en person vil ha mange timer senere. De kan derimot bli bedre til å beregne sannsynlighet:
Det er økt risiko for lav glukose de neste to timene.
eller:
Dagens søvnmangel, pulsutvikling og stigende glukose tyder på at insulinbehovet kan være høyere enn vanlig.
Dette kan bli svært nyttig selv om beregningen ikke er perfekt.
Fra termometer til værmelding
En vanlig glukosemåling forteller hvor glukosen ligger akkurat nå. Trendpilen forteller hvilken vei den beveger seg.
En god prognose forsøker å fortelle hvor glukosen sannsynligvis er på vei.
Sammenligningen med en værmelding passer derfor godt. En værmelding er aldri helt sikker, men den kan gi oss mulighet til å forberede oss. På samme måte kan en glukoseprognose varsle om økt risiko for lavt eller høyt blodsukker før situasjonen har oppstått.
Vi har allerede tatt de første stegene inn i denne framtiden. Moderne insulinpumper kan justere insulintilførselen flere ganger i timen og reagere på utviklingen før brukeren nødvendigvis rekker å gjøre det selv.
Veien videre handler om å gi systemene et mer helhetlig bilde av kroppen. Dersom forskerne lykkes, kan framtidens diabetesutstyr gå fra å reagere på glukosen akkurat nå til å forstå mer av det som sannsynligvis kommer til å skje senere.
Sensoren kan da bli noe mer enn et termometer for nåtiden. Den kan bli en stadig bedre værmelding for de neste timene.
Denne artikkelen er ment som generell informasjon om diabetesteknologi og forskning. Automatiserte insulinsystemer kan redusere risikoen for høye og lave glukoseverdier, men kan ikke forhindre alle slike hendelser. Endringer i insulinbehandling, pumpeinnstillinger eller glukosemål bør gjøres i samarbeid med diabetesteamet. Funksjoner og bruksområder varierer mellom produktene. Les alltid produsentens oppdaterte brukerhåndbok for det aktuelle systemet.