SoftCGM: Smartphone App überwacht und prognostiziert Glucose

Ein neues Venture-Tech-Startup möchte das kontinuierliche Glukosemonitoring, wie wir es kennen, verändern, indem es den Sensor komplett abschafft und sich stattdessen auf Smartphone-Algorithmen konzentriert, um konstante Blutzuckerwerte anzuzeigen und Glukose herzustellen Trendvorhersagen.

Treffen Sie SoftCGM, eine neue vollständig telefonbasierte Lösung, die von Aspire Ventures in Lancaster, Pennsylvania, entwickelt wird, und wir sind begeistert, dass "eins von unseren" mit Typ-1-Diabetes in der Diabetes Online Community aktiv ist Mannschaft.

Ein langjähriger Typ 1, Marcus Grimm (@marcusgrimm) ist seit Jahren D-Blogger bei Sweet Victory und macht einige ziemlich tolle Videos (Sh * T Diabetics Say), sowie ein begeisterter Läufer und freiwilliger Trainer.

Wir haben uns kürzlich an Marcus gewandt, um seine persönliche Geschichte zu hören und einige Details über diese futuristische SoftCGM-Technologie in Arbeit zu erfahren.

Ein Interview mit Marcus Grimm über SoftCGM

DM) Marcus, kannst du dich vorstellen?

MG) Sie wetten. Ich bin 45 Jahre alt. Verheiratet mit Kindern, lebt in Pennsylvania. Abgesehen davon, dass ich T1 bin und dass es mein Job ist, erkennen mich Leute manchmal daran, dass ich vor ein paar Jahren ein Teil des ersten Laufteam Teams von Team Type 1 war. Ich habe mehr als ein Dutzend Marathons und Ultramarathons mit T1 absolviert, bis zu 100 Meilen, und ich bin auch der Lauftrainer für das Diabetes Training Camp.

Was ist deine Diabetesgeschichte?

Ich wurde 1984 diagnostiziert. Ich bin seit etwa 16 Jahren an der Pumpe und seit einigen Jahren auch CGM. Ich habe mich immer glücklich mit meiner Kontrolle gefühlt, aber vor ungefähr sieben Jahren wurde mir klar, dass zwei der drei T1, mit denen ich aufgewachsen bin, verstorben waren. Ich entschied dann, dass, selbst wenn Diabetes für mich ziemlich einfach war, das nicht bedeutete, dass es für jeden einfach war, also machte ich es mir zur Aufgabe, mich stärker zu engagieren.

Ich hatte einen der ersten Blogs über die Schnittmenge von Diabetes und Sport, aber die meisten meiner Diabetes-Einsätze in den letzten Jahren sind offline aufgetreten. Vor fünf Jahren radelte ich 84 Meilen an einem einzigen Tag und besuchte mit zehn Gesetzgebern die Unterstützung für das Safe-at-Schools-Gesetz in Pennsylvania. Im selben Jahr wurde ich zum Amateur Athlet des Jahres vom Team Typ 1 ernannt. Vor zwei Jahren habe ich im Diabetes Training Camp angefangen. In diesen Tagen bin ich ein sehr aktiver "Lurker" in den Online-Diabetes-Communities. Ich finde, es gibt keinen Mangel an guten Ratschlägen da draußen, also versuche ich nur etwas beizutragen, wenn ich das Gefühl habe, eine einzigartige Perspektive zu haben.

Erzählen Sie uns von Ihrer Arbeit bei Aspire Ventures, das ist dieses neue Tool?

Ich bin Chief Marketing Officer, was eine originelle Art zu sagen, ich bin ein Corporate Storyteller.Ich habe mehrere Jahre lang eine Werbeagentur geleitet, bevor ich zu Aspire kam. Eines der von Aspire geführten Unternehmen ist Tempo Health, das maschinelles Lernen auf die Diabetes-Technologie anwendet. Tempo's einzigartiger Ansatz zur Erstellung von personalisierten Diabetes-Management-Tools mit dem, was wir Adaptive Artificial Intelligence nennen, war, was

mich dazu brachte, Aspire überhaupt beizutreten.

OK, was ist SoftCGM?

Technisch gesehen ist SoftCGM ein Werkzeug für die Diabetes-Technologie, das "Sensorfusion" verwendet, was einfach bedeutet, dass es mehrere zusammenhängende Informationen zusammenbringt, um eine Vorhersage zu treffen, in diesem Fall eine Vorhersage der aktuellen Blutzuckerwerte.

Dieses Video gibt einen guten Überblick darüber, worum es bei SoftCGM geht.

Wir nennen es SoftCGM, weil es für die Schätzung eher Software als einen herkömmlichen CGM-Sensor verwendet. Die erste Version von SoftCGM basiert auf Fingerstick-Kalibrierungen, Bolus- und Kohlenhydrat-Informationen und kontinuierlichen Herzfrequenz-Daten. Die Plattform ist jedoch flexibel genug, um einer ständig wachsenden Anzahl von Sensoren Rechnung zu tragen, die auf den Markt kommen werden.

Dies alles wird in einer mobilen App angezeigt?

Die App dient als Benutzerportal für SoftCGM. Wenn Sie jedoch davon sprechen, dass mehrere Algorithmen eingeführt und optimiert werden, findet dieses Niveau des maschinellen Lernens in der Cloud statt. Und mit diesen Daten, die in der Cloud gespeichert und verarbeitet werden, eröffnet sich die Möglichkeit für verschiedenste Dinge, wie Entscheidungsunterstützungssysteme für Ärzte und CDEs. In vielerlei Hinsicht ist die App nur der Anfang.

Wie funktioniert es eigentlich?

OK, das wird ein bisschen technisch …

Das Besondere an SoftCGM ist, dass die BG-Schätzungen und Vorhersagen auf Modellen basieren, die maschinelles Lernen verwenden, um sich an jedes einzelne Individuum anzupassen, anstatt an das typische "Size-fits-all" -Ansatz, an den alle T1 gewöhnt sind. SoftCGM kann lernen, wie Sie persönlich auf Bewegung oder Kohlenhydrate reagieren und eine Vorhersage treffen, die für Sie richtig ist.

Dies erreichen wir, indem wir gleichzeitig mehrere personalisierte Modelle über die App ausführen. Das läuft derzeit in der Alpha-Version der SoftCGM-App.

Jedes dieser Modelle hat seine ganz eigene, einzigartige Sichtweise auf Diabetes - wie viel Einfluss hat zum Beispiel Übung oder wie lange bleiben Kohlenhydrate in Ihrem System?

So sieht ein typisches Verlaufsprotokoll aus:

Jedes Modell betrachtet regelmäßig alle historischen Daten der letzten sieben Tage und bewertet sich selbst nach dem MARD (Mean Absolute Relative Difference - Standard) Maß für die CGM-Genauigkeit).

Und dann wird derjenige, der am höchsten ist, in Aktion gesetzt, um den aktuellen und sogar zukünftigen Blutzucker vorherzusagen. Dieses personalisierte Modell wird weiterhin die Verantwortung tragen, bis der siebentägige Rückblick einen neuen Gewinner erklärt. Dabei passen sich die Modelle ständig an die persönlichen Ergebnisse des Benutzers an. Was in die App integriert ist, ist ein Algorithmus, der sich im Laufe der Zeit anpasst, um ein personalisiertes Modell zu erstellen.

Was sehen wir auf dem letzten Bildschirm mit "Adaptive Algorithmen"?

Dieser vierte Bildschirm ist der langweiligste, aber es ist wirklich das Wichtigste, was diesen Ansatz unterscheidet. Was Sie sehen, ist, dass die App aus vier verschiedenen adaptiven Algorithmen zieht. Jeder Algorithmus wird in Bezug auf seine Fähigkeit, in den vergangenen sieben Tagen Daten zu prognostizieren, "gewertet". Der Punkt, der am höchsten bewertet, ist derjenige, mit dem die App aktuelle und zukünftige BG prognostiziert. In diesem Szenario ist GeneralT2D mit 85 Punkten am besten. 6. Momentan optimieren sich die Modelle jeden Abend und der Spieler mit der höchsten Punktzahl wird ins Spiel gebracht. Wenn wir der App weitere Nuancen hinzufügen, wird es leicht sein, Dinge wie das Pull-Up des Modells, das am besten für Bewegung geeignet ist, wenn eine Erhöhung der Herzfrequenz erkannt wird, oder dasjenige, das am besten abschneidet, wenn große Mengen an Kohlenhydraten aus der Pumpe oder Stift. Das nennt man Szenario-Training und es gibt es für uns noch nicht, aber in dieser Alpha-Version können Sie sehen, wie das Konzept funktioniert - mit personalisierten Modellen, die um ihre Verwendung konkurrieren. Es ist wirklich das Herz der Geschichte.

Wow, das klingt ziemlich einzigartig und anders als die derzeitigen CGMs, oder?

Der personalisierte Modellansatz ist definitiv das einzigartigste Stück; Wir haben diesen Ansatz noch nie zuvor gesehen. Die anderen Vergleiche mit traditionellen CGM sind offensichtlicher - kein invasiver Sensor ist der primäre.

Es gibt zwei wichtige Aspekte, die SoftCGM im Bereich Diabetes einzigartig machen. Der erste ist offensichtlich, und das ist, dass wir Herzfrequenzdaten einbringen, um zu bestimmen, was Blutzucker in der Zukunft wahrscheinlich tun wird. Als Diabetiker wissen wir, dass Sport einen starken Einfluss auf BG hat, aber abgesehen von fundierten Vermutungen gibt es keine zuverlässigen Formeln - und schlimmer noch, was gestern funktioniert hat, könnte morgen nicht funktionieren. Da wir Algorithmen für maschinelles Lernen verwenden, die sich an jeden Benutzer anpassen können, sind die personalisierten Modelle in der Lage, die Auswirkungen von körperlicher Betätigung auf BG zu messen.

Haben Sie SoftCGM selbst im Alpha-Test verwendet?

Ja! Wir hatten drei Alpha-Nutzer der App: mich selbst, einen weiteren T1D und einen weiteren T2D. Erst letzte Woche sind wir in die Beta gegangen, die momentan mit 12 Teilnehmern besetzt ist. Die Alpha-Ergebnisse waren ermutigend - ungefähr die gleiche Genauigkeit wie der EnLite CGM-Sensor von Medtronic. Um es klar zu sagen, es ist kein Vergleich zwischen Äpfeln und Äpfeln. Unsere Version benötigt zu diesem Zeitpunkt viel mehr Dateneingabe, aber in Bezug auf einen First-Pass bei der Genauigkeit, wie ich schon sagte, es ist ermutigend.

Es klingt ein wenig wie die neue Vigilant-App von InSpark … irgendwelche großen Ähnlichkeiten oder Unterschiede, die Ihnen in den Sinn kommen?

Ich denke, Vigilant ist sehr interessant und ich werde es selbst testen. Was wir mit ihnen teilen ist die Idee, dass verschiedene Benutzer nach verschiedenen Wegen suchen, um ihre Diabetes zu verwalten. Und indem ich mich darauf konzentriere, ein Teil des Puzzles sehr gut zu machen, denke ich, dass sie das Problem angemessen betrachten.

Ohne auf ihr Produkt einzugehen, liegt der Hauptunterschied zwischen ihrem und unserem Ansatz darin, dass sie scheinbar einen sehr guten Algorithmus zur Vorhersage von Tiefständen haben, und ich würde vermuten, dass dies für einige Leute sehr gut und für andere weniger gut funktioniert Menschen.

Ganz zu schweigen davon, wenn der Algorithmus heute gut für mich funktioniert, was passiert, wenn sich etwas Wichtiges mit meinem Stoffwechsel verändert - wie wenn ich anfange zu trainieren oder die Grippe bekomme, etc. Diese Arten von Algorithmen oft in bestimmten Szenarien brechen.

Unsere zugrunde liegende Technologie basiert auf mehreren Algorithmen, so dass wir (wenn sie es uns überlassen) ihren Algorithmus nehmen und ihn für die individuelle Person und ihre individuellen Szenarien optimieren können. Wie wir alle wissen, gibt es Zeiten, in denen die Mathematik, die alle Diabetiker verwenden, in einer bestimmten Situation für uns nicht funktioniert. Wir versuchen das zu beheben.

Vigilant brauchte offenbar keine FDA-Zulassung. Brauchen Sie das für die einzigartige Verwendung von Algorithmen durch SoftCGM?

Absolut, aber wie diese Zustimmung aussehen könnte, ist sehr früh in der Luft. Zum Beispiel sagt die aktuelle Alpha-Version in meinen Händen Blutzucker in die Zukunft voraus. Wie die FDA darüber denkt - und wie wir diese Daten präsentieren - wird sicherlich Auswirkungen auf den Prozess und das Produkt haben.

Hat das Potenzial für geschlossene Kreisläufe / künstliches Pankreas?

Es gibt ein Potenzial dafür, dass adaptive künstliche Intelligenz überall dort eingesetzt werden kann, wo eine wirklich personalisierte Medizin das Ziel ist, und ein geschlossenes Regelkreis-System könnte wahrscheinlich von einem solchen Ansatz profitieren. Aber es gibt ebenso viele potenzielle Anwendungen außerhalb der Hightech-AP-Population, weil es sich um einen personalisierten Ansatz handelt.

Was ist die Zeitachse dazu?

Wir haben diesen Sommer zwei kleine Beta-Tests geplant. Die Ergebnisse daraus sollten ausreichen, um mit der FDA zu diskutieren.

Wie kann unsere D-Community mehr Informationen erhalten oder sich beteiligen, wenn sie interessiert sind?

Menschen können sich direkt online in den Feedback-Prozess einschreiben. Wie jedes Produkt dieser Art suchen wir manchmal nach Beta-Benutzern und manchmal suchen wir nach Rückmeldungen von bestimmten Untergruppen von Benutzern. Aber die Alpha-Version von SoftCGM wurde mit phänomenalen Einsichten von einer Gruppe von T1s erstellt, die an einem Webinar teilnahmen, das wir hosten, sodass das Feedback der Benutzer für diesen Prozess absolut entscheidend ist.

Sehr aufregendes Zeug, Marcus! Danke für alles, was Sie tun, um diese Innovationen zu entwickeln und w e freuen uns darauf, SoftCGM zu realisieren.

Disclaimer : Inhalt, der vom Team der Diabetes Mine erstellt wurde. Für mehr Details klicken Sie hier.

Haftungsausschluss

Dieser Inhalt wurde für Diabetes Mine erstellt, ein Verbrauchergesundheitsblog, der sich auf die Diabetes-Community konzentriert. Der Inhalt wird nicht medizinisch überprüft und entspricht nicht den redaktionellen Richtlinien von Healthline. Für weitere Informationen über die Partnerschaft von Healthline mit der Diabetes Mine, klicken Sie bitte hier.