Validación clínica inicial de un sistema de páncreas artificial con controlador basado en reglas

Abstract

La diabetes mellitus tipo 1 implica una deficiencia completa de la secreción nativa de insulina y su tratamiento fundamental, hasta la fecha, es la sustitución de esta secreción con insulina exógena de la forma más fisiológica posible. Los tratamientos actuales son imperfectos y necesitan ser optimizados. En este sentido, la integración de sensores continuos de glucosa con algoritmos que decidan la dosis óptima de insulina a administrar y bombas de infusión continua subcutánea de insulina, constituyendo un sistema de páncreas artificial, puede suponer una mejoría muy significativa de las opciones terapéuticas disponibles hasta el momento. Se han propuesto diferentes algoritmos de control para páncreas artificial pero no existe un gold standard. El Grupo de Bioingeniería y Telemedicina de la Universidad Politécnica de Madrid junto al Servicio de Endocrinología del Hospital Universitari Parc Taulí han desarrollado un algoritmo para páncreas artificial denominado Predictive Rule-Based Algorithm (pRBA). Este algoritmo parte de la pauta de insulina habitual, con bomba de infusión continua, del paciente y le aplica una serie de reglas que optimizan continuamente la dosis en base a la predicción que realiza una red neuronal artificial. Se trata de un sistema híbrido que automatiza totalmente el control basal o nocturno pero que requiere de aviso de las ingestas. El objetivo principal de la investigación expuesta en esta tesis doctoral fue la validación clínica inicial, en medio hospitalario, del controlador pRBA. Para ello se ha llevado a cabo un ensayo clínico aleatorizado y cruzado en el que 10 pacientes con diabetes tipo 1 han pasado 2 noches no consecutivas en el hospital; una con su pauta habitual de bomba (noche control) y otra bajo el control del pRBA (noche experimental). El periodo de control automatizado fue de las 22:00 a las 10:00h del día siguiente, incluyendo el control nocturno y el control prandial del desayuno. El contralador pRBA ha demostrado que es capaz de mantener a los pacientes mayor tiempo en glucemia objetivo (3,9-8,0 mmol/l) durante el periodo nocturno (00:00-08:00h) que la pauta de tratamiento habitual (95,8 % [73-100] versus 66.6% [8,3-75]; p<0,05). Así mismo ha demostrado conseguir un menor porcentaje de tiempo en hipoglucemia (<3,9 mmol/l) en el mismo periodo (0,0 [0,0-0,0] versus 4,2 [0,0-21]; p<0,05) y reducir la variabilidad glucémica (HBGI 1,60 versus 3,95; p<0,05). En relación al control prandial del desayuno no se han observado diferencias significativas entre el periodo experimental y control (porcentaje de tiempo entre 3,9-10 mmol/l en el periodo 08:00-10:00h 50,0% [50,0-100] versus 58,3% [29,1-87,5]; p n.s.). Como conclusión de la investigación expuesta en esta tesis podemos establecer que el controlador pRBA se muestra eficaz y seguro para el control nocturno de pacientes con diabetes tipo 1, pero que no muestra ventajas evidentes para el control prandial. Debe optimizarse el controlador prandial y poder testar el algoritmo en condiciones más reales antes de plantear su uso clínico ordinario.

Type 1 diabetes mellitus implies a complete deficiency of native insulin secretion and its fundamental treatment, to date, is the replacement of this secretion with exogenous insulin as physiologically as possible. Current treatments are imperfect and need to be optimized. Integration of continuous glucose sensors with algorithms that decide the optimal dose of insulin to be administered and continuous subcutaneous insulin infusion pumps, constituting an artificial pancreas system, may imply a very significant improvement in the therapeutic options available until the moment. Different control algorithms have been proposed for artificial pancreas but there is no gold standard. Our research team, integrated by Grupo de Bioingeniería y Telemedicina (GBT) - Universidad Politécnica de Madrid, together with the Endocrinology Department of Parc Taulí University Hospital-UAB, has developed an artificial pancreas algorithm called Predictive Rule-Based Algorithm (pRBA). This algorithm starts from the patient's usual insulin regimen, with a continuous infusion pump, and applies a series of rules that continuously optimize the dose based on the prediction of an artificial neural network. It is a hybrid system that fully automates basal or night control but requires notification of intakes. The main objective of the research presented in this doctoral thesis was the initial clinical validation, in hospital setting, of the pRBA controller. For this, a randomized and cross-over trial has been carried out in which 10 patients with type 1 diabetes have spent 2 non consecutive nights in the hospital; one with his/her usual pump pattern (night control) and another under the control of pRBA (experimental night). The automated control period lasted from 22:00 to 10:00 on the following day, including night control and prandial breakfast control. pRBA algorithm has been shown to be able to keep patients longer on target glycemia (3.9-8.0 mmol/l) during the night time period (00:00-08:00) than the usual treatment regimen (95.8% [73-100] versus 66.6% [8.3-75], p <0.05). It has also been shown to achieve a lower percentage of time in hypoglycemia (<3.9 mmol/l) in the same period (0.0 [0.0-0.0] versus 4.2 [0.0-21]; p <0.05) and reduced glycemic variability (HBGI 1.60 versus 3.95, p <0.05). Regarding to breakfast prandial control, no significant differences were observed between the experimental and control periods (percentage of time between 3.9-10 mmol/l in the period 08:00-10:00h 50,0% [50,0- 100] versus 58.3% [29.1-87.5]; p ns). As a conclusion of the research exposed in this thesis we can establish that the pRBA controller is shown to be effective and safe for the nocturnal control of patients with type 1 diabetes, but does not show significant advantages for the prandial control. The prandial controller must be optimized and the algorithm should be tested under more real conditions before its usual clinical use is raised.