布里斯托大学的一项新研究发现，除了碳水化合物之外，还有许多重要因素对血糖水平有显著影响，这意味着当前的自动化胰岛素输送系统在调节血糖时遗漏了关键信息。
由布里斯托大学科学与工程学院的研究团队分析了1型糖尿病（T1D）患者的自动化胰岛素输送数据，发现胰岛素需求的意外模式与已知模式一样常见。
该研究发表在《JMIRx Med》预印本上，旨在识别胰岛素需求变化的模式，并分析这些模式在使用OpenAPS（一种先进的自动化胰岛素输送系统）的1型糖尿病患者中出现的频率。
首席作者伊莎贝拉·德根（Isabella Degen）解释说：“研究结果支持我们的假设，即除碳水化合物外的因素在维持血糖水平正常范围内起着重要作用。”
然而，如果没有这些因素的可测量信息，自动化胰岛素输送系统只能谨慎调整胰岛素，这可能导致血糖水平过低或过高。
1型糖尿病是一种慢性疾病，患者的体内产生的胰岛素太少，而胰岛素是调节血糖水平所需的激素。主要治疗方法是通过注射或泵送胰岛素。胰岛素的剂量和时间必须与碳水化合物摄入量精确匹配，以避免血糖水平升高。除了碳水化合物，运动、激素和压力等各种其他因素也会影响胰岛素需求。
然而，这些因素导致血糖水平显著意外变化的频率尚未充分探索，这意味着尽管取得了进展，胰岛素剂量仍是一项复杂的任务，可能会出错，导致血糖水平超出保护1型糖尿病患者免受不良健康影响的范围。
研究结果突显了1型糖尿病血糖调节的复杂性，并展示了1型糖尿病患者之间胰岛素需求的异质性，强调了个性化治疗方法的必要性。
为了在临床实践中更系统地纳入除碳水化合物以外的因素，科学家们需要找到测量和量化这些因素的方法，并利用这些信息进行胰岛素剂量调整。这也有助于更准确地预测血糖水平，而不仅仅是依赖于关于胰岛素和碳水化合物的信息。
德根补充道：“我们的研究表明，管理1型糖尿病远比计算碳水化合物复杂得多。从研究自动化胰岛素输送数据中获得的丰富见解值得为此类真实数据的工作付出努力。”
最令我们惊讶的是，即使在相对较小且同质的参与者群体中，我们也观察到了各种各样的模式。显然，在糖尿病管理方面，‘一刀切’的方法并不适用。”
我们希望我们的研究结果能激发进一步研究那些较少被探索的影响胰岛素需求的因素，以改善胰岛素剂量调整。”
研究团队目前正在开发能够处理现实医疗数据多样化和复杂性的时序模式识别方法，包括不规则采样和缺失数据。他们目前的重点是开发创新的时间序列分割和聚类技术，以揭示更细致的模式并应对自动化胰岛素输送数据带来的挑战。
为了支持未来的研究，研究团队寻求长期、开放访问的自动化胰岛素输送数据集，这些数据集应包括广泛可能因素的传感器测量值和多样化的1型糖尿病患者群体。
此外，他们还计划与时间序列和机器学习专家合作，解决处理不规则采样数据的技术挑战，并揭示观察到模式背后的因果关系，最终推动个性化护理的创新。
(全文结束)
