布里斯托尔大学的研究团队分析了1型糖尿病（T1D）患者使用自动化胰岛素输送系统的数据，发现除了碳水化合物外，其他因素对血糖水平也有实质性影响。这项研究发表在《JMIRx Med》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）来自布里斯托尔大学科学与工程学院，她解释说：“研究结果支持我们的假设，即除了碳水化合物外，其他因素在维持血糖水平处于标准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，患者体内产生的胰岛素不足，而胰岛素是调节血糖水平所需的激素。治疗1型糖尿病的主要方法是注射或泵送胰岛素。胰岛素的剂量和时间必须与碳水化合物摄入量巧妙匹配，以避免血糖水平升高。除了碳水化合物，运动、激素和压力等多种因素也会影响胰岛素需求。然而，这些因素对血糖水平造成显著意外影响的频率尚未得到充分探索，这意味着尽管取得了进展，但胰岛素剂量仍然是一个复杂的任务，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。
研究结果强调了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，突显了个性化治疗方案的必要性。为了将更多因素纳入临床实践，科学家们需要找到测量和量化这些因素的方法，并利用这些信息来优化胰岛素剂量。这也可以帮助更准确地预测血糖水平，研究表明仅凭胰岛素和碳水化合物的信息无法一致地实现这一点。
伊莎贝拉补充道：“我们的研究突显了管理1型糖尿病远比计算碳水化合物复杂得多。从自动化胰岛素输送数据中获得的丰富见解值得我们付出努力，以处理这种真实生活数据。最让我们惊讶的是，即使在相对较小且同质的参与者群体中，我们也观察到了多种多样的模式。显然，在糖尿病管理方面，没有‘一刀切’的方案。我们希望我们的结果能激发更多关于影响胰岛素需求的较少探索因素的研究，以改善胰岛素剂量。”
该团队目前正在开发能够处理真实医疗数据的多样性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多变量时序数据分割和聚类技术，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，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等技术难题，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)
