لا يزال هناك طريق طويل لتكنولوجيا مرض السكري التي تعمل بالذكاء الاصطناعي. بموجب لوائح الأجهزة الطبية في الولايات المتحدة والمملكة المتحدة ، تندرج أنظمة توصيل الأنسولين المؤتمتة المتاحة تجاريًا – بدون الذكاء الاصطناعي – ضمن فئة المخاطر الأعلى. لا تزال الأنظمة التي يحركها الذكاء الاصطناعي في المراحل الأولى من التطوير ، لذا فإن المحادثات حول كيفية تنظيمها ما زالت في بدايتها.
كانت تجربة Emerson افتراضية تمامًا – اختبار توصيل الأنسولين بمساعدة الذكاء الاصطناعي لدى الأشخاص يثير مجموعة من المخاوف المتعلقة بالسلامة. في حالة الحياة أو الموت مثل جرعات الأنسولين ، قد يكون إعطاء التحكم في الجهاز أمرًا مشبوهًا. يقول مارك بريتون ، الأستاذ في مركز تكنولوجيا مرض السكري بجامعة فيرجينيا والذي لم يشارك في هذا المشروع: “بحكم طبيعة التعلم ، يمكنك بالتأكيد اتخاذ خطوة في الاتجاه الخاطئ”. “أي انحراف بسيط عن القاعدة السابقة يمكن أن يخلق اختلافات هائلة في الإنتاج. هذا هو جمالها ، لكنها خطيرة أيضًا “.
ركز Emerson على التعلم المعزز ، أو RL ، وهي تقنية للتعلم الآلي تعتمد على التجربة والخطأ. في هذه الحالة ، تمت “مكافأة” الخوارزمية على حسن السلوك (تحقيق هدف جلوكوز الدم) و “معاقبتهم” على السلوك السيئ (السماح بارتفاع أو انخفاض نسبة السكر في الدم). نظرًا لأن الفريق لم يتمكن من الاختبار على مرضى حقيقيين ، فقد استخدموا التعلم المعزز دون اتصال بالإنترنت ، والذي يعتمد على البيانات التي تم جمعها مسبقًا ، بدلاً من التعلم أثناء التنقل.
تم تصنيع 30 مريضًا افتراضيًا (10 أطفال و 10 مراهقين و 10 بالغين) بواسطة جهاز محاكاة السكري من النوع الأول UVA / Padova ، وهو بديل معتمد من إدارة الغذاء والدواء للاختبار قبل السريري على الحيوانات. بعد التدريب في وضع عدم الاتصال على ما يعادل سبعة أشهر من البيانات ، سمحوا لـ RL بتولي جرعات الأنسولين الافتراضية للمرضى.
لمعرفة كيفية تعاملها مع أخطاء الحياة الواقعية ، قاموا بإخضاعها لسلسلة من الاختبارات المصممة لتقليد أعطال الجهاز (بيانات مفقودة ، قراءات غير دقيقة) والأخطاء البشرية (سوء تقدير الكربوهيدرات ، أوقات الوجبات غير المنتظمة) – اختبارات معظم الباحثين غير المصابين بمرض السكري لن يفكروا فيها يهرب. يقول إيمرسون: “غالبية الأنظمة تأخذ في الاعتبار عاملين أو ثلاثة فقط من هذه العوامل: الجلوكوز في الدم الحالي ، والأنسولين الذي تم تناول جرعاته مسبقًا ، والكربوهيدرات”.
نجح Offline RL في التعامل مع جميع حالات الحافة الصعبة هذه في جهاز المحاكاة ، متفوقًا على أحدث أجهزة التحكم الحالية. ظهرت أكبر التحسينات في المواقف التي تكون فيها بعض البيانات مفقودة أو غير دقيقة ، وذلك بمحاكاة مواقف مثل تلك التي يبتعد فيها شخص ما عن شاشتهم أو يضغط بطريق الخطأ CGM.
بالإضافة إلى تقليل وقت التدريب بنسبة 90٪ مقارنةً بخوارزميات RL الأخرى ، فقد أبقى النظام المرضى الافتراضيين في نطاق جلوكوز الدم المستهدف لديهم لمدة ساعة في اليوم أطول من أجهزة التحكم التجارية. بعد ذلك ، يخطط Emerson لاختبار RL في وضع عدم الاتصال على البيانات التي تم جمعها مسبقًا من حقيقي مرضى. يقول: “إن نسبة كبيرة من مرضى السكري (في الولايات المتحدة والمملكة المتحدة) تسجل بياناتهم باستمرار”. “لدينا هذه الفرصة الرائعة للاستفادة منها.”
لكن ترجمة البحث الأكاديمي إلى أجهزة تجارية يتطلب التغلب على حواجز تنظيمية وحواجز مؤسسية كبيرة. يقول بريتون إنه بينما تظهر نتائج الدراسة واعدة ، إلا أنها تأتي من مرضى افتراضيين – ومجموعة صغيرة نسبيًا منهم. “هذا المحاكي ، مهما كان رائعًا ، يمثل جزءًا صغيرًا من فهمنا لعملية التمثيل الغذائي البشري” ، كما يقول. يتابع بريتون أن الفجوة بين دراسات المحاكاة والتطبيقات الواقعية “لا يمكن سدها ، لكنها كبيرة ، وهي ضرورية”.
يمكن أن يشعر خط أنابيب تطوير الأجهزة الطبية بالتوقف المثير للجنون ، خاصة لأولئك الذين يعانون من مرض السكري. يعد اختبار الأمان عملية بطيئة ، وحتى بعد ظهور الأجهزة الجديدة في السوق ، لا يتمتع المستخدمون بقدر كبير من المرونة ، وذلك بفضل نقص شفافية الكود أو الوصول إلى البيانات أو إمكانية التشغيل البيني عبر الشركات المصنعة. لا يوجد سوى خمسة أزواج من مضخات CGM متوافقة في سوق الولايات المتحدة ، ويمكن أن تكون باهظة الثمن ، مما يحد من الوصول وسهولة الاستخدام للعديد من الأشخاص. تقول دانا لويس ، مؤسسة نظام حركة البنكرياس الاصطناعي مفتوح المصدر (OpenAPS): “في عالم مثالي ، سيكون هناك الكثير من الأنظمة” ، مما يتيح للناس اختيار المضخة ، و CGM ، والخوارزمية التي تناسبهم. “ستكون قادرًا على عيش حياتك دون الكثير من التفكير في مرض السكري.”
