SoftCGM: Monitores e previsões de aplicações de smartphones

Um novo empreendimento de tecnologia de risco está procurando mudar o monitoramento contínuo de glicose conforme o conhecemos, eliminando completamente o sensor e, em vez disso, focando em algoritmos de smartphone para exibir dados constantes de açúcar no sangue e fazer glicose previsões de tendências.

Conheça a SoftCGM, uma nova solução totalmente baseada em telefone, desenvolvida pela Aspire Ventures, baseada em Lancaster, na Pensilvânia, e estamos emocionados de que "um dos nossos" com diabetes tipo 1 e ativo na Comunidade Online da Diabetes esteja no equipe.

Um longo período de tipo 1, Marcus Grimm (@marcusgrimm) tem sido um D-blogger há anos em Sweet Victory e faz alguns vídeos bastante impressionantes (Sh * T Diabetics Say), além de ser um corredor ávido e treinador voluntário.

Nós chegamos a Marcus recentemente para ouvir sua história pessoal e aprender alguns detalhes sobre esta tecnologia futurista SoftCGM nas obras.

Entrevista com Marcus Grimm no SoftCGM

DM) Marcus, você pode começar por apresentar-se?

MG) Você aposta. Tenho 45 anos de idade. Casado com crianças, morando na Pensilvânia. Além de ser T1 e esse é o meu trabalho, as pessoas às vezes me reconhecem fazer parte da primeira equipe de Team Type 1 há alguns anos atrás. Eu executei mais de uma dúzia de maratonas e ultra maratonas com T1, até 100 milhas, e eu também sou treinador de treinamento para Diabetes Training Camp.

Qual é a sua história de diabetes?

Fui diagnosticado em 1984. Eu também fui na bomba por cerca de 16 anos e CGM por vários anos. Eu sempre me considerava bastante afortunado com meu controle, mas há cerca de sete anos atrás, percebi que dois dos três T1 com os quais crescera tinham passado. Eu decidi então que, mesmo que o diabetes fosse bastante fácil para mim, isso não significava que fosse fácil para todos, então fiz um ponto para me envolver mais.

Eu tinha um dos primeiros blogs sobre a interseção de diabetes e exercício, mas a maioria do meu alcance de diabetes nos últimos anos ocorreu offline. Cinco anos atrás, eu transportava 84 milhas em um único dia e visitei dez legisladores para reunir apoio para o Safe at Schools Bill na PA. No mesmo ano, fui nomeado como Atleta Amador do Ano da Equipe Tipo 1. Dois anos atrás, comecei a treinar no Diabetes Training Camp. Hoje em dia, sou um "líder" muito ativo nas comunidades de diabetes on-line. Eu acho que não há escassez de ótimos conselhos lá fora, então eu tento apenas contribuir se eu sentir que tenho uma perspectiva única.

Conte-nos sobre o seu trabalho no Aspire Ventures, que está criando esta nova ferramenta?

Eu sou Chief Marketing Officer, que é uma maneira elegante de dizer que eu sou um contador de histórias corporativo.Passei vários anos a gerir uma agência de publicidade antes de chegar a Aspire. Um dos empreendimentos gerenciados da Aspire é Tempo Health, que está aplicando o aprendizado de máquinas para a tecnologia do diabetes. A abordagem única do Tempo para criar ferramentas de gerenciamento de diabetes personalizadas com o que chamamos de Inteligência Artificial Adaptativa foi o que

me atraiu para se juntar ao Aspire, em primeiro lugar.

OK, então, o que é o SoftCGM?

Tecnicamente falando, a SoftCGM é uma ferramenta de tecnologia do diabetes que utiliza "fusão de sensores", o que simplesmente significa que traz várias partes de informações relacionadas para fazer uma predição, neste caso, uma previsão de valores atuais de glicose no sangue.

Este vídeo dá uma introdução bastante boa para o que é a SoftCGM.

Chamamos isso de SoftCGM porque usa software, em vez de um sensor CGM tradicional, para fazer a estimativa. A primeira versão do SoftCGM faz sua estimativa a partir de calibrações de dedos digitais, informações em bolus e carboidratos e dados de freqüência cardíaca contínua. Contudo, a plataforma é suficientemente flexível para explicar uma quantidade cada vez maior de sensores que irão ao mercado.

Tudo isso é apresentado em um aplicativo para dispositivos móveis?

O aplicativo serve como portal de usuário para SoftCGM, mas quando você está falando sobre vários algoritmos sendo introduzidos e otimizados, esse nível de aprendizado de máquina ocorre na nuvem. E com esses dados sendo armazenados e processados ​​na nuvem, abre a possibilidade de todo tipo de coisas, como sistemas de suporte a decisões para médicos e CDEs, etc. De muitas maneiras, o aplicativo é apenas o começo.

Como ele realmente funciona?

OK, isso vai ficar um pouco técnico …

O que é realmente especial sobre a SoftCGM é que as estimativas e as previsões do BG são baseadas em modelos que usam o aprendizado de máquina para se adaptar a cada indivíduo único, em vez do típico one- abordagem de tamanho para todas as quais todos os T1 foram usados. O SoftCGM pode aprender como você responde pessoalmente ao exercício ou aos carboidratos e faz uma previsão adequada para você.

Estamos conseguindo isso ao executar vários modelos personalizados através do aplicativo ao mesmo tempo. Atualmente, temos a execução da versão Alpha (desenvolvimento) do aplicativo SoftCGM.

Cada um desses modelos tem sua própria percepção ligeiramente única de diabetes - quanto impacto o exercício tem, por exemplo, ou quanto tempo os carboidratos permanecem em seu sistema?

Este seria o que um registro de histórico típico se parece:

Em uma base regular, cada modelo analisa todos os dados históricos nos últimos sete dias e marca-se de acordo com o MARD (Diferença Relativa Absoluta Média - padrão medida da precisão CGM).

E, em seguida, qualquer pontuação mais alta é colocada em ação para prever a glicemia atual e até mesmo futura. Esse modelo personalizado continuará a ser responsável até que o look-back de sete dias declare um novo vencedor. Ao longo do caminho, os modelos se ajustam continuamente de acordo com os resultados pessoais do usuário. Então o que se passa no aplicativo é um algoritmo que se adapta ao longo do tempo para criar um modelo personalizado.

O que vemos na última tela com "Adaptive Algorithms"?

Essa quarta tela é a mais chata, mas é realmente a coisa mais importante que torna esta abordagem diferente. O que você está vendo é que o aplicativo está puxando quatro algoritmos adaptativos diferentes. Cada algoritmo é "pontuado" contra sua capacidade de prever MARD nos últimos 7 dias de dados. Aquele que classifica o mais alto é aquele que o aplicativo usa para prever o BG atual e futuro. Neste cenário, o GeneralT2D é o melhor desempenho com o conjunto de dados, pontuando 85. 6. Agora, os modelos se otimizam todas as noites e o melhor pontuação é "colocar no jogo". À medida que adicionamos mais nuances ao aplicativo, será fácil fazer coisas como puxar o modelo que obtenha melhores resultados para o exercício quando um aumento na freqüência cardíaca é detectado ou puxar o que obtém melhores resultados quando grandes quantidades de carboidratos são provenientes da bomba ou caneta. Isso é chamado de treinamento de cenário e ainda não existe para nós, mas nesta versão Alpha você pode ver como o conceito funciona - com modelos personalizados que competem para serem usados. É realmente o coração da história.

Uau, isso parece bastante único e diferente dos CGMs atuais, não?

A abordagem do modelo personalizado é definitivamente a peça mais única; Nós não vimos essa abordagem tentada antes. As outras comparações com o CGM tradicional são mais óbvias - nenhum sensor invasivo é o principal.

Existem realmente dois aspectos principais que tornam o SoftCGM único no espaço da diabetes. O primeiro é óbvio, e é isso que estamos trazendo dados sobre a frequência cardíaca para ajudar a determinar o que a glicose no sangue provavelmente fará no futuro. Como diabéticos, sabemos que o exercício tem um impacto potente no BG, mas, além de suposições educadas, não há fórmulas confiáveis ​​- e pior ainda, o que funcionou ontem pode não funcionar amanhã. Como estamos usando algoritmos de aprendizado de máquina que podem se adaptar a cada usuário, os modelos personalizados são capazes de medir o impacto do exercício no BG.

Você usou o SoftCGM você mesmo no teste Alpha?

Sim! Tivemos três usuários Alpha do aplicativo: eu mesmo, um outro T1D e outro T2D. Na semana passada, fomos para a Beta, atualmente configurado com 12 participantes. Os resultados Alpha foram encorajadores - aproximadamente a mesma precisão que o sensor EnLite CGM da Medtronic. Para ser claro, não é uma comparação de maçãs para maçãs. Nossa versão requer muito mais entrada de dados neste momento, mas em termos de uma primeira passagem na precisão, como eu disse, é encorajador.

Parece um pouco como o novo aplicativo Vigilante do InSpark … todas as grandes semelhanças ou diferenças que vêm à mente?

Eu acho que o Vigilante é super interessante e vou testá-lo sozinho. O que compartilhamos com eles é a idéia de que diferentes usuários estão procurando diferentes maneiras de gerenciar sua diabetes. E, ao se concentrar em fazer um pedaço do quebra-cabeça extremamente bem, acho que estão examinando o problema de forma adequada.

Sem cavar em seu produto, a diferença fundamental que penso entre sua abordagem e a nossa é que parece ter um algoritmo muito bom para prever baixas, e eu suspeito que funcionará muito bem para algumas pessoas e menos para outros. pessoas.

Sem mencionar que se o algoritmo funcionar bem para mim hoje, o que acontece quando algo muda principalmente com o meu metabolismo - como se eu comecei a exercitar ou contrair a gripe, etc. Esses tipos de algoritmos costumam ser rompimento em cenários dados.

Nossa tecnologia subjacente baseia-se em múltiplos algoritmos, então poderíamos realmente (se nos permitirem) tomar seu algoritmo e ajustá-lo para a pessoa individual e seus cenários individuais. Como todos sabemos, há momentos em que a matemática que todos os diabéticos usam não funciona para nós em uma dada situação. Estamos tentando consertar isso.

Vigilante aparentemente não exigiu a aprovação da FDA. Você precisará disso para o uso exclusivo de algoritmos do SoftCGM?

Absolutamente, mas o que essa aprovação pode parecer é muito alto no ar, cedo. Por exemplo, a versão Alpha atual nas minhas mãos prevê glicemia no futuro. Como a FDA se sente sobre isso - e como apresentamos esses dados - certamente terá impacto no processo e no produto.

Isso tem potencial em circuito fechado / Pâncreas Artificiais?

Existe um potencial de inteligência artificial adaptável para ser usado sempre que a medicina verdadeiramente personalizada é o objetivo, e um sistema de circuito fechado provavelmente poderia se beneficiar dessa abordagem. Mas existem tantas aplicações em potencial fora da população AP de alta tecnologia, porque é uma abordagem personalizada.

Qual é a linha do tempo sobre isso?

Estamos a estudar dois pequenos testes beta neste verão. Os resultados disso devem ser suficientes para conversar com a FDA.

Como a D-Community pode obter mais informações ou se envolver se estiverem interessadas?

As pessoas podem se inscrever para fazer parte do processo de feedback diretamente online. Como todos os produtos desta natureza, às vezes estamos à procura de usuários Beta e às vezes estamos procurando comentários de subconjuntos específicos de usuários. Mas a versão Alpha do SoftCGM foi construída com visão fenomenal de um grupo de T1s que participaram de um webinar que hospedamos, de modo que o feedback do usuário é absolutamente crítico para este processo.

coisas muito emocionantes, Marcus! Obrigado por tudo o que você faz para ajudar a desenvolver essas inovações e w estamos ansiosos para ver a SoftCGM se materializar.

Disclaimer : Conteúdo criado pela equipe da Diabetes Mine. Para mais detalhes clique aqui.

Disclaimer

Este conteúdo é criado para Diabetes Mine, um blog de saúde do consumidor focado na comunidade de diabetes. O conteúdo não é revisado por médicos e não adere às diretrizes editoriais da Healthline. Para mais informações sobre a parceria da Healthline com Diabetes Mine, clique aqui.