Algoritmi di fault detection per il rilevamento precoce di iperglicemie da guasto meccanico del pancreas artificiale

Il diabete di tipo 1 richiede una gestione continua e precisa dell'insulina, resa oggi possibile dall'integrazione di monitor continui del glucosio (CGM) e microinfusori, fino ai più avanzati sistemi di pancreas artificiale a ciclo chiuso. In questo contesto, i malfunzionamenti nella somministrazione di insulina, noti come LISA (Loss in Infusion Set Actuation) rappresentano una criticità clinica rilevante: l'interruzione dell'erogazione di insulina causa iperglicemia prolungata e, nei casi più gravi, chetoacidosi diabetica. Il presente elaborato descrive l'implementazione in MATLAB dell'algoritmo di rilevamento delle LISA proposto da Howsmon et al. (2017). L'algoritmo opera su due finestre temporali scorrevoli di diversa ampiezza, una lunga (LW) e una breve (SW), calcolando tre metriche complementari: il Glucose Fault Metric (GFM), l'Insulin Fault Metric (IFM), e la pendenza glicemica (glucose slope) nella finestra breve. Un allarme viene generato solo quando tutte e tre le metriche superano simultaneamente le rispettive soglie, garantendo robustezza contro i falsi positivi. L'implementazione è stata valutata su un dataset di 5 pazienti in silico generati tramite il simulatore UVa/Padova, consentendo di analizzare le prestazioni dell'algoritmo in scenari controllati con LISA indotte. I risultati mostrano che l’algoritmo è in grado di rilevare una parte dei guasti simulati, ma con una sensibilità inferiore rispetto a quella riportata da Howsmon et al. Tale differenza è verosimilmente legata alla ridotta numerosità del dataset e al diverso contesto sperimentale, basato su pazienti in silico e scenari di pancreas artificiale.