Tecniche non supervisionate per il rilevamento della mancata infusione di insulina nella terapia del Diabete di Tipo 1.

Il diabete di tipo 1 è una malattia autoimmune che attacca le cellule beta del pancreas, le quali sono deputate alla produzione di insulina. Una delle più recenti innovazioni tecnologiche nella terapia del diabete tipo 1 è il Pancreas Artificiale, un dispositivo per il controllo della glicemia ad anello chiuso composto da un sensore che misura la glicemia, un microinfusore che infonde insulina e un algoritmo di controllo per regolare la somministrazione dell’insulina esogena. Questo sistema consente al paziente diabetico di migliorare significativamente la qualità del controllo glicemico. Tra i rischi che minacciano la sicurezza del paziente durante l'uso di AP, troviamo guasti ai componenti tecnologici ed errori umani. In questo lavoro di tesi sono stati esaminati i metodi non supervisionati di rilevamento delle anomalie relativi a questi sistemi ad anello chiuso. I metodi proposti si avvalgono delle features che descrivono lo stato del paziente, in particolare evidenziano i guasti alla pompa di insulina (Insulin Pump Faults, IPFs). Inoltre, è stata proposta una nuova feature GCOB(t) e sono stati valutati gli effetti in aggiunta alle features set già testati in letteratura e anche come sostituto ad una feature già sperimentata. Gli approcci sviluppati sono sia di natura model-free e sia basati su approccio ibrido, ovvero che fonde l’AD non supervisionata con metodi basati sui modelli. Sono stati implementati sette algoritmi AD non supervisionati disponibili in letteratura per testare con diverse tecniche il features set. Al fine di valutare i diversi approcci sono stati utilizzati data set simulati generati per mezzo del “UVA/ Padova T1D”. Infine, poiché i guasti della pompa e il mancato annuncio dei pasti (Missed Meal Announcement, MMA), sono eventi con effetti simili nel soggetto, è stata introdotta un’analisi preliminare per il rilevamento di questa diversa tipologia di guasto utilizzando le stesse metodologie model-free implementate per i guasti della pompa di insulina su dati in silico.