Algoritmi di controllo per il pancreas artificiale: opportunità e sfide nella gestione del diabete di tipo 1

Il diabete di tipo 1 è una malattia autoimmune causata dalla distruzione delle beta-cellule delle isole del Langherans, responsabili della produzione di insulina, ormone necessario per la regolazione della concentrazione del glucosio nel sangue. Oggi, una delle tecnologie più avanzate nella terapia del diabete di tipo 1 è il Pancreas Artificiale (AP): un dispositivo closed-loop che imita la secrezione endogena di insulina. Questo sistema è composto da un sensore per il monitoraggio continuo della glicemia (Continuous Glucose Monitor, CGM), una pompa per l’infusione continua di insulina sottocutanea (Continous Subscutanous Insulin Infusion, CSII) e un algoritmo di controllo. Il Pancreas Artificiale permette di ridurre gli eventi ipoglicemici e a migliorare il controllo glicemico. Tuttavia, i rischi legati all’utilizzo di un dispositivo AP includo possibili guasti meccanici o tecnologici, nonché errori umani. In questo lavoro, verranno discusse tecniche non supervisionate per il rilevamento dei guasti che caratterizzano la pompa per l’infusione continua di insulina sottocutanea (Continous Subscutanous Insulin Infusion, CSII). Verranno analizzate diverse features per descrivere al meglio la fisiologia del paziente. Gli algoritmi di machine learning presi in esame sono LOF, COF e iForest. L’efficacia di questi algoritmi è stata testata utilizzando dati sintetici del simulatore T1D UVA/Padova. Inoltre, è stato testato l’algoritmo iForest tramite il software Matlab per il rilevamento di anomalie legate a malfunzionamenti della pompa CSII su cinque pazienti virtuali generati tramite il simulatore UVA/Padova. Sono stati ricavati i punteggi di anomalia per i vari set di dati e le prestazioni dell’algoritmo sono state valutate analizzando i valori di Recall, Precisione e F1-score, Specitivity ed Accurancy.