Mensch-Maschine-Co-Adaptation an automatisierte Insulinabgabe: eine randomisierte klinische Studie unter Verwendung von digitaler Zwillings-Technologie

Die meisten automatisierten Insulinabgabe (AID) Algorithmen passen sich nicht der sich ändernden Physiologie ihrer Nutzer an, und es gibt keine interaktiven Mittel zur Nutzeranpassung an die Aktionen von AID. Diese randomisierte klinische Studie testete die Mensch-Maschine-Co-Adaptation an AID unter Verwendung neuer 'digitaler Zwilling' Replay-Simulationstechnologie. Zweiundsiebzig Individuen mit T1D schlossen die 6-monatige Studie ab. Die beiden Studienarme unterschieden sich durch die Reihenfolge der Bereitstellung von Informationsfeedback (weit verbreitete Metriken und Grafiken) und die in silico Co-Adaptation-Routine, die: (i) AID-Daten an eine Cloud-Anwendung übermittelte; (ii) jede Person ihrem digitalen Zwilling zuordnete; (iii) AID-Kontrollparameter alle zwei Wochen optimierte und (iv) es den Nutzern ermöglichte, mit Was-wäre-wenn-Szenarien zu experimentieren, die über ihre eigenen digitalen Zwillinge wiedergegeben wurden. Die in silico Co-Adaptation verbesserte das primäre Ergebnis, Zeit im Zielbereich (3,9-10 mmol/L), von 72 auf 77 Prozent (p < 0,01) und reduzierte das glykosylierte Hämoglobin von 6,8 auf 6,6 Prozent. Das Informationsfeedback hatte keinen zusätzlichen Effekt auf AID allein. (Clinical Trials Registration: NCT05610111 (10. November 2022)).