Key points are not available for this paper at this time.
Tragbare kontinuierliche Glukosemonitoring (CGM) Sensoren revolutionieren die Behandlung von Typ-1-Diabetes (T1D). Diese Sensoren liefern in Echtzeit, alle 1-5 Minuten, die aktuelle Blutzuckerkonzentration und deren Änderungsrate, zwei wichtige Informationen zur Verbesserung der Bestimmung der exogenen Insulinverabreichung und zur Vorhersage bevorstehender unerwünschter Ereignisse wie Hypo-/Hyperglykämie. Die aktuelle Forschung in der Diabetes-Technologie investiert erhebliche Anstrengungen in die Entwicklung von Entscheidungsunterstützungssystemen für die Patientenanwendung, die automatisch die vom CGM-Sensor und anderen tragbaren Geräten gesammelten Patientendaten analysieren und personalisierte Empfehlungen zu Therapieanpassungen geben. Aufgrund der großen Menge an Daten, die von T1D-Patienten erhoben werden, und ihrer Vielseitigkeit, werden Methoden der künstlichen Intelligenz (KI) zunehmend in diesen Entscheidungsunterstützungssystemen eingesetzt. In diesem Papier überprüfen wir die neuesten Methoden, die KI und CGM-Sensoren für die Entscheidungsunterstützung im fortgeschrittenen T1D-Management verwenden, einschließlich Techniken zur personalisierten Berechnung des Insulinbouss, der adaptiven Feinabstimmung von Boulder-Rechnerparametern und der Glukosevorhersage.
Vettoretti et al. (Fr,) haben diese Frage untersucht.