SoftCGM: monitores y predicciones de aplicaciones para teléfonos inteligentes Glucose

Una nueva empresa de tecnología emergente busca cambiar la monitorización continua de glucosa tal como la conocemos, eliminando el sensor por completo y centrándose en los algoritmos de los teléfonos inteligentes para mostrar datos constantes de azúcar en sangre y producir glucosa predicciones de tendencias

Conozca SoftCGM, una nueva solución totalmente basada en teléfonos que está desarrollando Lancaster, Aspire Ventures, con sede en Pensilvania, y estamos encantados de que "uno de los nuestros" con diabetes tipo 1 y activo en la comunidad en línea de Diabetes esté en el equipo.

Desde hace mucho tiempo, tipo 1, Marcus Grimm (@marcusgrimm) ha sido blogger de D durante años en Sweet Victory y hace algunos videos bastante increíbles (Sh * T Diabetics Say), además de ser un corredor ávido y entrenador voluntario.

Hace poco llamamos a Marcus para escuchar su historia personal y conocer algunos detalles sobre esta tecnología futurista de SoftCGM en proceso.

Una entrevista con Marcus Grimm en SoftCGM

DM) Marcus, ¿puedes empezar presentándote?

MG) Usted apuesta. Tengo 45 años. Casado con niños, viviendo en Pennsylvania. Además de ser T1 y ese es mi trabajo, la gente a veces me reconoce por ser parte del primer equipo de Team Type 1 de hace algunos años. He corrido más de una docena de maratones y ultra maratones con T1, hasta 100 millas, y también soy el entrenador en activo del Campamento de entrenamiento de diabetes.

¿Cuál es tu historia sobre la diabetes?

Me diagnosticaron en 1984. He estado en la bomba durante 16 años y CGM durante varios años también. Siempre me consideré bastante afortunado con mi control, pero hace unos siete años, me di cuenta de que dos de las tres T1 con las que había crecido habían fallecido. Decidí entonces que incluso si la diabetes era bastante fácil para mí, eso no significaba que fuera fácil para todos, así que me propuse involucrarme más.

Tuve uno de los primeros blogs sobre la intersección de la diabetes y el ejercicio, pero la mayor parte de mi alcance a la diabetes en los últimos años se ha producido fuera de línea. Hace cinco años, anduve en bicicleta 84 millas en un solo día y visité a diez legisladores para obtener apoyo para el proyecto de ley Safe at Schools en Pensilvania. El mismo año fui nombrado atleta aficionado del año del equipo tipo 1. Hace dos años, comencé a entrenar en el Diabetes Training Camp. En estos días, soy un "alborotador" muy activo en las comunidades de diabetes en línea. Descubrí que no faltan grandes consejos, por lo que trato de contribuir solo si siento que tengo una perspectiva única.

Cuéntanos sobre tu trabajo en Aspire Ventures, ¿eso está creando esta nueva herramienta?

Soy director de marketing, lo cual es una manera elegante de decir que soy un narrador corporativo.Pasé varios años dirigiendo una agencia de publicidad antes de llegar a Aspire. Una de las empresas administradas por Aspire es Tempo Health, que aplica el aprendizaje automático a la tecnología de la diabetes. El enfoque único de Tempo para crear herramientas personalizadas de gestión de la diabetes con lo que llamamos Inteligencia Artificial Adaptativa fue lo que

me atrajo para unirme a Aspire en primer lugar.

OK, entonces, ¿qué es SoftCGM?

Técnicamente hablando, SoftCGM es una herramienta de tecnología para la diabetes que utiliza la "fusión del sensor", que simplemente significa que reúne varias piezas de información relacionada para hacer una predicción, en este caso, una predicción de los valores actuales de glucosa en sangre.

Este video ofrece una introducción bastante buena de lo que trata SoftCGM.

Lo llamamos SoftCGM porque usa software, en lugar de un sensor CGM tradicional, para hacer la estimación. La primera versión de SoftCGM hace su estimación a partir de calibraciones de punción digital, información de bolo y carburador, y datos de frecuencia cardíaca continua. Sin embargo, la plataforma es lo suficientemente flexible como para tener en cuenta una cantidad cada vez mayor de sensores que llegarán al mercado.

¿Todo esto se presenta en una aplicación móvil?

La aplicación sirve como portal de usuario para SoftCGM, pero cuando se habla de introducir y optimizar múltiples algoritmos, ese nivel de aprendizaje automático se lleva a cabo en la nube. Y con esa información almacenada y procesada en la nube, abre la posibilidad de todo tipo de cosas, como sistemas de soporte de decisiones para médicos y CDE, etc. En muchos sentidos, la aplicación es solo el comienzo.

¿Cómo funciona realmente?

Bien, esto va a ser un poco técnico …

Lo realmente especial de SoftCGM es que las estimaciones y predicciones de BG se basan en modelos que usan el aprendizaje automático para adaptarse a cada individuo único, en lugar del típico el enfoque de talla para todos al que se han usado todos los T1. SoftCGM puede aprender cómo responde personalmente al ejercicio o a los carbohidratos y hacer una predicción adecuada para usted.

Estamos logrando eso al ejecutar varios modelos personalizados a través de la aplicación al mismo tiempo. Actualmente tenemos eso ejecutándose en la versión Alpha (desarrollo) de la aplicación SoftCGM.

Cada uno de estos modelos tiene su propia visión sobre la diabetes: ¿cuánto impacto tiene el ejercicio, por ejemplo, o cuánto tiempo permanecen los carbohidratos en su sistema?

Este sería el aspecto típico de un registro de historial:

De manera regular, cada modelo analiza todos los datos históricos de los últimos siete días y se puntúa de acuerdo con el MARD (Diferencia relativa absoluta promedio - estándar) medida de la precisión de CGM).

Y luego, cualquiera que sea el puntaje más alto se pone en acción para predecir la glucosa en sangre actual e incluso futura. Ese modelo personalizado continuará siendo responsable hasta que la revisión posterior de siete días declare un nuevo ganador. En el camino, los modelos se ajustan continuamente de acuerdo con los resultados personales del usuario. Entonces, lo que entra en la aplicación es un algoritmo que se adapta con el tiempo para crear un modelo personalizado.

¿Qué estamos viendo en la última pantalla con "Algoritmos adaptativos"?

Esa cuarta pantalla es la más aburrida, pero en realidad es lo más importante que hace que este enfoque sea diferente. Lo que está viendo es que la aplicación está sacando de cuatro algoritmos de adaptación diferentes. Cada algoritmo se "puntúa" en contra de su capacidad para predecir MARD en los últimos 7 días de datos. El que obtiene el puntaje más alto es el que usa la aplicación para predecir el BG actual y futuro. En este escenario, GeneralT2D es el que mejor se desempeña con el conjunto de datos, con una puntuación de 85. 6. En este momento, los modelos se optimizan a sí mismos todas las noches y el de mayor puntuación es "puesto en el juego". A medida que agreguemos más matices a la aplicación, será fácil hacer cosas como desplegar el modelo que tenga mejor puntaje para el ejercicio cuando se detecte un aumento en la frecuencia cardíaca o levantar el que obtenga mejores puntajes cuando haya grandes cantidades de carbohidratos provenientes del bomba o bolígrafo Eso se llama entrenamiento de escenarios y aún no existe para nosotros, pero en esta versión Alpha puede ver cómo funciona el concepto, con modelos personalizados que compiten para ser utilizados. Realmente es el corazón de la historia.

Guau, esto suena bastante único y diferente de los actuales CGM, ¿no?

El enfoque del modelo personalizado es definitivamente la pieza más singular; no hemos visto este enfoque intentado antes. Las otras comparaciones con el MCG tradicional son más obvias: ningún sensor invasivo es el principal.

En realidad, hay dos aspectos clave que hacen que SoftCGM sea único en el ámbito de la diabetes. El primero es obvio, y es que estamos incorporando datos de frecuencia cardíaca para ayudar a determinar qué es probable que haga la glucosa en sangre en el futuro. Como diabéticos, sabemos que el ejercicio tiene un impacto potente en la BG, pero aparte de las conjeturas educadas, no hay fórmulas confiables, y peor, lo que funcionó ayer podría no funcionar mañana. Debido a que estamos utilizando algoritmos de aprendizaje automático que se pueden adaptar a cada usuario, los modelos personalizados pueden medir el impacto del ejercicio en BG.

¿Has usado SoftCGM tú mismo en las pruebas Alpha?

¡Sí! Tuvimos tres usuarios Alpha de la aplicación: yo mismo, otro T1D y otro T2D. La semana pasada, entramos en Beta, actualmente configurado con 12 participantes. Los resultados de Alpha fueron alentadores: aproximadamente la misma precisión que el sensor EnLite CGM de Medtronic. Para ser claros, no es una comparación de manzanas a manzanas. Nuestra versión requiere MÁS información de entrada en este momento, pero en términos de un primer paso con precisión, como dije, es alentador.

Suena un poco como la nueva aplicación Vigilant de InSpark … ¿Alguna gran similitud o diferencia que se te ocurra?

Creo que Vigilant es súper interesante y lo voy a probar yo mismo. Lo que compartimos con ellos es la idea de que diferentes usuarios están buscando diferentes formas de controlar su diabetes. Y al centrarme en hacer una pieza del rompecabezas extremadamente bien, creo que están viendo el problema de manera apropiada.

Sin profundizar en su producto, la diferencia clave que creo entre su enfoque y el nuestro es que parece que tienen un algoritmo muy bueno para predecir los mínimos, y sospecho que funcionará muy bien para algunas personas y menos para otras. gente.

Sin mencionar que si el algoritmo funciona bien para mí hoy, qué sucede cuando algo importante cambia con mi metabolismo, como si empiezo a hacer ejercicio o me da gripe, etc. Esos tipos de algoritmos a menudo romper en escenarios dados.

Nuestra tecnología subyacente se basa en algoritmos múltiples, por lo que podríamos (si nos permiten) tomar su algoritmo y ajustarlo para la persona individual y sus escenarios individuales. Como todos sabemos, hay ocasiones en que las matemáticas que todos los diabéticos usan no nos funcionan en una situación determinada. Estamos tratando de arreglar eso.

Vigilant aparentemente no requirió la aprobación de la FDA. ¿Lo necesitará para el uso exclusivo de algoritmos de SoftCGM?

Absolutamente, pero lo que parece ser esa aprobación está muy en el aire desde el principio. Por ejemplo, la versión Alpha actual en mis manos predice glucosa en la sangre en el futuro. Cómo se sienta la FDA al respecto, y cómo presentamos esos datos, sin duda tendrá un impacto en el proceso y el producto.

¿Esto tiene potencial de circuito cerrado / Páncreas artificial?

Existe la posibilidad de que la inteligencia artificial adaptativa se use donde sea que la medicina verdaderamente personalizada sea el objetivo, y un sistema de ciclo cerrado podría beneficiarse de dicho enfoque. Pero hay tantas aplicaciones potenciales fuera de la población AP de alta tecnología, porque es un enfoque personalizado.

¿Cuál es la línea de tiempo sobre esto?

Estamos buscando tener dos pequeñas pruebas Beta este verano. Los resultados de eso deberían ser suficientes para tener discusiones con la FDA.

¿Cómo puede nuestra comunidad D obtener más información o involucrarse si están interesados?

Las personas pueden registrarse para formar parte del proceso de comentarios directamente en línea. Como todos los productos de esta naturaleza, a veces buscamos usuarios Beta y, a veces, buscamos comentarios de subconjuntos específicos de usuarios. Pero la versión Alpha de SoftCGM se creó con una visión fenomenal de un grupo de T1 que asistieron a un seminario web que organizamos, por lo que los comentarios de los usuarios son absolutamente fundamentales para este proceso.

¡Cosas muy emocionantes, Marcus! Gracias por todo lo que hace para ayudar a desarrollar estas innovaciones, y esperamos ver que SoftCGM se materialice. Descargo de responsabilidad

: contenido creado por el equipo de Diabetes Mine. Para más detalles, haga clic aquí. Descargo de responsabilidad

Este contenido está creado para Diabetes Mine, un blog de salud del consumidor enfocado en la comunidad de la diabetes. El contenido no se revisa médicamente y no cumple con las pautas editoriales de Healthline. Para obtener más información sobre la asociación de Healthline con Diabetes Mine, haga clic aquí.