模型预测控制（MPC）算法在完全闭环（FCL）系统中优化血糖的比较

《International Journal of Medical Informatics》：Comparison of model Predictive control (MPC) algorithms to optimise blood glucose in fully closed loop (FCL) systems

1型糖尿病患者的血糖调控仍面临餐后高血糖、胰岛素吸收延迟等挑战，完全闭环（FCL）系统通过模型预测控制（MPC）技术显著优于传统PID的混合闭环系统（TIR达74.4% vs 63.7%）。本文对比分析非线性MPC（整合胰高血糖素）、λ-政策迭代（自适应强化学习）和脉冲调制人工胰腺（模拟生理胰岛素分泌）三大前沿算法，提出融合三者优势的混合控制框架，旨在提升闭环系统的实时适应性和生理模拟精度。研究指出临床验证不足、胰高血糖素稳定性差、CGM误差及成本问题是主要瓶颈，需通过多中心长期试验结合真实世界场景优化算法。

　　

尼尔·沃恩|艾莎·拉希德

英国埃克塞特大学临床与生物医学科学系（CBS）

摘要

背景与目标

模型预测控制（MPC）在完全闭环（FCL）系统中逐渐崭露头角，为1型糖尿病患者提供了自动调节血糖的新方法。本文通过比较近期开发的系统，评估了FCL系统的临床效果，并探讨了未来的优化方向。

方法与结果

证据表明，基于MPC的FCL系统比使用比例-积分-微分（PID）控制的混合闭环（HCL）系统表现更好，其血糖在目标范围内的时间（TIR）更高（74.4% vs 63.7%，P = 0.020），并且餐后血糖调节更为有效。然而，目前还没有系统能够持续达到临床目标TIR（>70%），餐后高血糖和胰岛素吸收延迟仍然是主要挑战。三种新兴的FCL技术包括：针对双激素系统的非线性MPC（NMPC）、用于降低低血糖的胰高血糖素整合技术、λ-策略迭代（λ-PI）自适应强化学习模型，以及模拟自然胰岛素分泌的脉冲调制人工胰腺（PMCL）系统。我们对比了这三种技术的特点，并提出了一种结合了这些算法优势的新混合模型，以提高准确性。

结论

尽管这些创新在模拟模型中显示出潜力，但还需要进行临床验证。主要障碍包括胰高血糖素的不稳定性、连续血糖监测（CGM）的准确性、成本以及患者的依从性。未来的研究应优先考虑纳入实际因素（如运动和饮食变化）的长期试验。通过整合预测控制、自适应学习和双激素调节，FCL系统有望改变糖尿病管理方式，实现技术向全自动化的过渡。

引言

1型糖尿病（T1DM）是一种自身免疫性疾病，由于产生胰岛素的β细胞被破坏，导致患者需要终生依赖胰岛素并持续监测血糖[1]。维持正常的血糖水平对于预防短期并发症（如严重低血糖和糖尿病酮症酸中毒）以及长期并发症（如肾病、神经病变和心血管疾病）至关重要[2]。然而，由于个体敏感性差异、血糖波动以及患者行为的不确定性，实现稳定的血糖控制非常困难。

近年来，完全闭环（FCL）输送系统（图1）成为改善血糖控制的有效方法[3]。市面上的混合闭环（HCL）系统虽然结合了CGM和自动胰岛素输送功能，但仍需用户手动调整餐时胰岛素剂量，尽管与传统胰岛素疗法相比有所改进[4]，但其自动化程度仍有限。FCL系统（也称为人工胰腺AP系统）旨在消除手动胰岛素注射的需求，从而减轻患者负担并提高血糖在目标范围内的时间（TIR）[3]。

FCL系统中的模型预测控制（MPC）可以通过预测未来血糖水平并相应调整胰岛素剂量来优化胰岛素输送[5]。MPC利用数学模型根据当前和历史数据预测血糖趋势，确保精确和适应性的胰岛素调节。这种方法在考虑延迟、餐食摄入和体力活动的情况下，有助于将血糖维持在目标范围内。通过不断更新预测并进行实时调整，MPC可以提高安全性和有效性，延长血糖在目标范围内的时间（TIR）。

我们之前的研究表明，基于MPC的FCL系统在提高血糖在目标范围内的时间（TIR）方面优于混合闭环（HCL）系统[6]。然而，许多系统仍难以持续将TIR维持在70%以上的临床目标[7]。持续存在的挑战包括餐后高血糖管理、胰岛素输送延迟以及设备限制[6]。一些新兴技术如λ-PI、NMPC（双激素系统）和PMCL显示出潜力，但缺乏临床验证[8]。

尽管取得了进展，FCL系统在临床应用中仍不广泛。关于其在实际环境中的有效性，特别是在管理餐后高血糖、适应生理变化以及证明长期安全性和可靠性方面，仍存在疑问[3]。成本和可及性也是限制这些系统广泛应用的主要因素。目前的研究重点在于改进控制算法、整合双激素调节机制，并利用自适应学习模型来提升血糖调节能力。本综述将评估FCL系统在优化1型糖尿病患者血糖监测方面的有效性，探讨现有证据并探索可能实现完全自动化胰岛素输送的未来发展方向。

(1) 问题：1型糖尿病患者的有效血糖调节仍然具有挑战性，尤其是在进餐、运动和生理压力期间。尽管基于模型预测控制（MPC）的完全闭环（FCL）系统提高了血糖在目标范围内的时间（TIR），但在应对餐后高血糖、实时适应性和无需用户干预的情况下保持稳定性方面仍存在不足。

(2) 已知事实：混合闭环（HCL）系统依赖于用户报告的餐食和运动信息，而FCL系统虽然消除了手动干预，但仍面临生理变化的不确定性。最近的进展，如λ-PI自适应学习、双激素系统的非线性MPC（NMPC）和脉冲调制控制（PMCL），分别解决了预测、适应性和生理胰岛素/胰高血糖素输送方面的问题，但单独使用这些技术仍无法完全解决FCL系统的局限性。

(3) 本文的贡献：本文首次对基于MPC的算法（NMPC、λ-PI和PMCL）进行了比较评估，提出了一种结合这三种方法的新型混合控制框架。该混合模型旨在结合预测性胰岛素/胰高血糖素调节、运动和压力状态下的自适应学习以及生理驱动的微量胰岛素输送。我们指出了关键障碍（如胰高血糖素的不稳定性及有限的临床验证），并制定了体外和体内测试的路线图。

(4) 新知识的受益者：开发自动胰岛素输送算法的研究人员、寻求改进血糖控制工具的临床医生、设计下一代人工胰腺系统的生物医学工程师，以及1型糖尿病患者都将从本文提供的见解和未来发展方向中受益。

方法部分

文献综述

我们使用PubMed、TRIP Pro和Web of Science数据库进行了全面文献搜索，以确定与此主题相关的研究。搜索关键词包括“完全闭环”、“1型糖尿病”、“模型预测控制”、“连续血糖监测”和“人工胰腺”。使用布尔运算符“AND”来筛选相关研究，“OR”则扩大了结果范围，以涵盖不同算法方法的研究。

讨论

以下部分分析了关于FCL系统和模型预测控制（MPC）算法的最新出版物和研究。内容涵盖了FCL系统的性能，包括血糖控制和最新进展。

结论

总体而言，FCL系统在血糖控制方面优于HCL系统，由于MPC的预测能力，能够在不增加低血糖风险的情况下提高血糖在目标范围内的时间（TIR）。然而，FCL系统在应对餐后高血糖和 insufficient TIR 方面仍有改进空间。λ-PI、双激素系统的NMPC以及脉冲调制人工胰腺（PMCL）等新技术提供了有前景的解决方案，但需要进一步研究。长期比较MPC和PID的研究将有助于明确其在实际应用中的优势和可行性。

作者贡献声明

尼尔·沃恩：负责撰写、审稿与编辑、验证、监督、软件开发、资源管理、方法论设计及资金申请。艾莎·拉希德：负责撰写初稿、数据可视化、方法论制定、数据分析、概念构建。

利益冲突声明

作者声明没有已知的可能影响本文研究的财务利益或个人关系。

致谢

本项目利用了由英国医学研究委员会（MRC）临床研究基础设施计划（项目编号：MR/M008924/1）资助的高性能计算资源。该研究得到了国家健康与护理研究所（NIHR）埃克塞特生物医学研究中心（BRC）的支持。本文表达的观点仅代表作者本人，并不一定代表NIHR或卫生与社会护理部的立场。此外，本研究还得到了埃克塞特卓越中心的支持。