SoftCGM: Smartphone App Monitor e Predicts Glucose

Una nuova startup di venture tech sta cercando di cambiare il monitoraggio continuo del glucosio come lo conosciamo, eliminando del tutto il sensore e concentrandosi invece sugli algoritmi dello smartphone per visualizzare dati di zucchero nel sangue costanti e produrre glucosio previsioni di tendenza.

Incontriamo SoftCGM, una nuova soluzione interamente basata sul telefono in fase di sviluppo da Aspire Ventures, con sede a Lancaster, in Pennsylvania, e siamo entusiasti che "uno dei nostri" con diabete di tipo 1 e attivo nella comunità online di Diabetes sia sul squadra.

Un tipo di lunga data 1, Marcus Grimm (@marcusgrimm) è stato un D-blogger per anni presso Sweet Victory e realizza alcuni video davvero fantastici (Sh * T Diabetics Say), oltre ad essere un corridore avido e allenatore volontario.

Recentemente abbiamo contattato Marcus per ascoltare la sua storia personale e apprendere alcuni dettagli su questa futuristica tecnologia SoftCGM nelle opere.

Un'intervista con Marcus Grimm su SoftCGM

DM) Marcus, puoi iniziare presentandoti?

MG) Ci puoi scommettere. Ho 45 anni. Sposato con figli, vive in Pennsylvania. Oltre ad essere T1 e che è il mio lavoro, a volte le persone mi riconoscono dall'essere parte della prima squadra in esecuzione del Team Type 1 alcuni anni fa. Ho corso più di una dozzina di maratone e ultra maratone con il T1, fino a 100 miglia, e sono anche l'allenatore in corsa per il Diabetes Training Camp.

Qual è la tua storia sul diabete?

Mi è stato diagnosticato nel 1984. Sono stato sulla pompa da circa 16 anni e CGM anche da diversi anni. Mi sono sempre considerato abbastanza fortunato con il mio controllo, ma circa sette anni fa mi sono reso conto che due dei tre T1 con cui ero cresciuto erano scomparsi. Ho deciso allora che anche se il diabete fosse abbastanza facile per me, questo non significava che fosse facile per tutti, quindi ho deciso di diventare più coinvolto.

Ho avuto uno dei primi blog sull'intersezione tra diabete ed esercizio fisico, ma la maggior parte del mio impegno sul diabete negli ultimi anni si è verificata offline. Cinque anni fa, ho percorso in bicicletta 84 miglia in un solo giorno e ho visitato dieci legislatori per raccogliere il sostegno per il progetto Safe at Schools Bill in PA. Lo stesso anno fui nominato atleta dilettante dell'anno del Team Type 1. Due anni fa, ho iniziato a studiare al Diabetes Training Camp. In questi giorni, sono un "lurker" molto attivo nelle comunità di diabetologia online. Trovo che non mancano grandi consigli là fuori, quindi cerco di contribuire solo se sento di avere una prospettiva unica.

Parlaci del tuo lavoro in Aspire Ventures, che sta creando questo nuovo strumento?

Sono Chief Marketing Officer, che è un modo elegante per dire che sono un narratore aziendale.Ho trascorso diversi anni a gestire un'agenzia pubblicitaria prima di venire ad Aspire. Una delle iniziative gestite da Aspire è Tempo Health, che sta applicando l'apprendimento automatico alla tecnologia del diabete. L'approccio unico di Tempo alla creazione di strumenti personalizzati per la gestione del diabete con ciò che chiamiamo Adaptive Artificial Intelligence è stato ciò che

mi ha spinto ad unirmi ad Aspire in primo luogo.

OK, quindi cos'è SoftCGM?

Tecnicamente parlando, SoftCGM è uno strumento di tecnologia per il diabete che utilizza "fusione di sensori", il che significa semplicemente che porta insieme diverse informazioni correlate per fare una previsione, in questo caso una previsione dei valori attuali di glucosio nel sangue.

Questo video offre un'introduzione piuttosto buona a ciò che riguarda SoftCGM.

Lo chiamiamo SoftCGM perché utilizza software, piuttosto che un sensore CGM tradizionale, per effettuare la stima. La prima versione di SoftCGM effettua la stima da calibrazioni del dito, informazioni su bolo e carboidrati e dati sulla frequenza cardiaca continua. La piattaforma è abbastanza flessibile, tuttavia, per tenere conto di una quantità sempre crescente di sensori che arriveranno sul mercato.

Tutto questo è presentato in un'app mobile?

L'app funge da portale utente per SoftCGM, ma quando si parla di più algoritmi introdotti e ottimizzati, il livello di apprendimento automatico avviene nel cloud. E con la memorizzazione e l'elaborazione dei dati nel cloud, questo apre la possibilità a tutti i tipi di cose, come i sistemi di supporto decisionale per medici e CDE, ecc. In molti modi, l'app è solo l'inizio.

Come funziona davvero?

OK, questo diventerà un po 'tecnico …

La particolarità di SoftCGM è che le stime e le previsioni BG si basano su modelli che utilizzano l'apprendimento automatico per adattarsi a ciascun individuo unico, anziché a quello tipico- approccio che si adatta a tutti i T1. SoftCGM può imparare come reagisci personalmente all'esercizio fisico o ai carboidrati e fare una previsione giusta per te.

Ci stiamo raggiungendo eseguendo contemporaneamente più modelli personalizzati attraverso l'app allo stesso tempo. Al momento abbiamo questo in esecuzione nella versione Alpha (sviluppo) dell'app SoftCGM.

Ognuno di questi modelli ha il suo approccio al diabete un po 'unico - quanto impatto ha l'esercizio, per esempio, o per quanto tempo i carboidrati rimangono nel tuo sistema?

Questo è il tipico registro della cronologia:

Su base regolare, ogni modello esamina tutti i dati storici degli ultimi sette giorni e si classifica secondo la MARD (media differenza relativa assoluta - standard misura della precisione della CGM).

E poi, qualunque sia il punteggio più alto, viene posto in atto per prevedere la glicemia attuale e persino futura. Quel modello personalizzato continuerà ad essere in carica fino a quando il "sette-day look-back" non dichiarerà un nuovo vincitore. Lungo la strada, i modelli si modificano continuamente in base ai risultati personali dell'utente. Quindi, ciò che entra nell'app è un algoritmo che si adatta nel tempo per creare un modello personalizzato.

Cosa vediamo nell'ultima schermata con "Adaptive Algorithms"?

Quel quarto schermo è il più noioso, ma è davvero la cosa più importante che rende questo approccio diverso. Quello che stai vedendo è che l'app sta tracciando da quattro diversi algoritmi adattivi. Ogni algoritmo è "valutato" rispetto alla sua capacità di predire MARD negli ultimi 7 giorni di dati. Quello che ha ottenuto il punteggio più alto è quello che l'app utilizza per prevedere la BG attuale e futura. In questo scenario, GeneralT2D è il migliore con il set di dati, con un punteggio di 85. 6. Al momento, i modelli si ottimizzano di notte e il punteggio più alto è "messo in gioco". Come aggiungeremo più sfumature all'app, sarà facile fare cose come tirare su il modello che ha il punteggio migliore per l'esercizio fisico quando viene rilevato un aumento della frequenza cardiaca o tirare fuori quello che ottiene il punteggio migliore quando grandi quantità di carboidrati provengono dal pompa o penna. Questo si chiama addestramento dello scenario e non esiste ancora per noi, ma in questa versione Alpha puoi vedere come funziona il concetto - con modelli personalizzati che competono per essere usati. È davvero il cuore della storia.

Wow, questo suona piuttosto unico e diverso dagli attuali CGM, no?

L'approccio al modello personalizzato è sicuramente il pezzo più unico; non abbiamo visto questo approccio tentato prima. Gli altri confronti con la tradizionale CGM sono più ovvi: nessun sensore invasivo è il principale.

Ci sono davvero due aspetti chiave che rendono SoftCGM unico nello spazio del diabete. Il primo è ovvio, e questo è il fatto che stiamo introducendo dati sulla frequenza cardiaca per aiutare a determinare quale glicemia è probabile che possa fare in futuro. Come diabetici, sappiamo che l'esercizio fisico ha un forte impatto su BG, ma a parte le ipotesi formulate, non ci sono formule affidabili - e peggio, quello che ha funzionato ieri potrebbe non funzionare domani. Poiché utilizziamo algoritmi di apprendimento automatico che possono adattarsi a ciascun utente, i modelli personalizzati sono in grado di misurare l'impatto dell'esercizio su BG.

Hai usato SoftCGM da solo nei test Alpha?

Sì! Avevamo tre utenti Alpha dell'app: me stesso, un altro T1D e un altro T2D. Proprio la scorsa settimana, siamo entrati in Beta, attualmente impostato con 12 partecipanti. I risultati Alpha erano incoraggianti, all'incirca la stessa precisione del sensore CGL EnLite di Medtronic. Per essere chiari, non è un confronto tra mele e mele. La nostra versione richiede un MOLTO più input di dati in questo momento, ma in termini di un primo passaggio con precisione, come ho detto, è incoraggiante.

Sembra un po 'come la nuova app Vigilant di InSpark … qualche grande somiglianza o differenza che ti viene in mente?

Penso che Vigilant sia super interessante e lo proverò da solo. Ciò che condividiamo con loro è l'idea che utenti diversi stiano cercando modi diversi per gestire il loro diabete. E concentrandomi sul fare un pezzo del puzzle estremamente bene, penso che stiano esaminando il problema in modo appropriato.

Senza scavare nel loro prodotto, la differenza fondamentale tra il loro approccio e il nostro è che sembra che abbiano un ottimo algoritmo per predire i minimi, e sospetto che funzionerà molto bene per alcune persone e meno bene per altri persone.

Per non parlare del fatto che se l'algoritmo funziona bene per me oggi, cosa succede quando qualcosa di importante cambia con il mio metabolismo - come se io avessi iniziato a esercitare o ottenuto l'influenza, ecc. Quegli tipi di algoritmi spesso irrompere in determinati scenari.

La nostra tecnologia di base si basa su più algoritmi, quindi potremmo effettivamente (se ci permettono) di prendere il loro algoritmo e modificarlo per la singola persona e i suoi singoli scenari. Come tutti sappiamo, ci sono momenti in cui la matematica che tutti i diabetici usano non funziona per noi in una determinata situazione. Stiamo cercando di risolvere il problema.

Il vigilante apparentemente non ha richiesto l'approvazione della FDA. Avrai bisogno di questo per l'esclusivo uso di algoritmi di SoftCGM?

Assolutamente, ma quello che potrebbe sembrare l'approvazione è molto in voga all'inizio. Per esempio, l'attuale versione Alpha nelle mie mani predice la glicemia nel futuro. Come si sente la FDA su questo - e come presentiamo questi dati - avrà sicuramente un impatto sul processo e sul prodotto.

Questo ha un potenziale di Pancreas ad anello chiuso / artificiale?

C'è un potenziale per l'intelligenza artificiale adattabile da utilizzare laddove la medicina veramente personalizzata è l'obiettivo, e un sistema a circuito chiuso potrebbe probabilmente beneficiare di tale approccio. Ma ci sono altrettante potenziali applicazioni al di fuori della popolazione di AP high-tech, perché è un approccio personalizzato.

Qual è la tempistica su questo?

Quest'estate stiamo valutando due piccoli test beta. I risultati da ciò dovrebbero essere sufficienti per avere discussioni con la FDA.

In che modo la nostra D-Community può ottenere maggiori informazioni o essere coinvolta se è interessata?

Le persone possono iscriversi per far parte del processo di feedback direttamente online. Come ogni prodotto di questo tipo, a volte cerchiamo utenti Beta e talvolta cerchiamo feedback da specifici sottoinsiemi di utenti. Ma la versione Alpha di SoftCGM è stata realizzata con una visione fenomenale di un gruppo di T1 che ha partecipato a un webinar ospitato, quindi il feedback degli utenti è assolutamente fondamentale per questo processo.

Roba molto eccitante, Marcus! Grazie per tutto ciò che fai nel contribuire a sviluppare queste innovazioni, e w e non vedo l'ora di vedere materializzare SoftCGM.

Disclaimer : Contenuto creato dal team Diabetes Mine. Per maggiori dettagli clicca qui.

Disclaimer

Questo contenuto è stato creato per Diabetes Mine, un blog sulla salute dei consumatori incentrato sulla comunità dei diabetici. Il contenuto non è revisionato da un medico e non aderisce alle linee guida editoriali di Healthline. Per ulteriori informazioni sulla partnership di Healthline con Diabetes Mine, fare clic qui.