Djinious
Prenota una demo
Dispositivi mediciScienze della vita

Pancreas artificiale

Un controllore dell’insulina ad anello chiuso su un modello fisiologico glucosio-insulina — che doma i picchi post-pasto senza mai causare un’ipoglicemia: la sfida del pasto, la trappola dell’ipoglicemia, un livello di sicurezza a sospensione per basso glucosio, e una coorte di pazienti virtuali.

DjiniousLabModellazione e simulazione
DjiniousLab
Glicemia nell’arco di una giornata all’interno della fascia target 70-180 mg/dL — l’anello aperto che va in picco dopo i pasti, mentre l’anello chiuso contiene i picchi
tempo nella fascia (ibrido + sicurezza)
100%tempo nella fascia (ibrido + sicurezza)
eventi ipoglicemici
0eventi ipoglicemici
guadagno di tempo nella fascia
81% → 100%guadagno di tempo nella fascia
pazienti della coorte con TIR ≥ 80%
40 / 40pazienti della coorte con TIR ≥ 80%
notebook di progettazione
10notebook di progettazione
controllo
safety-criticalcontrollo

Controllo ad anello chiuso dove un errore è un’emergenza.

Un pancreas artificiale legge la glicemia e dosa l’insulina automaticamente — un anello di controllo chiuso su un paziente vivo. Ciò che lo rende difficile non è tenere basso il glucosio dopo un pasto; è farlo senza mai spingerlo troppo in basso, perché un evento ipoglicemico non è un setpoint mancato, è un’emergenza medica. Questo programma modella la fisiologia, costruisce il controllore, entra dritto in quella trappola di sicurezza, e mostra il livello di sicurezza che ne permette l’uscita — per poi dimostrarlo su una coorte di pazienti virtuali.

Un pasto è una perturbazione che non puoi respingere in tempo.

I carboidrati raggiungono il sangue in pochi minuti; l’insulina iniettata impiega molto più tempo ad agire. Così un pasto fa impennare la glicemia, e senza controllo essa sale oltre 200 mg/dL e resta alta per ore. Il modello — un sistema minimale glucosio-insulina di Bergman con un termine di comparsa del glucosio da pasto — riproduce esattamente quell’escursione postprandiale, e quantifica il danno: solo l’81% della giornata resta nella fascia sana 70-180, quasi un quinto in iperglicemia. È questo il problema che un anello chiuso è lì per risolvere.

DjiniousLab
Glicemia ad anello aperto nell’arco di una giornata, con picchi sopra la soglia di 180 mg/dL dopo ogni pasto, e la fascia target ombreggiata
La giornata senza controllo: tre pasti, tre picchi oltre 180 mg/dL, ore trascorse in iperglicemia. La fascia ombreggiata è il target 70-180; la sola insulina basale non riesce a mantenere i pasti al suo interno. Questa è la base di riferimento che ogni controllore ad anello chiuso deve battere.
DjiniousLab
Andamento della glicemia ad anello chiuso all’interno della fascia target, con il controllore che abbassa i picchi post-pasto rispetto all’anello aperto
Chiudere l’anello: un controllore in retroazione dosa l’insulina in base alla lettura del glucosio e abbassa i picchi post-pasto — il tempo nella fascia sale dall’81% al 94%. Ma osserva i cali dopo ogni pasto: l’overshoot del controllore stesso comincia a spingere il glucosio verso il basso. Questa è la trappola.

Più insegui i picchi alti, più ti avvicini ai cali bassi.

È tentante spingere il controllore: un dosaggio di insulina più aggressivo appiattisce i picchi post-pasto e alza ulteriormente il tempo nella fascia. Ma l’insulina continua ad agire dopo che il glucosio ha già invertito la rotta, così un controllore troppo aggressivo scende sotto con un overshoot — dritto nell’ipoglicemia. Il programma rende esplicita la trappola: inseguire gli ultimi punti percentuali di tempo nella fascia con il solo guadagno provoca eventi ipoglicemici. In un dispositivo reale non è un punteggio peggiore, è un’ambulanza alle due di notte. La risposta non è un guadagno migliore — è un livello di sicurezza.

DjiniousLab
Tempo nella fascia e rischio di ipoglicemia che salgono entrambi all’aumentare del guadagno del controllore — la trappola di sicurezza
La trappola dell’ipoglicemia, quantificata: al crescere del guadagno del controllore, il tempo nella fascia migliora — e così anche il rischio di ipoglicemia, finché l’anello aggressivo non causa cali pericolosi. I due obiettivi tirano in direzioni opposte, ed è esattamente per questo che un controllore del glucosio non può essere semplicemente tarato per le prestazioni.
DjiniousLab
Un livello di sicurezza a sospensione per basso glucosio che solleva il minimo post-pasto sopra 70 mg/dL mantenendo alto il tempo nella fascia
La via d’uscita: una sospensione predittiva per basso glucosio che interrompe l’insulina prima che il glucosio attraversi la soglia minima, abbinata a un feedforward di annuncio del pasto. Solleva il minimo post-pasto da 66 a 88 mg/dL, azzera il tempo in ipoglicemia, e mantiene comunque il 100% di tempo nella fascia — prestazioni e sicurezza insieme, cosa che la sola manopola del guadagno non poteva garantire.
DjiniousLab
La distribuzione del tempo nella fascia di una coorte di pazienti virtuali, tutti alti e nessuno ipoglicemico
Generalizza? Una coorte virtuale di 40 pazienti, distribuiti per sensibilità all’insulina e dimensione del pasto, eseguita interamente con lo stesso controllore ibrido: ogni paziente raggiunge un tempo nella fascia elevato e nessuno presenta un evento ipoglicemico. Un controllore che funziona su un solo paziente non è un dispositivo; uno sicuro sull’intera coorte è l’inizio di uno.

Ogni numero puoi rieseguirlo.

Il notebook di collaudo ridefinisce ogni requisito a partire dallo stesso modello fisiologico che il programma costruisce.

Risultato

  • Tempo nella fascia ad anello aperto: 81%
  • TIR ibrido + sicurezza: 100%
  • Eventi ipoglicemici (ibrido): 0
  • Coorte con TIR ≥ 80%: 40 / 40
  • Requisiti verificati: 6 / 6

Requisito

  • Tempo nella fascia ad anello aperto: base di riferimento
  • TIR ibrido + sicurezza: R-03
  • Eventi ipoglicemici (ibrido): R-04 = 0
  • Coorte con TIR ≥ 80%: R-05
  • Requisiti verificati: PASS

Un modello didattico e di controllo, non un dispositivo medico.

Il paziente è il modello minimale di Bergman — glucosio, azione dell’insulina e insulina plasmatica — non il simulatore ad alta fedeltà UVA/Padova usato per il lavoro regolatorio; la coorte è una semplice distribuzione di parametri fisiologici, e il CGM e la pompa sono idealizzati. Questo è un modello di controllo e ingegneria della sicurezza, esplicitamente non un dispositivo medico né un consiglio clinico. È esattamente la fedeltà che costruisce l’intuizione e la logica di controllo — la perturbazione del pasto, la trappola dell’ipoglicemia, il valore di un livello di sicurezza e la robustezza della coorte — su numeri riproducibili, prima di un simulatore ad alta fedeltà e di un processo di sviluppo regolato. E si abbina al percorso Rust memory-safe: un controllore in cui «verificato» deve significare davvero qualcosa.

Continua a esplorare

Casi d’uso correlati

Tutti i casi d’uso
Il quadricottero Djinborn T4 completo sul canvas di DjiniousLab — batteria, quattro propulsori, corpo hub, bracci, iniezione di forza, accoppiamento giroscopico, sensori, e lo stack di controllo a cascata cablati come un’unica composizione eseguibileRobotica aereaQuadricottero Djinborn T4Un drone da rilievo di classe 450 come un’unica composizione multibody — cellula, propulsione, sensori, e un autopilota a cascata che vola una missione 6-DoF in anello chiuso.DjiniousLabIl braccio robotico UR5 a 6 assi renderizzato in 3D in una posa rappresentativa a metà escursione, che mostra tutti e sei i giunti rotoidali lungo la catena cinematica DHRobotica industrialeManipolatore UR5 a 6 assiUn braccio UR5 spaziale a 6 gradi di libertà come un unico modello multibody — cinematica inversa in forma chiusa che guida un percorso cartesiano dell’end-effector tramite controllo PD per giunto con feedforward di gravità.DjiniousLabUna mappa animata della missione di tre UAV che eseguono un rilievo LiDAR su un quadrato di 500 metri vicino alla costa di Al-Batinah in Oman, con le loro rotte di volo e una base mobile segnate su una mappa di base OpenStreetMapRilievo con UAVRilievo LiDAR con UAV ad Al-BatinahPianifica e ottimizza un rilievo LiDAR con una flotta di droni su un sito di 500 × 500 m in Oman — adatta la missione alle specifiche della tua flotta, del drone e del sensore, poi guida una missione ottimale su una flotta UAV simulata su una mappa animata.DjiniousLab