सॉफ्ट सीजीएम: स्मार्टफ़ोन ऐप मॉनिटर और ग्लॉकोज की भविष्यवाणी

एक नया उद्यम तकनीक स्टार्टअप निरंतर ग्लूकोज मॉनिटरिंग को बदलना चाह रहा है जैसा कि हम जानते हैं, सेंसर के साथ पूरी तरह दूर करना और इसके बजाय स्मार्टफोन एल्गोरिदम पर ध्यान केंद्रित करने के लिए निरंतर रक्त शर्करा का डेटा प्रदर्शित करना और ग्लूकोज बनाना प्रवृत्ति भविष्यवाणियां

लन्कस्टर, पेंसिल्वेनिया-आधारित अस्पायर वेंचर्स द्वारा विकास के तहत एक नया पूरी तरह से फोन-आधारित समाधान से मुलाकात करें, और हम रोमांचित हैं कि टाइप 1 मधुमेह के साथ "हमारी अपनी एक" और मधुमेह ऑनलाइन समुदाय में सक्रिय है टीम।

एक लंबे समय के प्रकार 1, माक्र्स ग्रिम (@ एमआरसीसग्रिम) सालों तक मिठाई जीत के लिए एक डी-ब्लॉगर रहा है और कुछ बहुत ही भयानक वीडियो (श * टी डायबेटिक्स कहता है), साथ ही साथ एक शौकीन चावला धावक और स्वयंसेवक कोच

हमने हाल ही में उनकी व्यक्तिगत कहानी सुनने के लिए और कुछ सीखने के लिए मार्केस तक पहुंचे इस भविष्य की सॉफ्ट सीजीएम टेक के बारे में विवरण कार्यों में

सॉफ्ट सीजीएम

डीएम पर मार्कस ग्रिम के साथ एक साक्षात्कार) मार्कस, क्या आप खुद को शुरू करने से शुरू कर सकते हैं?

एमजी) आप शर्त लगा सकते हैं में 45 साल का हुं। पेंसिल्वेनिया में रहने वाले बच्चों के साथ विवाहित टी 1 होने और मेरी नौकरी होने के अलावा, लोग कुछ समय पहले मुझे टीम टाइप 1 की पहली टीम का हिस्सा होने से पहचानते हैं। मैंने एक दर्जन मैराथन और अल्ट्रा मैराथन को टी 1 के साथ 100 मील की दूरी तक चलाया है, और मैं भी मधुमेह प्रशिक्षण शिविर के लिए चल रहा कोच हूं।

आपकी मधुमेह की कहानी क्या है?

मुझे 1984 में निदान हुआ था। मैं लगभग 16 वर्षों और कई वर्षों तक सीजीएम के लिए पंप पर रहा हूं। मैं हमेशा अपने नियंत्रण के साथ अपने आप को काफी भाग्यशाली मानता हूं, लेकिन लगभग सात साल पहले, मुझे एहसास हुआ कि तीनों टी 1 के दो जो मैं उगाए थे, उनमें से दो का निधन हो गया था। मैंने फैसला किया कि मधुमेह मेरे लिए काफी आसान था, इसका मतलब यह नहीं था कि यह हर किसी के लिए आसान था, इसलिए मैंने इसे और अधिक शामिल करने के लिए एक बिंदु बनाया।

मुझे मधुमेह और व्यायाम के अंतरालन के बारे में सबसे पहले ब्लॉगों में से एक था, लेकिन हाल के वर्षों में मेरी अधिकांश मधुमेह आउटरीच ऑफ़लाइन हुई है। पांच साल पहले, मैंने एक ही दिन में 84 मील की दूरी पर साइकिल चलाई और दस विधायकों का दौरा किया ताकि स्कूलों में सेफ पर बिल में सहायता मिल सके। उसी वर्ष मुझे टीम टाइप 1 के एमेच्योर एथलीट ऑफ द ईयर के नाम पर रखा गया था। दो साल पहले, मैंने मधुमेह प्रशिक्षण शिविर में कोचिंग शुरू कर दिया था। इन दिनों, मैं ऑनलाइन डायबिटीज़ समुदायों में एक बहुत सक्रिय "लुकर" हूं मुझे लगता है कि वहाँ महान सलाह की कोई कमी नहीं है, इसलिए मैं केवल योगदान करने की कोशिश करता हूं अगर मुझे लगता है कि मेरे पास एक अद्वितीय दृष्टिकोण है।

अस्पायर वेंचर्स में अपने काम के बारे में हमें बताएं, यह नया उपकरण बना रहा है?

मैं मुख्य विपणन अधिकारी हूं, जो कहने का एक शानदार तरीका है कि मैं एक कॉर्पोरेट स्टोरीटेलर हूँमैं अस्पायर आने से पहले एक विज्ञापन एजेंसी का प्रबंधन करने में कई साल बिताए। अस्पायर प्रबंधन में से एक टेंपो हेल्थ है, जो मधुमेह प्रौद्योगिकी के लिए मशीन सीख रहा है। व्यक्तिगत मधुमेह प्रबंधन उपकरणों को बनाने के लिए टेम्पो के अनूठे दृष्टिकोण से हम अनुकूली आर्टिफिशियल इंटेलिजेंस को क्या कहते हैं

ने मुझे पहली जगह में आकांक्षा में शामिल करने के लिए आकर्षित किया

ठीक है, तो सॉफ्ट सीजीएम क्या है?

तकनीकी रूप से बोलने वाला, सॉफ्टकॉजीएम एक डायबिटीज टेक्नोलॉजी टूल है जो "सेंसर फ्यूजन" का इस्तेमाल करता है, जिसका अर्थ है कि यह भविष्यवाणी करने के लिए कई संबंधित सूचनाओं को एक साथ लाता है, इस मामले में वर्तमान रक्त शर्करा के मूल्यों का पूर्वानुमान।

यह वीडियो एक बहुत अच्छा परिचय देता है कि सॉफ्ट सीजीएम क्या है

हम इसे सॉफ्ट सीजीएम कहते हैं क्योंकि यह अनुमान लगाने के लिए पारंपरिक सीजीएम संवेदक के बजाय सॉफ्टवेयर का उपयोग करता है। सॉफ्ट सीजीएम का पहला संस्करण फिंगस्टिक कैलिब्रेशन, बोल्ट और कैरब जानकारी, और लगातार दिल की दर के आंकड़ों से इसका आकलन करता है। मंच काफी लचीला है, हालांकि, बाजार में आने वाले सेंसर की बढ़ती हुई राशि के खाते के लिए पर्याप्त रूप से लचीला है।

यह सब एक मोबाइल ऐप में प्रस्तुत किया गया है?

एप सोफ्टसीजीएम के लिए उपयोगकर्ता पोर्टल के रूप में कार्य करता है, लेकिन जब आप कई एल्गोरिदम के बारे में बात कर रहे हैं और पेश किया जा रहा है, तो क्लाउड में मशीन सीखने का वह स्तर होता है। और उस डेटा के साथ बादल में संग्रहीत और संसाधित किया जा रहा है, यह सभी प्रकार की चीजों की संभावना को खोलता है, जैसे चिकित्सक और सीडीई के लिए निर्णय समर्थन प्रणाली आदि। कई तरह से, ऐप सिर्फ शुरुआत है

यह वास्तव में कैसे काम करता है?

ठीक है, यह थोड़ा तकनीकी प्राप्त करने जा रहा है …

सॉफ्ट सीजीएम के बारे में वास्तव में क्या खास बात यह है कि बीजी अनुमान और भविष्यवाणियां उन मॉडलों पर आधारित होती हैं जो प्रत्येक एक विशिष्ट व्यक्ति के अनुकूल करने के लिए मशीन सीखने का उपयोग करती हैं, आकार-फिट-सभी दृष्टिकोण है कि सभी T1 के लिए उपयोग किया गया है सॉफ्ट सीजीएम आप सीख सकते हैं कि आप कसरत या कार्बोहाइड्रेट का व्यक्तिगत रूप से जवाब कैसे देते हैं और भविष्यवाणियां करें जो आपके लिए सही है।

हम वास्तव में एक ही समय में एप के माध्यम से कई व्यक्तिगत मॉडलों को चलाने के द्वारा प्राप्त कर रहे हैं वर्तमान में हम सोफ्टसीजीएम ऐप के अल्फा (विकास) संस्करण में चल रहे हैं

इन मॉडलों में से हर एक पर मधुमेह पर थोड़ा सा अनूठा लगता है - उदाहरण के लिए व्यायाम कितना प्रभाव डालता है, या आपके सिस्टम में कैसा कैसा रहता है?

यह एक सामान्य इतिहास लॉग जैसा दिखता है:

नियमित आधार पर, प्रत्येक मॉडल पिछले सात दिनों में सभी ऐतिहासिक आंकड़ों को देखता है और मार्ड के अनुसार स्वयं को स्कोर करता है (निरपेक्ष रिश्तेदार अंतर - मानक सीजीएम सटीकता के उपाय)

और फिर, जो भी एक अंक उच्चतम होता है वह भविष्य में भविष्य की भविष्य में रक्त ग्लूकोज की भविष्यवाणी करने के लिए किया जाता है यह व्यक्तिगत मॉडल अगले सात-दिवसीय लुक-बैक तक नया विजेता घोषित होने तक प्रभारी बनेगा। वैसे, मॉडल लगातार उपयोगकर्ता के व्यक्तिगत परिणामों के अनुसार खुद को ज़ोर देते हैं। तो ऐप में जो भी जाता है वह एक एल्गोरिदम होता है जो एक व्यक्तिगत मॉडल बनाने के लिए समय पर अनुकूल होता है।

हम "एडेप्प्टिव एल्गोरिदम" के साथ उस अंतिम स्क्रीन पर क्या देख रहे हैं?

यह चौथी स्क्रीन सबसे उबाऊ है, लेकिन यह वास्तव में सबसे महत्वपूर्ण बात है जो इस दृष्टिकोण को अलग बनाती है। आप जो देख रहे हैं वह यह है कि ऐप चार अलग-अलग अनुकूली एल्गोरिदम से खींच रहा है। प्रत्येक एल्गोरिथ्म ने "पिछले 7 दिनों के डेटा से मार्ड की भविष्यवाणी करने की अपनी क्षमता के खिलाफ" स्कोर किया है। जो सबसे अधिक अंक हासिल करता है वह वह है जो ऐप वर्तमान और भावी बीजी की भविष्यवाणी करता है। इस परिदृश्य में, सामान्य टी 2 डी डेटा सेट के साथ सर्वश्रेष्ठ प्रदर्शन है, 85 स्कोरिंग। 6. अभी, मॉडल खुद को अनुकूलित करते हैं और उच्चतम स्कोरिंग को "गेम में डाल दिया जाता है।" जैसे-जैसे हम ऐप में अधिक बारीकियों को जोड़ते हैं, ऐसी स्थिति में काम करना आसान होगा जैसे कि मॉडल को खींचें, जो व्यायाम के लिए सर्वोत्तम स्कोर हो, जब हृदय की दर में वृद्धि हुई हो या उस पर खींच लिया जाए जो कि बड़ी मात्रा में कारों से आती है पंप या पेन वह परिदृश्य प्रशिक्षण कहलाता है और यह हमारे लिए अभी तक मौजूद नहीं है, लेकिन इस अल्फा संस्करण में आप देख सकते हैं कि कैसे अवधारणा काम करती है - साथ में उपयोग किए जाने वाले व्यक्तिगत मॉडलों के साथ। यह वास्तव में कहानी का दिल है

वाह, यह बहुत ही अद्वितीय और वर्तमान सीजीएम से भिन्न है, नहीं?

व्यक्तिगत मॉडल दृष्टिकोण निश्चित रूप से सबसे अनूठा टुकड़ा है; हमने इस दृष्टिकोण को पहले नहीं देखा है पारंपरिक सीजीएम के अन्य तुलना अधिक स्पष्ट हैं - कोई भी आक्रामक सेंसर प्राथमिक नहीं है I

वास्तव में दो प्रमुख पहलु हैं जो मधुमेह अंतरिक्ष में सॉफ्ट सीजीएम अद्वितीय हैं। सबसे पहले स्पष्ट है, और यही है कि हम हृदय गति के डेटा में लाए जा रहे हैं ताकि यह तय हो सके कि भविष्य में क्या रक्त ग्लूकोज की संभावना है। मधुमेह रोगियों के रूप में, हम जानते हैं कि व्यायाम का बीजी पर असर पड़ता है, लेकिन शिक्षित अनुमानों के अलावा, कोई विश्वसनीय सूत्र नहीं है - और इससे भी बदतर, कल काम करने वाले कल कल काम नहीं कर सकते हैं। क्योंकि हम मशीन सीखना एल्गोरिदम का उपयोग कर रहे हैं जो प्रत्येक उपयोगकर्ता के अनुकूल हो सकते हैं, व्यक्तिगत मॉडल बीजी पर व्यायाम के प्रभाव को मापने में सक्षम हैं।

आपने अल्फा परीक्षण में खुद को सॉफ्ट सीजीएम इस्तेमाल किया है?

हाँ! हमारे पास एप के तीन अल्फा उपयोगकर्ता थे: खुद, एक अन्य टी 1 ए डी और दूसरे टी 2 डी। बस पिछले हफ्ते, हम बीटा में गए, वर्तमान में 12 प्रतिभागियों के साथ स्थापित अल्फा परिणाम उत्साहजनक रहे थे - मोटे तौर पर मैडिटॉनिक एनएलआईटी सीजीएम संवेदक के रूप में एक ही सटीकता। स्पष्ट होने के लिए, यह एक सेब से सेब की तुलना नहीं है। हमारे संस्करण के लिए इस समय बहुत अधिक डेटा इनपुट की आवश्यकता है, लेकिन सटीकता पर पहले-पास के संदर्भ में, जैसे मैंने कहा, यह उत्साहजनक है

यह इंसस्पर्क के नए सतर्क ऐप की तरह थोड़ा सा लगता है … कोई बड़ी समानताएं या मतभेद जो मन में आते हैं?

मुझे लगता है सतर्क सुपर दिलचस्प है और मैं खुद का परीक्षण करूँगा हम उनके साथ क्या साझा करते हैं यह विचार है कि विभिन्न उपयोगकर्ता अपनी मधुमेह के प्रबंधन के विभिन्न तरीकों की तलाश कर रहे हैं। और पहेली के एक टुकड़े को बहुत अच्छी तरह से करने पर ध्यान केंद्रित करके, मुझे लगता है कि वे इस समस्या को ठीक से देख रहे हैं।

अपने उत्पाद में खुदाई के बिना, उनके दृष्टिकोण और हमारे बीच में महत्वपूर्ण अंतर यह है कि ऐसा प्रतीत होता है कि उनके पास नीचता की भविष्यवाणी करने के लिए एक बहुत अच्छा एल्गोरिदम है, और मुझे संदेह होता है कि यह कुछ लोगों के लिए बहुत अच्छा काम करेगा और अन्य के लिए कम अच्छी तरह से काम करेगा लोग।

यह न बताएं कि यदि एल्गोरिदम आज मेरे लिए अच्छी तरह से काम करता है, तो क्या होता है जब मेरे चयापचय के साथ कुछ बड़ा बदलाव होता है - जैसे कि मैं कसरत करना शुरू कर देता हूं या फ्लू प्राप्त करता हूं आदि। उन प्रकार के एल्गोरिदम अक्सर दिए गए परिदृश्यों में तोड़ देना

हमारी अंतर्निहित तकनीक कई एल्गोरिदम पर आधारित होती है, इसलिए हम वास्तव में (यदि वे हमें बताते हैं) अपने एल्गोरिथम लेते हैं और व्यक्तिगत व्यक्ति और उनके व्यक्तिगत परिदृश्यों के लिए इसे ज़ोर देते हैं जैसा कि हम सभी जानते हैं, ऐसे समय होते हैं जब किसी भी स्थिति में मधुमेह के सभी मधुमेह का इस्तेमाल हमारे लिए काम नहीं करते हैं। हम इसे ठीक करने की कोशिश कर रहे हैं

सतर्कता ने जाहिरा तौर पर एफडीए अनुमोदन की आवश्यकता नहीं थी क्या आपको सॉफ़्टसीजीएम के एल्गोरिदम के अनूठे उपयोग की आवश्यकता होगी?

बिल्कुल, लेकिन यह अनुमोदन इस तरह दिख सकता है कि हवा में बहुत जल्दी यह शुरूआत में है। उदाहरण के लिए, मेरे हाथों में वर्तमान अल्फा संस्करण भविष्य में रक्त ग्लूकोज की भविष्यवाणी करता है। कैसे एफडीए इस बारे में महसूस करता है - और हम उस डेटा को कैसे प्रस्तुत करते हैं - निश्चित रूप से इस प्रक्रिया और उत्पाद पर असर पड़ेगा।

क्या इसने बंद पाश / कृत्रिम क्षययुक्त क्षमता को बंद कर दिया है?

जहां तक ​​सही मायने में वैयक्तिकृत दवा लक्ष्य है, वहां उपयोग करने के लिए अनुकूली कृत्रिम बुद्धि की एक संभावना है, और एक बंद लूप सिस्टम को इस तरह के दृष्टिकोण से लाभ हो सकता है। लेकिन उच्च तकनीक एपी आबादी के बाहर बहुत से संभावित अनुप्रयोग हैं, क्योंकि यह एक व्यक्तिगत दृष्टिकोण है

इस पर समयरेखा क्या है?

हम इस गर्मी में दो छोटे बीटा परीक्षणों को देख रहे हैं इसके परिणाम एफडीए के साथ चर्चा करने के लिए पर्याप्त होना चाहिए।

हमारे डी-समुदाय को अधिक जानकारी कैसे मिल सकती है या यदि वे रुचि रखते हैं तो इसमें शामिल हो सकते हैं?

लोग सीधे फ़ीडबैक प्रक्रिया का हिस्सा बनकर ऑनलाइन साइन अप कर सकते हैं इस प्रकृति के हर उत्पाद की तरह, कभी-कभी हम बीटा उपयोगकर्ताओं की तलाश में होते हैं और कभी-कभी हम उपयोगकर्ता के विशिष्ट उपसंकल्प से प्रतिक्रिया की तलाश कर रहे हैं। लेकिन सॉफ्ट सीजीएम का अल्फ़ा वर्जन टी 1 के समूह से अभूतपूर्व अंतर्दृष्टि के साथ बनाया गया था, जिसने हम होस्ट किए गए वेबिनार में भाग लिया था, इसलिए उपयोगकर्ता प्रतिक्रिया इस प्रक्रिया के लिए बिल्कुल महत्वपूर्ण है।

बहुत रोमांचक सामान, मार्कस! इन सभी नवाचारों को विकसित करने में आपकी हर चीज के लिए धन्यवाद, और डब्ल्यू ई सॉफ़्टसीजीएम को देखने के लिए तत्पर हैं

अस्वीकरण : मधुमेह खान टीम द्वारा बनाई गई सामग्री ज्यादा जानकारी के लिए यहां क्लिक करें।

अस्वीकरण

यह सामग्री मधुमेह के लिए बनाई गई है, एक उपभोक्ता स्वास्थ्य ब्लॉग मधुमेह समुदाय पर केंद्रित है। सामग्री की मेडिकल समीक्षा नहीं की गई है और हेल्थलाइन के संपादकीय दिशानिर्देशों का पालन नहीं करता है। मधुमेह खान के साथ स्वास्थ्य की साझेदारी के बारे में अधिक जानकारी के लिए, कृपया यहां क्लिक करें।