[論文レビュー] A Simple Modeling Framework For Prediction In The Human Glucose-Insulin System

Melike Sirlanci, Matthew E. Levine+3 more|arXiv (Cornell University)|Oct 31, 2019

Diabetes Management and Research参考文献 83被引用数 4

ひとこと要約

本稿では、患者固有のパrameterを用いてグルコース・インスリン動態を捉えることで、人間の血糖値（BG）を予測するシンプルで解釈可能な線形確率微分方程式（SDE）モデルを提案する。モデルは栄養およびインスリンの入力を強制項として組み込み、データが疎である状況下でも、2型糖尿病（T2DM）および集中治療ユニット（ICU）設定において、正確で不確実性を伴う予測を可能にする。複雑な機械的モデルに匹敵またはそれを上回る性能を示すが、データが乏しい状況下でも成立する。

ABSTRACT

In this paper, we build a new, simple, and interpretable mathematical model to estimate and forecast physiology related to the human glucose-insulin system, constrained by available data. By constructing a simple yet flexible model class with interpretable parameters, this general model can be specialized to work in different settings, such as type 2 diabetes mellitus (T2DM) and intensive care unit (ICU); different choices of appropriate model functions describing uptake of nutrition and removal of glucose differentiate between the models. In both cases, the available data is sparse and collected in clinical settings, major factors that have constrained our model choice to the simple form adopted. The model has the form of a linear stochastic differential equation (SDE) to describe the evolution of the BG level. The model includes a term quantifying glucose removal from the bloodstream through the regulation system of the human body and two other terms representing the effect of nutrition and externally delivered insulin. The stochastic fluctuations encapsulate model error necessitated by the simple model form and enable flexible incorporation of data. The model parameters must be learned in a patient-specific fashion, leading to personalized models. We present experimental results on patient-specific parameter estimation and future BG level forecasting in T2DM and ICU settings. The resulting model leads to the prediction of the BG level as an expected value accompanied by a band around this value which accounts for uncertainties in the prediction. Such predictions, then, have the potential for use as part of control systems that are robust to model imperfections and noisy data. Finally, the model's predictive capability is compared with two different models built explicitly for T2DM and ICU contexts.

研究の動機と目的

• 疎でノイジーな臨床的データ下でも同定可能である最小限で解釈可能な人間のグルコース・インスリン動態モデルの開発を目的とする。
• T2DMおよびICUなどの現実の臨床設定において、患者固有のパrameter推定と強固なBG予測を可能とする。
• 簡略化された線形SDEモデルが、複雑な非線形機械的モデルと同等の予測性能を達成できるかどうかを評価すること。
• 本モデルが、表型分類、制御、およびOGTTのような新しいデータタイプへの一般化にどのように有用であるかを検討すること。
• 栄養関数の形（例：分(piecewise)定数関数 vs. スムージングされた関数）といったモデル構造の選択が、パラメータの同定可能性および予測精度に与える影響を評価すること。

提案手法

• モデルは、内在的グルコース調節を表す指数的平均回帰を有する線形SDEであり、モデル誤差を説明するための確率的ノイズを内蔵する。
• 外因性栄養供給と外部投与インスリンの2つの強制項を含み、両者とも患者ごとにパラメータ化されている。
• モデル形式は線形SDEである：dG(t) = [ -γ(G(t) - G_b) + m(t) - βI(t) ] dt + σ dW(t)，ここでG(t)はBG、m(t)は栄養、I(t)はインスリン、W(t)はウィーナー過程である。
• 患者固有のパラメータ（G_b, γ, β, σ）は、疎な臨床的BG、食事、インスリン記録からのデータ駆動型推定によって特定される。
• 予測の不確実性は、期待されるBGトレースの2標準偏差帯を用いて定量化される。
• ロバストネスは、分(piecewise)定数栄養関数と、より複雑なスムージングされた代替関数の比較によってテストされ、予測精度に改善がなかった。

実験結果

リサーチクエスチョン

• RQ1 疎な臨床的データ下で、シンプルな線形SDEモデルが、複雑な非線形モデルと同等の予測性能を達成できるか？
• RQ2 ICU患者において、栄養関数の選択（分(piecewise)定数 vs. スムージング）が、パラメータ推定および予測精度に与える影響は？
• RQ3 本モデルの解釈可能なパラメータ、特にベースライングルコース（G_b）が、空腹時グルコースやインスリン感受性といった生理的表型を推定するためにどの程度利用可能か？
• RQ4 本モデルは、経口グルコース耐性試験（OGTT）や1型糖尿病（T1DM）などの他の臨床的文脈に一般化可能か？
• RQ5 ICU設定における医師管理下の血糖制御は、患者管理T2DMと比較して、予測不確実性帯を狭くするか？

主な発見

• シンプルな線形SDEモデルは、T2DMおよびICUデータセットの両方で、より複雑な機械的詳細モデルと同等またはそれ以上の非劣性の予測性能を達成した。
• モデルの予測不確実性帯はBGの変動を効果的に捉えており、ICU設定ではより一貫した臨床的管理があるため、より狭い帯が観察された。
• ICU患者において、より複雑なスムージングされた栄養関数を導入しても、予測精度に改善がなく、パラメータ数が増加したため、単純な分(piecewise)定数関数が維持された。
• 特にG_b（ベースライングルコース）を含むモデルのパラメータは、表型分類の可能性を示し、空腹時グルコース >126 mg/dL といった臨床的糖尿病診断基準と相関する可能性がある。
• 線形構造のおかげで、パラメータの同定可能性および制御性が強く、データが疎であっても、非線形モデルに比べて推定効率が優れていた。
• 本モデルは一般化可能であり、今後のT1DM、OGTT、大規模な患者表型分類への応用に有望である。