CN114126477A - 用于生物传感器交叉校准的***和方法 - Google Patents
用于生物传感器交叉校准的***和方法 Download PDFInfo
- Publication number
- CN114126477A CN114126477A CN202080049713.0A CN202080049713A CN114126477A CN 114126477 A CN114126477 A CN 114126477A CN 202080049713 A CN202080049713 A CN 202080049713A CN 114126477 A CN114126477 A CN 114126477A
- Authority
- CN
- China
- Prior art keywords
- current
- sensor
- analyte
- glucose
- duration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1495—Calibrating or testing of in-vivo probes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14503—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue invasive, e.g. introduced into the body by a catheter or needle or using implanted sensors
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
- A61B2560/02—Operational features
- A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
- A61B2560/0238—Means for recording calibration data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/08—Sensors provided with means for identification, e.g. barcodes or memory chips
- A61B2562/085—Sensors provided with means for identification, e.g. barcodes or memory chips combined with means for recording calibration data
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Signal Processing (AREA)
- Emergency Medicine (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
实施方式提供了一种用于在分析物传感器***至对象组织中时、至少部分地基于从已经校准的先前***至对象组织中的另一分析物传感器获得的参数校准分析物传感器的方法、***、设备和计算机可读介质。作为示例,方法可以包括:预测与新***的传感器相关联的背景电流;从由新***的传感器测量的电流中减去背景电流;以及将减去的电流转换成葡萄糖值,该转换至少部分地基于从先前***的分析物传感器获得的参数。以这种方式,可以在不依赖于实际基于血液的分析物测量值的情况下校准新***的传感器,并且可以提高新***的传感器的准确度和灵敏度。
Description
相关申请的交叉引用
本申请要求2019年5月9日提交的美国临时专利申请第62/845,498号的较早提交日期的优先权权益,该美国临时专利申请在此通过引用整体并入本文。
技术领域
本文中的实施方式涉及生物传感器领域,并且更具体地涉及分析物传感器(analyte sensor)的校准以获得一致的读数并减少背景伪像(background artifact)。
背景技术
例如连续葡萄糖监测(CGM)传感器的连续传感器用于例如以连续数据流和/或在时间间隔内的采样数据点的方式连续测量数据。通常,***后的时间段内数据不一致,因为传感器要适应体内条件并且背景电流要稳定。目前,所有的CGM***均需要所谓的磨合时间,因此在***传感器之后立即测量是不可靠的。因此,如果传感器和相关联的电子装置能够补偿***后的信号伪像,则这将是有利的。
附图说明
通过以下结合附图的详细描述和所附权利要求书将容易理解实施方式。在附图的各个图中通过示例而非限制的方式示出了实施方式。
图1是根据本文中的实施方式的用于分析物传感器的交叉校准的联网CGM***的示意图。
图2是示出根据所公开的实施方式的用于使用计算装置对传感器进行交叉校准的示例方法的流程图。
图3是示出用于确定传感器是否已经经由图2的方法有效地交叉校准的示例方法的流程图。
图4是示出图2的交叉校准方法的预示性示例时间线。
图5是为了说明图2的交叉校准方法的有效性而进行的实验过程的示意图。
图6是示出根据本文中描述的各个方面的由具有校准的分析物传感器(CGM#B0)的连续葡萄糖监测器(CGM)确定的葡萄糖浓度以及由血糖测试仪确定的葡萄糖浓度的曲线图。
图7是示出根据本文中描述的各个方面的如由具有分析物传感器(CGM#H13)的CGM确定的葡萄糖浓度以及由血糖测试仪确定的葡萄糖浓度的曲线图,该分析物传感器(CGM#H13)已经相对于图6中描绘的分析物传感器(CGM#B0)被交叉校准。
图8是示出根据本文中描述的各个方面的如由具有分析物传感器(CGM#G4)的CGM确定的葡萄糖浓度和由血糖测试仪确定的血糖的曲线图,该分析物传感器(CGM#G4)相对于图6中描绘的分析物传感器(CGM#B0)被交叉校准。
图9A是示出原始的、未校准的分析物传感器信号(线)与实际血糖读数(点)的曲线图。
图9B是示出校准的分析物传感器信号(线)与实际血糖读数(点)的曲线图。
具体实施方式
在以下详细描述中参考了附图,附图形成该详细描述的一部分并且在附图中通过图示的方式示出了可以实践的实施方式。应当理解,可以使用其他实施方式,并且在不脱离范围的情况下可以进行结构或逻辑改变。因此,以下详细描述不应被视为具有限制性意义。
各种操作可以以可以阐明实施方式的方式被依次描述为多个分离操作;然而,描述的顺序不应被解释为暗示这些操作是顺序相关的。
描述可以使用基于透视的描述,例如上/下、后/前以及顶部/底部。这样的描述仅用于便于讨论,并且不旨在限制所公开的实施方式的应用。
可以使用术语“耦接”和“连接”以及其派生词。应该理解,这些术语并不旨在彼此作为同义词。而是,在特定实施方式中,“连接”可以用于指示两个或更多个元件彼此直接物理接触或电接触。“耦接”可以意指两个或更多个元件直接物理接触或电接触。然而,“耦接”也可以意指两个或更多个元件彼此不直接接触,但仍然彼此协作或相互作用。
出于描述的目的,“A/B”形式或“A和/或B”形式的短语意指(A)、(B)或(A和B)。出于描述的目的,“A、B和C中的至少一个”形式的短语意指(A)、(B)、(C)、(A和B)、(A和C)、(B和C)或(A、B和C)。出于描述的目的,“(A)B”形式的短语意指(B)或(AB),即,A是可选元素。
描述可以使用术语“实施方式”或“多个实施方式”,其均可以指代相同或不同的实施方式中的一个或更多个。此外,关于实施方式所使用的术语“包括”、“包含”、“具有”等是同义词,并且通常旨在作为“开放”术语(例如,术语“包括”应被解释为“包括但不限于”,术语“具有”应被解释为“至少具有”,术语“包含”应被解释为“包含但不限于”等)。
关于本文中对任何复数和/或单数术语的使用,本领域技术人员可以根据上下文和/或应用适用的情况从复数转换为单数和/或从单数转换为复数。为了清楚起见,各种单数/复数置换可以在本文中明确地阐述。
连续葡萄糖监测(CGM)技术已经在糖尿病的管理中使用了很多年。传统装置(例如,传感器)使用酶促方法(例如,基于葡萄糖氧化酶将葡萄糖转化为与铂反应以生成电信号的过氧化氢)来测量葡萄糖浓度并提供样品信息。在一些应用中,CGM传感器可以是闭环胰岛素递送***的关键部件,因此CGM传感器必须是选择性的、快速的、可预测和可接受的,以用于连续患者使用。
连续CGM***持续发展面临的一些问题包括但不限于针对所***的葡萄糖传感器的校准要求以及葡萄糖传感器在***后前12小时内的不稳定性能。在这12小时的时期内,若干因素可能导致传感器的不稳定性能。一个示例包括皮肤/组织对***传感器的损伤过程的平衡。另一示例包括与传感器相关的稳定现象的预热。又一示例包括随时间的推移沉积在传感器的外部上的间质液成分(例如蛋白质)的存在。另外的示例包括响应于传感器***在对象中发生的急性和/或慢性免疫反应。这样的过程可能对由传感器生成的信号的类型和质量产生影响。
CGM传感器的准确度的其他问题涉及信号伪像和随时间的推移的动态传感器行为变化。当前CGM***的操作寿命约为14天或更短。然而,将佩戴时间增加到至少20天或更长,或者甚至30天或更长可能是期望的。
在本文中本发明人已认识到了上述问题,并且已开发了至少部分地解决它们的方法和***。因此,本文中的实施方式提供了一种用于生物传感器校准的方法。该方法包括启动交叉校准过程,并且在第一持续时间内,测量来自第一生物传感器的第一电流并且测量来自第二生物传感器的第二电流,该第一生物传感器在***第二生物传感器之前已经被***至对象的组织中。该方法还包括:将第一电流转换成第一分析物值;将第一电流与第二电流进行比较;以及基于该比较获得第二分析物值。以这种方式,可以校准第二生物传感器。可以理解,第一分析物值可以包括一个或更多个第一分析物值,并且第二分析物值可以包括一个或更多个第二分析物值。
对于该方法,可以在***第二生物传感器之前的至少一天但小于三十天将第一生物传感器***至对象的组织中。可以在启动交叉校准之前校准第一生物传感器,并且第一生物传感器的校准可以基于从对象的血液中获得的一个或更多个实际血液分析物值。第一时间持续时间可以为至少一分钟但不超过六十分钟,并且第一电流到第一分析物值的转换可以发生在从第一持续时间的起点开始的五秒与六十秒之间。
对于该方法,将第一电流与第二电流进行比较并且获得校准的电流还可以包括在第二持续时间内预测第一背景电流,该第一背景电流是作为时间的函数的第二电流的某一部分,第二持续时间延长超过第一持续时间。该方法还可以包括:从在第二持续时间内的第二电流中减去背景电流,以获得减去的第二电流;以及至少部分地基于减去的第二电流、第一电流和第一分析物值中的一个或更多个,创建用于将减去的第二电流转换成第二分析物值的转换操作。也可以在第二持续时间内继续测量第一电流和第二电流中的每一个。在一些示例中,可以至少部分地基于第二电流、第一电流和第一分析物值中的一个或更多个预测背景电流。在一些示例中,第二持续时间延长至***第二生物传感器后的十二小时。在一些示例中,该方法还包括:检索与由对象先前佩戴的一个或更多个其他生物传感器的分析物灵敏度有关的历史数据;以及在生成第二分析物值时应用从分析物灵敏度导出的校正因子,以提高第二生物传感器的灵敏度。
对于该方法,将第一电流与第二电流进行比较并且生成第二分析物值还可以包括:在第三持续时间内预测第二背景电流,该第二背景电流是作为时间的函数的第二电流的某一部分。第三持续时间可以延长超过第一持续时间和第二持续时间,并且可以在第三持续时间期间继续测量第二电流。该方法可以包括:从在第三持续时间内测量的第二电流中减去第二背景电流,以获得减去的第二电流;以及基于在第三持续时间期间确定的减去的第二电流作为输入,使用转换过程针对第二生物传感器生成第二分析物值。在这样的示例中,第二背景电流可以基于从与第一生物传感器和/或第二生物传感器具有相同类型的任何数目的生物传感器收集的数据,并且该数据与第三持续时间内的第二生物传感器中的背景电流相关。在一些示例中,第三持续时间可以延长至在***第二生物传感器之后的如下时段:大于15天、或大于20天(例如,21天)、或大于25天、或大于30天(例如,31天)。以这种方式,可以在第二传感器的整个寿命内获得准确的第二分析物值。
对于该方法,第一生物传感器和第二生物传感器中的每一个可以包括葡萄糖生物传感器,并且在这样的示例中,第一分析物值和第二分析物值可以被理解为对应于葡萄糖值。
在另一实施方式中,提供了一种用于向有需要的对象递送胰岛素的***。该***可以包括第一葡萄糖生物传感器、第二葡萄糖生物传感器和移动计算装置。移动计算装置可以包括处理器,并且处理器可以在非暂态存储器中存储有指令,所述指令在执行时使处理器:在第一葡萄糖生物传感器已经***至对象中时,接收第二葡萄糖生物传感器已经***至对象中的通知;以及在接收到指示后的确定量的时间内启动交叉校准过程。所述指令还可以使处理器:从第一葡萄糖传感器获得第一电流并且从第二生物传感器获得第二电流;将第一电流转换成第一葡萄糖值;以及至少部分地基于第一电流、第二电流和第一葡萄糖值中的一个或更多个来预测与第二传感器相关联的背景电流。所述指令还可以使处理器:从第二电流中减去背景电流以获得减去的第二电流;以及将校准的电流转换成第二葡萄糖值。所述指令还可以使处理器提供与基于第二葡萄糖值向对象递送胰岛素有关的指令集。对于这样的***,可以理解,第一葡萄糖值可以包括一个或更多个第一葡萄糖值,并且第二葡萄糖值可以包括一个或更多个第二葡萄糖值。
在该***的示例中,该***还可以包括与移动计算装置进行通信的胰岛素递送单元,该胰岛素递送单元至少包括胰岛素泵和输注装置(infusion set),该输注装置经由管路流体地耦接至胰岛素泵。在这样的示例中,移动计算装置的处理器可以存储有另外的指令,以将与向对象递送胰岛素有关的指令集发送至胰岛素递送单元,用于通过控制胰岛素泵的操作经由输注装置向对象递送胰岛素。
对于这样的***,在附加示例或替选示例中,移动计算装置还可以包括显示器。移动计算装置的处理器可以存储有另外的指令,以经由显示器传送与向对象递送胰岛素有关的指令集。
对于这样的***,移动计算装置的处理器可以存储有另外的指令,以将第一葡萄糖值与第二葡萄糖值进行比较。响应于第二葡萄糖值在第一葡萄糖值的预定阈值内相关的指示,可以提供与基于第二葡萄糖值向对象递送胰岛素有关的指令集。对于这样的***,移动计算装置的处理器可以存储有另外的指令,以响应于第二葡萄糖值在第一葡萄糖值的预定阈值内相关的指示向对象提供第一葡萄糖生物传感器可以被移除的警报。
对于这样的***,移动计算装置的处理器可以存储有另外的指令以:预测在启动交叉校准过程之后的一分钟与60分钟之间的背景电流;以及从第二电流中减去背景电流以用于在启动交叉校准过程之后长达两天内将第二电流缩放(scale)至第一电流。然而,可以理解,如关于本文中的其他实施方式所讨论的,在一些示例中,在15至30天或甚至稍长时间(例如,31天、32天、33天、34天、35天等)的时段范围内,可以继续从第二电流中减去背景电流(第二背景电流)。在包括较长时间段的这样的示例中,可以理解,可以基于从与第一葡萄糖生物传感器和第二葡萄糖生物传感器中的每一个具有相似类型的一个或更多个早期佩戴的传感器获得的相关数据,对背景电流(例如,第二背景电流)进行建模。
本文中的实施方式还提供了一种用于校准***至对象的组织中的生物传感器的设备。该设备可以包括移动计算装置,该移动计算装置包括处理器,该处理器在非暂态存储器中存储有指令。所述指令在执行时可以使处理器:在第一传感器***至对象的组织中的情况下,检测第二传感器***至组织中;以及响应于该检测启动第二传感器的交叉校准过程。所述指令还可以使处理器从第一传感器获得的第一电流并且从第二传感器获得第二电流,并且将第一电流转换成第一分析物值。响应于满足用于对与第二传感器相关联的非葡萄糖驱动的背景电流进行建模的预定条件的指示,所述指令可以使处理器在预定持续时间内预测针对第二传感器的非葡萄糖驱动的背景电流。在预定持续时间期间,所述指令可以使处理器:从第二电流中减去非葡萄糖驱动的背景电流,以获得针对第二传感器的减去的第二电流;以及将减去的第二电流转换成第二分析物值。对于这样的设备,可以理解,第一分析物值可以包括一个或更多个第一分析物值,并且第二分析物值可以包括一个或更多个第二分析物值。
对于这样的设备,处理器可以存储有另外的指令,以基于在满足预定条件之前测量的第二电流并且至少部分地基于在满足预定条件之前获得的第一电流和第一分析物值中的一个或更多个,来预测非葡萄糖驱动的背景电流。在一些附加示例或替选示例中,处理器可以存储有另外的指令,以基于随时间的推移从较早时间***至对象中的多个其他分析物传感器学习的背景电流变化的先前生成的模式,来预测非葡萄糖驱动的背景电流。
对于这样的设备,在示例中,在启动交叉校准过程之后的一分钟与六十分钟之间可以发生满足用于对非葡萄糖驱动的背景电流进行建模的预定条件的指示。此外,从第二电流中减去非葡萄糖驱动的背景电流的预定持续时间可以为至少两小时且长达六十四小时。在一些示例中,可以在超过六十四小时、例如第二传感器的整个佩戴时间内,对非葡萄糖驱动的背景电流进行建模。背景电流的这样的长期建模可以依赖于与由同一对象先前佩戴的相同类型的先前传感器相关联的学习的背景电流。本公开内容的传感器的整个佩戴时间可以为21天或更长。在一个示例中,本公开内容的传感器的整个佩戴时间可以包括三十天,或者在30至35天之间的持续时间。
对于这样的设备,获得减去的第二电流并且将减去的第二电流转换成第二分析物值还可以包括以下内容。具体地,经由存储在处理器的非暂态存储器中的另外的指令,处理器可以从对象对其他分析物传感器的先前使用调用一个或更多个先前学习的分析物灵敏度值,并且可以应用校正过程以获得针对第二传感器的准确的分析物灵敏度。例如,如本文所讨论的灵敏度变化可以被理解与作为分析物浓度的变化的函数的测量电流的变化(例如,nA/(mg/dL))相关。因此,可以理解,除了如上所讨论的背景电流的长期建模之外,可以类似地对从同一对象先前佩戴的一个或更多个传感器学习的灵敏度变化进行建模(例如,使用长达30天)。然后可以使用对灵敏度变化的长期建模,例如经由依赖于经由对灵敏度变化的长期建模获得的一个或更多个值的校正过程,以在第二传感器被佩戴时获得针对第二传感器的准确的分析物灵敏度。以这种方式,该设备可以提供不依赖于血液分析物测量值进行校准的校准方法,甚至对于佩戴使用长达30天且甚至超过30天的传感器也是如此。本文中的实施方式还提供了一种非暂态计算机可读存储介质,其上存储有用于生物传感器校准的可执行程序。可执行程序可以指示微处理器执行一个或更多个步骤。一个步骤可以包括在将第一分析物传感器***至对象的皮肤中之后,检测第二分析物传感器已经***至对象的皮肤中,其中第一分析物传感器的***发生在第二分析物传感器被***之前的一天与三十天之间。另一步骤可以包括基于该检测启动交叉校准过程。另一步骤可以包括从第一分析物传感器中检索第一电流并且从第二分析物传感器中检索第二电流,并且在启动交叉校准过程的五秒至六十秒内将第一电流转换成第一分析物值。另一步骤可以包括可以在启动交叉校准过程之后的六十秒至一小时内,基于第二电流确定可以针对第二分析物传感器建立电流衰减趋势。作为响应,另一步骤可以包括至少部分地基于在启动交叉校准过程之后的六十秒至一小时内测量的第二电流,预测在预定持续时间内推断的背景电流(例如,第一背景电流)。另一步骤可以包括在预定持续时间内,从第二电流中减去背景电流分布以获得减去的第二电流。另一步骤可以包括将减去的第二电流转换成第二分析物值,从而校准第二分析物传感器。对于这样的非暂态计算机可读存储介质,可以理解,第一分析物值可以包括一个或更多个第一分析物值,并且第二分析物值可以包括一个或更多个第二分析物值。
对于这样的非暂态计算机可读存储介质,可执行程序可以存储有另外的指令,以在预定持续时间期间,继续将第一电流转换成第一分析物值(前提是第一分析物传感器保持嵌入在对象的皮肤中)。所述指令还可以包括将预定持续时间期间的第一分析物值与第二分析物值进行比较。所述指令还可以包括响应于在预定持续时间期间获得的第一分析物值在第二分析物值的预定阈值内相关,而确定第二分析物传感器被有效地校准。
对于这样的非暂态计算机可读存储介质,可执行程序可以存储有另外的指令,以基于第二分析物值确定要注射至对象中的适当量的胰岛素,其中,第一分析物传感器和第二分析物传感器中的每一个均是葡萄糖生物传感器。
对于这样的非暂态计算机可读存储介质,预定持续时间可以包括在一小时与十二小时之间。然而,在其他示例中,预定持续时间可以包括在一小时与30天之间(或甚至长达35天)。例如,在预定持续时间延长超过至少6小时、或至少12小时、或至少20小时、或至少24小时的情况下,则可以确定第二背景电流,以类似于上面所讨论的那样继续从第二背景电流中减去第二测量电流。可以基于从由对象先前佩戴的相同类型的一个或更多个其他传感器检索的历史数据来确定第二背景电流。以这种方式,在一些示例中,传感器寿命可以例如延长至30天或甚至更长。
此外,对于这样的非暂态计算机可读存储介质,可执行程序可以存储有另外的指令,以在预定时间段期间至少部分地基于针对第二分析物传感器的第二分析物值来生成分析物灵敏度;从对象的先前分析物传感器佩戴时段中检索一个或更多个分析物传感器性能参数,一个或更多个分析物传感器性能参数包括与多个先前佩戴的分析物传感器对应的分析物灵敏度确定数据集以及背景电流数据集;以及实现依赖于背景电流数据集和分析物灵敏度确定数据集中的一个或更多个的一个或更多个校正过程,以提高针对第二分析物传感器的分析物灵敏度的准确度。这样的过程可以提高性能,并且可以附加地或替选地用于减少或消除与使用第二分析物传感器相关联的任何血液校准步骤。可以理解,分析物灵敏度确定数据集可以包括来自由对象先前佩戴的相同类型的任何数目的传感器的分析物灵敏度确定。可以对分析物灵敏度确定求平均或以其他方式进行处理,例如经由机器学习或深度学习方法进行处理,以学习随时间的推移的分析物灵敏度变化,然后可以使用分析物灵敏度变化来提高当前由对象佩戴的传感器的灵敏度。
关于上面讨论的实施方式,本文已经认识到,在传感器***和/或激活之后的初始12小时期间和之后发生的分析物传感器的信号存在趋势。趋势包括但不限于均随时间的推移而发生的背景电流变化和传感器灵敏度变化。
如本文中所讨论的背景电流是指在多电极***(例如,两个或三个电极***)中观察到的电流,例如在葡萄糖传感器中通常依赖的与葡萄糖水平的测量不直接相关的电流。该信号可能在紧接传感器***至皮肤中之后的几分钟内开始非常高,然后可以在接下来的6至12小时内逐渐经历指数下降(参照下面的示例2)。在该初始下降之后,非葡萄糖相关背景信号可能仍随时间变化,但与前12小时内相比变化程度较小。作为示例,用于葡萄糖传感器***后的背景电流信号的模式可以是约前6小时的急剧下降,随后在接下来的6小时内较缓下降(shallower drop)。然后,在接下来的5至6天内,电流信号可以继续以平缓得多的速度并且以更线性的方式下降。然后,第三种模式可以浸入,即背景电流信号从约第5天至约第30天逐渐上升。还有其他模式同样可能发生,但是不容易基于初始衰减或下降进行建模。
产生对该背景或非葡萄糖相关电流(NGC)的行为的模型需要大量的高质量数据。这可能在体内设置中难以进行测量,因为可能没有关于是什么导致电流下降的独立检查,例如电流下降是否基于葡萄糖的下降或者它是否包括NGC信号的真实变化。通常,这样的检查需要使用血糖测试仪确定血糖水平。本文所讨论的,血糖测试仪是指这样的***,借助该***对象刺破其手指以获得血滴,并且然后将血滴施加至指示实际血糖水平的手持装置。
为了解决在该前12小时窗口内获得可靠数据的困难,发明人在本文中开发了交叉校准(crossover calibration)方法(也被称为交叉校准(cross-calibration)方法),以在葡萄糖水平调制电流与非葡萄糖相关电流(NGC)之间进行区分。另外,所公开的方法允许使用由已经在体内工作一段时间的传感器、例如已经通过所公开的方法或另一方法(例如,通与实际血糖确定(例如,测试仪血糖确定)进行比较来校准)校准的葡萄糖传感器所确定的一个或多个葡萄糖值,来校准新***的传感器的灵敏度。可以在不需要单独的血糖分析的情况下执行这种用于将来自新传感器的电流值转换成一个或更多个葡萄糖值的校准方法。因此,本文所讨论的方法能够实现对分析物传感器的串行校准(serial calibration),并且在某些实施方式中,可以在对象的寿命或一些较短时间段内继续进行。
单独地或累积地对随时间的推移而发生的背景电流变化和传感器灵敏度变化进行校正或建模的能力可能对***的性能产生显著影响。然而,迄今为止,先前的方法价值有限。有充分的文献记载,例如在中位绝对相对偏差(MARD)或平均绝对偏差(MAD)分析方面,连续葡萄糖监测器(CGM)传感器在第一天的性能通常比任何其他一天差30%至50%。例如,在下面更详细地阐述的最近研究期间,发明人评估了在临床第一天期间观察到的MARD与通常作为临床研究的第四天的第二个临床日的性能。第一天的MARD数为17.7%,而第4天的数为10.5%。
简要地,在为期七天的传感器佩戴研究中使用15个对象进行该研究。每个对象均被要求佩戴两个传感器并且随身携带接收装置。CGM传感器在第1天的早上***。然后每个对象在接下来的12小时以15分钟的间隔抽取血液。使用葡萄糖分析仪(Yellow SpringsInstrument)确定来自抽取的血液的血浆的葡萄糖浓度。在90至180mg/dl之间的第一血浆葡萄糖浓度用于校准CGM传感器。这些值用于将CGM电流值转换成血糖等效葡萄糖值(bloodglucose equivalent glucose value)。
对象在接下来的三天内继续佩戴CGM装置。在第4天,以与第1天类似的方式在12小时的时段内以15分钟的间隔重复抽取血液。对象在接下来的三天内继续佩戴CGM装置。在第7天,又完成了12小时的血液采样和测试。在12小时结束时,传感器被移除,并且终止该研究。该研究的准确性分析基于将CGM生成的葡萄糖浓度与使用静脉抽取血液样品在YSI上生成的葡萄糖浓度进行比较。每天都被视为单独的数据集,并且每天都生成MARD和MAD值。基于这些评估,针对第1天并且针对第4天确定平均MARD。考虑到***传感器之后第1天发生的快速变化,第1天的MARD通常比第4天或第7的MARD高得多。
转向图1,本文中公开了根据本文中的实施方式的示例联网连续分析物监测(CAM)***100。在其中CAM***100用于监测对象中随时间的推移的葡萄糖水平的示例中,CAM***可以被称为连续葡萄糖监测(CGM)***100。联网CAM***100包括经由网络115与一个或更多个分析物感测装置107有线或无线通信的分析物传感器计算装置105。本文中所讨论的,一个或更多个分析物感测装置107也可以被称为分析物传感器,或者简称为传感器。在其中分析物传感器包括葡萄糖传感器的示例中,分析物传感器可以被称为CGM传感器、葡萄糖传感器,或者简称为传感器。联网CAM***100还可以包括其他联网装置110(例如,膝上型计算机、台式计算机、平板电脑、智能电话、服务器、大容量存储装置等),其可以经由网络115与分析物传感器计算装置105和/或一个或更多个分析物传感器107进行有线或无线通信。在一些实施方式中,分析物传感器计算装置105包括具有可执行指令的应用软件,所述可执行指令被配置成从网络115发送和接收信息。该信息可以通过网络115发送至另一装置(例如,一个或更多个联网装置110)和/或从该装置接收。在某些示例中,分析物传感器计算装置105还能够将关于从对象的一个或更多个分析物传感器107中检索的分析物测量值的信息发送至医生、其他医疗从业者中的一个或更多个。
如图1所描绘的,CAM***100通过一个或更多个网络115向一个或更多个联网装置(例如,分析物传感器计算装置105、联网装置110)分发信息并且从其接收信息。根据各种实施方式,网络115可以是允许计算机交换数据,例如用于所生成的数据(历史和当前)的基于云的存储和/或实现本文中公开的一些方法、无一方法甚至所有方法的任何网络。图1描绘的是数据库180,该数据库180在一些示例中可以包括基于云的数据存储装置。在一些实施方式中,网络115包括能够物理地或逻辑地连接计算机的一个或更多个网络元件(未示出)。网络115可以包括任何适当的网络,包括内联网、因特网、蜂窝网络、局域网(LAN)、广域网(WAN)、个人网络或任何其他这样的网络或其组合。用于这样的***的部件可以至少部分地取决于所选择的网络类型和/或环境。用于经由这样的网络进行通信的协议和部件是公知的,并且在本文中将不再详细讨论。在实施方式中,通过网络115进行的通信通过有线或无线连接及其组合来实现。网络115包括有线或无线电信装置,网络***可以通过该有线或无线电信装置传送和交换数据。例如,网络115被实现为下述网络或者可以是下述网络的一部分:存储区域网络(SAN)、个人区域网络(PAN)、城域网(MAN)、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、虚拟专用网络(VPN)、内联网、因特网、移动电话网络(例如,全球移动通信***(GSM)、通用分组无线服务(GPRS)、cdmaOne、CDMA2000、演进数据优化(EV-DO)、GSM演进的增强数据速率(EDGE)、通用移动电信***(UMTS)、数字增强型无绳电信(DECT)、数字AMPS(IS-136/TDMA)、集成数字增强网络(iDEN)、长期演进(LTE)、第三代移动网络(3G)、***移动网络(4G)和/或第五代移动网络(5G)网络)、卡网络、蓝牙、近场通信网络(NFC)、任何形式的标准化射频、或者它们的任何组合、或者便于信号、数据和/或消息(通常称为数据)的传送的任何其他合适的架构或***。在整个说明书中,应当理解,术语“数据”和“信息”在本文中可互换使用,以指代可以存在于基于计算机的环境中的文本、图像、音频、视频或任何其他形式的信息。
在示例实施方式中,分析物传感器计算装置105和联网装置110中的每一个可以包括具有能够通过网络115发送和/或接收数据的通信部件的装置。例如,每个联网装置110可以包括服务器、个人计算机、移动装置(例如,笔记本电脑、平板电脑、上网本计算机、个人数字助理(PDA)、视频游戏装置、GPS***装置、蜂窝电话、智能电话或其他移动装置)、其中嵌入有一个或更多个处理器和/或与一个或更多个处理器耦接的电视、或者包括或耦接至网络浏览器或用于经由网络115通信的其他应用的其他适当的技术。
根据本文中的实施方式,分析物传感器计算装置105可以是用于对***至对象的组织中的传感器(例如,图1的分析物传感器107)进行交叉校准的任何计算装置,例如智能电话、平板电脑、台式计算机、膝上型计算机等。在实施方式中,分析物传感器计算装置105包括若干部件,例如一个或更多个处理器140以及例如能够与传感器(例如,图1的分析物传感器107)通信的至少一个传感器通信模块142。在各种实施方式中,一个或更多个处理器140各自包括一个或更多个处理器核。在各种实施方式中,至少一个传感器通信模块142物理地和电地耦接至一个或更多个处理器140。在各种实施方式中,至少一个传感器通信模块142物理地和/或电地耦接至一个或更多个传感器,例如第一和/或第二分析物传感器。在一些示例中,可以理解,在不脱离本公开内容的范围的情况下,分析物传感器计算装置105和分析物传感器107可以包括单个装置。在另外的实现方式中,传感器通信模块142是一个或更多个处理器140的一部分。在各种实施方式中,分析物传感器计算装置105包括印刷电路板(PCB)155。对于这些实施方式,一个或更多个处理器140和传感器通信模块142设置在印刷电路板155上。分析物传感器计算装置105根据其应用包括可以或可以不物理地和电地耦接至PCB的其他部件。这些其他部件包括但不限于存储器控制器(未示出)、易失性存储器(例如,动态随机存取存储器(DRAM)(未示出))、非易失性存储器(未示出,例如只读存储器(ROM)、闪存(未示出))、I/O端口(未示出)、(未示出)、数字信号处理器(未示出)、加密处理器(未示出)、图形处理器(未示出)、一个或更多个天线(未示出)、触摸屏显示器110、触摸屏显示控制器(未示出)、电池(未示出)、音频编解码器(未示出)、视频编解码器(未示出)、全球定位***(GPS)装置(未示出)、指南针(未示出)、加速度计(未示出)、温度监测器、陀螺仪(未示出)(未示出)、扬声器(未示出)、摄像装置(未示出)和大容量存储装置(例如,硬盘驱动器、固态驱动器、光盘(CD)(未示出)、数字通用磁盘(DVD)(未示出))、麦克风(未示出)等。
在一些实施方式中,一个或更多个处理器140通过一个或更多个链路(例如,互连件、总线等)可操作地耦接至***存储器。在实施方式中,***存储器能够存储一个或更多个处理器140用来操作和执行程序和操作***的信息,包括用于本文中公开的方法的计算机可读指令。在不同的实施方式中,***存储器是任何可用类型的可读和可写存储器,例如动态随机存取存储器(DRAM)的形式。在实施方式中,分析物传感器计算装置105包括各种输入和输出/反馈装置或者以其他方式与各种输入和输出/反馈装置相关联,以使得用户能够通过一个或更多个用户接口或***部件接口与分析物传感器计算装置105和/或与分析物传感器计算装置105相关联的***部件或装置进行交互。在实施方式中,用户接口包括但不限于物理键盘或小键盘、触摸板、显示装置(触摸屏或非触摸屏)、扬声器、麦克风、传感器(例如,葡萄糖传感器)、触觉反馈装置和/或一个或更多个致动器等。
在一些实施方式中,分析物传感器计算装置105可以包括存储器元件(未示出),其可以存在于可移除智能芯片或安全数字(“SD”)卡内,或者其可以嵌入固定芯片内。在某些示例实施方式中,可以使用订户身份部件(“SIM”)卡。在各种实施方式中,存储器元件可以允许软件应用驻留在该装置上。
在实施方式中,将***装置连接至分析物传感器计算装置105的I/O链路是特定于协议的,其具有允许兼容的***装置通过特定于协议的线缆附接至特定于协议的连接器端口(即,USB键盘装置将被***至USB端口中,路由器装置将被***至LAN/以太网端口中等)的特定于协议的连接器端口。任何单个连接器端口将限于具有兼容插头和兼容协议的***装置。一旦兼容的***装置被***至连接器端口中,就会在***装置与特定于协议的控制器之间建立通信链路。
在实施方式中,非特定于协议的连接器端口被配置成将I/O互连件与分析物传感器计算装置105的连接器端口耦接,从而允许多个装置类型通过单个物理连接器端口附接至分析物传感器计算装置105。此外,分析物传感器计算装置105与I/O复合件之间的I/O链路被配置成同时承载多个I/O协议(例如,PCIUSB、DisplayPort、HDMI等)。在各种实施方式中,连接器端口能够在两个方向上提供链路的全带宽,而不在端口之间或者在上游方向与下游方向之间共享带宽。在各种实施方式中,I/O互连件与分析物传感器计算装置105之间的连接支持电连接、光学连接或两者。
在一些实施方式中,一个或更多个处理器140、闪存和/或存储装置包括存储有编程指令的相关联固件,该编程指令被配置成响应于由一个或更多个处理器140执行编程指令而使得分析物传感器计算装置105能够实践根据本公开内容的实施方式的、使用计算装置对***至对象的组织中的传感器(例如,图1的分析物传感器)进行交叉校准的方法的所有方面或选定方面。
在实施方式中,传感器通信模块142可以启用有线和/或无线通信以向和从分析物传感器计算装置105传输数据,例如向和/或从一个或更多个传感器(例如,图1的分析物传感器107)传输数据。作为一个示例,传感器通信模块142可以包括发送器和/或发送器/接收器。在一些示例中,发送器和/或发送器/接收器可以例如物理地和/或电地耦接至一个或更多个传感器(例如,葡萄糖传感器)。
在各种实施方式中,分析物传感器计算装置105还包括网络接口,该网络接口被配置成经由发送器和接收器(或可选地收发器)以无线方式、和/或经由使用通信端口的有线连接将分析物传感器计算装置105连接至一个或更多个联网计算装置。在实施方式中,网络接口和发送器/接收器和/或通信端口被统称为“通信模块”。在实施方式中,无线发送器/接收器和/或收发器可以被配置成根据一个或更多个无线通信标准进行操作。术语“无线”及其派生词可以用于描述可以经由非固态介质、通过使用调制电磁辐射来传送数据的电路、装置、***、方法、技术、通信信道等。该术语并不暗示相关联装置不包含任何布线,尽管在一些实施方式中其可能不包含任何布线。在实施方式中,分析物传感器计算装置105包括无线通信模块以用于发送数据和接收数据,例如用于从例如电信网络的网络发送数据和接收数据。在示例中,通信模块通过诸如以下的蜂窝网络或移动网络发送包括视频数据的数据:全球移动通信***(GSM)、通用分组无线服务(GPRS)、cdmaOne、CDMA2000、演进数据优化(EV-DO)、GSM演进的增强数据速率(EDGE)、通用移动电信***(UMTS)、数字增强无绳电信(DECT)、数字AMPS(IS-136/TDMA)和集成数字增强网络(iDEN)、长期演进(LTE)、第三代移动网络(3G)、***移动网络(4G)和/或第5代移动网络(5G)网络。在实施方式中,计算装置100通过使用例如蓝牙和/或BLE协议、WiFi协议、红外数据协会(IrDA)协议、ANT和/或ANT+协议、LTE ProSe标准等经由直接无线连接与一个或更多个装置直接连接。在实施方式中,通信端口被配置成根据例如串行通信协议(例如,通用串行总线(USB)、火线、串行数字接口(SDI)和/或其他类似的串行通信协议)、并行通信协议(例如,IEEE 1284、计算机自动测量和控制(CAMAC)和/或其他类似的并行通信协议)和/或网络通信协议(例如,以太网、令牌环、光纤分布式数据接口(FDDI)和/或其他类似的网络通信协议)的一个或更多个已知的有线通信协议进行操作。
在实施方式中,分析物传感器计算装置105被配置成运行、执行或以其他方式操作一个或更多个应用。在实施方式中,应用包括本机应用、网络应用和混合应用。例如,本机应用用于操作分析物传感器计算装置105、耦接至分析物传感器计算装置105的传感器(例如,图1的传感器107)以及分析物传感器计算装置105的其他类似功能。在实施方式中,本机应用是特定于或非特定于平台或操作***(OS)的。在实施方式中,本机应用是使用特定于平台的开发工具、编程语言等、针对特定平台而开发的。这样的特定于平台的开发工具和/或编程语言由平台供应商提供。在实施方式中,本机应用在制造期间被预先安装在分析物传感器计算装置105上,或者由应用服务器经由网络(例如,图1的网络115)提供给分析物传感器计算装置105。网络应用是响应于从服务提供商请求网络应用的而加载至分析物传感器计算装置105的网络浏览器中的应用。在实施方式中,网络应用是通过考虑各种计算装置参数(例如,资源可用性、显示尺寸、触摸屏输入等)而设计或定制以在计算装置上运行的网站。以这种方式,网络应用可以在网络浏览器内提供类似于本机应用的体验。网络应用可以是使用任何服务器端开发工具和/或编程语言(例如,PHP、Node.js、ASP.NET和/或呈现HTML的任何其他类似技术)开发的任何服务器端应用。混合应用可以是本机应用与网络应用之间的混合。混合应用可以是单机、框架或可以在应用容器内加载网站的其他类似应用容器。可以使用网站开发工具和/或编程语言(例如,HTML5、CSS、JavaScript等)编写混合应用。在实施方式中,混合应用使用分析物传感器计算装置105的浏览器引擎而不是使用分析物传感器计算装置105的网络浏览器来在本地呈现网站的服务。在一些实施方式中,混合应用还访问在网络应用中不可访问的计算装置能力,例如加速度计、摄像装置、本地存储装置等。
一个或更多个计算机可用介质或计算机可读介质的任何组合可以与本文中公开的实施方式一起使用。计算机可用介质或计算机可读介质可以是例如但不限于电子、磁、光学、电磁、红外或半导体***、设备、装置或传播介质。计算机可读介质的更具体示例(非穷举列表)包括以下:具有一个或更多个布线的电连接件、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、光纤、便携式光盘只读存储器(CD-ROM)、光学存储装置、例如支持因特网或内联网的传输介质的传输介质、或磁存储装置。注意,计算机可用介质或计算机可读介质甚至可以是在其上打印有程序的纸或另外的合适介质,因为可以经由例如对纸或其他介质的光学扫描来电子地捕获程序,然后根据需要以适当的方式进行编译、解释或以其他方式处理,并且然后存储在计算机存储器中。在本文献的上下文中,计算机可用介质或计算机可读介质可以是可以包含、存储、传送、传播或传输程序以供指令执行***、设备或装置使用或与之结合的任何介质。计算机可用介质可以包括在基带中或作为载波的一部分的、其中包含有计算机可用程序代码的传播数据信号。可以使用任何适当的介质来传输计算机可用程序代码,所述任何适当的介质包括但不限于无线、有线、光纤线缆、RF等。
用于执行本公开内容的操作的计算机程序代码可以以一种或更多种编程语言的任何组合来编写,所述编程语言包括诸如Java、Smalltalk、C++等的面向对象的编程语言和诸如“C”编程语言或类似编程语言的常规程序化编程语言。程序代码可以完全在用户的计算装置上执行、作为独立软件包部分地在用户的计算装置上执行、部分地在用户的计算装置上并且部分地在远程计算机上执行、或完全在远程计算机或服务器上执行。在后一种情况下,远程计算机可以通过包括局域网(LAN)或广域网(WAN)的任何类型的网络连接至用户的计算装置,或者可以进行到外部计算装置(例如,通过使用因特网服务提供商的因特网)或如上所述的无线网络的连接。
此外,示例实施方式可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或其任何组合来实现。当以软件、固件、中间件或微代码实现时,用于执行必要任务的程序代码或代码段可以存储在机器可读介质或计算机可读介质中。代码段可以表示过程、功能、子程序、程序、例程、子例程、模块、程序代码、软件包、类、或者指令、数据结构、程序语句等的任何组合。
在各种实施方式中,可以采用制造品来实现如本文中公开的一种或更多种方法。制造品可以包括计算机可读非暂态存储介质和存储介质。存储介质可以包括编程指令,该编程指令被配置成使设备实践根据本公开内容的实施方式的使用计算装置进行交叉校准的方法的一些或所有方面。
存储介质可以表示本领域已知的广泛范围的持久性存储介质,包括但不限于闪存、光盘或磁盘。特别地,响应于由设备执行编程指令,编程指令可以使设备能够执行本文中描述的各种操作。例如,存储介质可以包括编程指令,该编程指令被配置成使设备实践根据本公开内容的实施方式的使用计算装置(例如,图1的分析物传感器计算装置105)对分析物传感器(例如,图1的传感器107)进行校准的方法的一些或所有方面。
分析物感测装置107可以包括分析物感测元件114。在一些示例中,分析物感测元件114可以包括用于将分析物(例如,葡萄糖)浓度转换成代表性电信号的一个或更多个布线或电极。分析物感测装置107还可以包括用于通过网络115(有线或无线地)传送数据和其他信息的通信模块108(例如,发送器、接收器或收发器)。在一些示例中,分析物感测装置107还可以包括微处理器112和印刷电路板113,类似于以上针对分析物传感器计算装置所讨论的。未示出的分析物感测装置107的其他部件可以包括存储器控制器、易失性存储器(例如,DRAM)、非易失性存储器(例如,ROM)、闪存等中的一个或更多个。
在其中CAM***100被配置为CGM***的一些实施方式中,在一些示例中,该***可以包括胰岛素递送单元170。胰岛素递送单元170可以包括至少三个部分,包括但不限于胰岛素泵171、管路172和输注装置173。在实施方式中,胰岛素泵171可以是电池供电的,并且可以包含(或流体地耦接至)胰岛素储存器(例如,容器)、泵送机构(例如,由小马达驱动的泵)以及一个或更多个按钮和/或触摸屏(未示出)以对胰岛素递送进行编程。在一些示例中,胰岛素泵171可以通过网络115从分析物传感器计算装置105或分析物感测装置107之一接收用于胰岛素递送的指令。所述指令可以基于经由分析物感测装置107获得的葡萄糖浓度。在这样的示例中,可以理解,胰岛素递送单元170可以与CGM***100的其他部件(例如,分析物传感器计算装置105和分析物感测装置107)以闭环方式操作,以模仿胰腺工作的方式。可以理解,胰岛素泵171、管路172和输注装置173中的每一个可以彼此耦接,以使胰岛素泵171能够通过管路172和输注装置173将胰岛素递送至对象。虽然胰岛素泵171可以是电池供电的,但是可以理解,在一些附加示例或替选示例中,可以通过将胰岛素泵171电耦接至外部电源来对胰岛素泵171供电。
在一些示例中,胰岛素泵171可以包括用于对胰岛素递送参数进行编程的按钮和/或触摸屏(未示出)。在另一附加示例或替选示例中,如上所提及的,胰岛素泵171可以通过网络115接收用于胰岛素递送的指令。因此,在一些示例中,胰岛素泵171可以包括能够通过网络115(有线或无线地)接收和/或发送信息的通信模块173(例如,接收器或收发器)、印刷电路板174和微处理器175。未示出的胰岛素泵171的其他部件可以包括存储器控制器、易失性存储器(例如,DRAM)、非易失性存储器(例如,ROM)、闪存等中的一个或更多个。
在一些示例中,管路172可以包括流体地耦接至胰岛素储存器和输注装置173中的每一个的细管(thin tube)。管路172可以是塑料、特氟纶等。输注装置173可以包括由特氟纶和/或钢制成的元件部分,并且可以通过粘合贴片附着于对象的皮肤。输注装置173可以包括短细管(例如,插管),该短细管经由容纳在插管内的针***皮肤。在***之后,可以移除针,并且细插管可以保持在皮肤下。可以理解,以上描述涉及示例输注装置,但是在不脱离本公开内容的范围的情况下可以互换地使用其他类似的输注装置。
现在转向图2,示出了用于交叉校准分析物传感器、例如CGM传感器(例如,图1的传感器107)的示例方法200。方法200可以是交叉校准传感器的体内方法。具体地,方法200可以包括:用于基于从已经***对象组织中且先前已校准的至少第一传感器检索的信息/数据来交叉校准***对象组织中的第二传感器的计算机实现的方法。方法200可以包括存储在非暂态计算机可读介质上的软件指令,所述软件指令在由处理器执行时使处理器执行指令以交叉校准第二传感器。
方法200在210处开始,并且包括交叉校准事件的启动。这可以以多种方式启动。例如,用户可以例如在***新传感器时使用他们的CGM装置(在本文中也被称为分析物传感器)激活事件。在一个示例中,校准启动可以是用户启动的(例如,经由与CGM装置相关联的致动器),或者在另一示例中,校准启动可以由CGM装置自动识别(例如,在***时被致动的致动器)。附加地或替选地,校准可以经由用户具有的在诸如智能电话的计算装置(例如,图1的分析物传感器计算装置105)上的应用来启动。在一些示例中,计算装置可以提示用户***新传感器,并且此后可以启动传感器的校准(在***时自动启动,基于用户确认等)。例如,这样的提示可以基于接近正常佩戴周期结束的一个传感器。正常佩戴周期的结束可以包括14天,然而在其他示例中,正常佩戴周期的结束可以大于或小于14天(例如,30天),而不脱离本公开内容的范围。
在另一示例中,可以基于用户目前使用的传感器的性能的一些问题来启动这样的提示。例如,响应于传感器劣化的指示,可以启动传感器的校准。在另一示例中,校准启动事件甚至可以在***之后的预定时间(例如,30秒、1分钟、5分钟、10分钟、20分钟、30分钟、45分钟、一小时、两小时等)启动,而不是在***时立即启动。作为一个示例,传感器***事件可以被中继至分析物传感器计算装置(例如,图1的分析物传感器计算装置105),并且可以启动与分析物传感器计算装置相关联的定时器。在经过预定时间段之后,分析物传感器计算装置可以命令校准例程的启动。
在一些示例中,在传感器***之后启动校准的时间可以基于随时间的推移已经学习或以其他方式推断的一个或更多个特定于用户的参数。例如,尽管本公开内容是关于葡萄糖传感器编写的,但是预期所公开的方法可以应用于其他传感器,例如跟踪慢性疾病状况的传感器,例如检测肌酸酐、尿酸、钾、钠、尿素和/或各种药物及其代谢物的传感器。其他示例包括乙酰胆碱、淀粉酶、胆红素、胆固醇、绒毛膜***、肌酸激酶、DNA、果糖胺、葡萄糖、谷氨酰胺、生长激素、激素、酮(keytones)、乳酸盐/酯、过氧化物、***特异性抗原、凝血酶原、RNA、促甲状腺激素、肌钙蛋白等。在一些示例中,可以确定包括但不限于抗生素(例如,庆大霉素、万古霉素等)、洋地黄毒苷、地高辛、滥用药物、茶碱、华法林等药物的浓度。
在某些实施方式中,可以针对用户或对象随时间的推移建立葡萄糖水平的模式,使得所使用的***(例如,图1的CGM***100)学***如何改变。在实施方式中,存储这些模式,并且一旦个体已经通过他们的登录信息和/或启动事件被识别,则可以调用这些模式。然后这些模式可以用于增强本文中讨论的背景校正方法和图2的整体算法的功能。作为示例,该数据可以存储在智能装置(例如,图1的分析物传感器计算装置105)中,或者存储在云或其他存储数据库(例如,图1的数据库180)中。
响应于校准启动,方法200进行至220。在220处,方法200包括在第一确定时间段(例如,1分钟、5分钟、20分钟、30分钟、45分钟、60分钟、2小时等)内测量和记录来自第一分析物传感器的电流(例如,一个或更多个电流值)。可以理解,第一传感器包括已***对象足够的时间段(例如,一天、两天、三天、四天、五天、六天、七天、大于一天但小于14天、大于7天但小于14天、大于14天但小于30天等)的传感器,使得来自第一传感器的电流值稳定并且不会相对于对象中出现的实际或真实葡萄糖值而偏移(drift)。可以理解,相对于实际或真实葡萄糖值稳定的电流值是指容易跟踪(例如,如经由血糖测试仪监测的)实际血糖水平的电流读数和/或校准的电流读数。可以进一步理解,在启动依赖于方法200的交叉校准事件之前已经校准了第一传感器。
作为一个示例,第一传感器可能已经例如经由血糖测试仪/监测器、使用实际血糖测量值进行校准。作为另一示例,第一传感器可能已经使用本文中图2所讨论的方法进行校准,在本文中被称为串行交叉校准。下面将更详细地阐述这样的示例。
第一传感器的电流测量值可以连续地记录,或者可以在第一预定时间段期间、在离散时间点记录。例如,取决于第一确定时间段,电流测量值可以以小于一秒、一秒、两秒、5秒、10秒、20秒、30秒、一分钟、五分钟等的间隔记录。在一些示例中,可以在这样的间隔上对电流测量值求平均,以生成平滑的数据样本。可以理解的是,在被校准的传感器(例如,第二传感器)也包括葡萄糖传感器的情况下,第一传感器可以包括葡萄糖传感器。
在相同的第一确定时间段内,方法200在步骤220处还包括测量和记录来自第二传感器的电流值。在某些示例中,取决于第一确定时间段,来自第二传感器的电流测量值可以以小于一秒、一秒、两秒、5秒、10秒、20秒、30秒、一分钟、五分钟等的间隔记录。可以理解,第一确定时间段可以包括使得来自第二传感器的电流的衰减趋势能够被准确地建模(例如,建模为指数衰减)的时间段。建模可以至少部分地经由从第一传感器和第二传感器中的每一个检索电流测量值的计算装置(例如,图1的分析物传感器计算装置105)来完成。
可以理解,一旦衰减电流可以被建模,则可能不需要收集附加的时间点。换句话说,第一确定时间段可以包括可变时间段。在一些示例中,这可能花费长达60分钟,以确保有足够的信息或数据来建立趋势和对趋势建模。这可以至少部分地由第二传感器的信号变化的速率和对象中的葡萄糖水平变化的速率中的一个或更多个驱动。例如,如果信号快速稳定并且对象的葡萄糖水平没有变化非常快,则第一确定时间段可能非常短。另一方面,如果稳定以非常急剧的过程发生,并且如果人的葡萄糖也在快速变化,则该第一确定时间段可以延长直至一小时或两小时。作为更具体的示例,如果对象中的葡萄糖水平变化很少,则只需1至3分钟就足以建立趋势。另一方面,如果葡萄糖值显著变化,则可能需要15至20分钟。在某些情况下预期更长的时间(例如,60分钟至2小时)。然而,即使在背景电流显著变化并且葡萄糖浓度快速变化的情况下,通常预期需要20至30分钟(而不是更长的时间)。在实施方式中,第二传感器包括葡萄糖传感器。
在一些示例中,为了避免与第一确定时间段相关联的更长的时间,可能预期在预定条件下进行图2的方法。这样的预定条件可以包括预期或学***的情况。例如,基于随时间的推移由一个或更多个葡萄糖传感器获得的葡萄糖测量值,可以建立在特定时间段(例如,天、小时等)内的葡萄糖浓度的趋势。例如,可以依赖该信息,以提示用户***第二传感器。在其他示例中,用户可以理解,在特定时间(例如,在早上醒来时)可以预期空腹葡萄糖水平。这些特定时间对于***传感器以避免葡萄糖值快速变化的情况可能是优选的。
响应于在步骤220处在第一确定时间段内从第一传感器和第二传感器中的每一个记录的电流值,方法200进行至230。在230处,方法200包括通过至少部分地依赖于来自第一传感器的电流测量值来生成针对第一传感器的葡萄糖值。虽然步骤230被描绘为第一传感器的电流测量值的记录结束之后,但是可以理解,在其他示例中,可以在从第一传感器记录电流测量值时同时执行步骤230,前提是已经收集了足够的数据以根据收集的数据确定葡萄糖值。更具体地,在某些实施方式中,针对第一传感器的葡萄糖值在第一时间段期间在5秒与60秒之间生成。通常,该第一时间段持续在约1分钟与60分钟之间,但这由要被建模的第二传感器(要校准的传感器)的信号衰减的能力决定。
进行至240,方法200包括在第二时间段内对第二传感器的作为时间函数的背景电流下降进行预测或建模。第二时间段可以紧接第一时间段之后。在一些示例中,第二时间段可以与第一时间段具有一定量的交叠。作为一个示例,可以基于指数下降的模型来预测背景电流下降。具体地,可以理解,来自第二传感器的测量电流值包括由非葡萄糖信号或背景电流加上任何特定于葡萄糖的信号组成的总电流。在第一确定时间段期间生成的数据(包括从第一传感器记录的电流值、针对第一传感器生成的葡萄糖值以及从第二传感器记录的电流值中的一个或更多个)可以使得能够确定非葡萄糖信号的变化率。可以对背景电流下降建模以建立模式。在一些示例中,下降可以被建模为指数衰减,该指数衰减在初始***第二传感器之后的约特定时间(例如,5至7小时、6小时、12小时等)趋于线性衰减。在另一示例中,下降可以通过幂函数建模,其构造为f(x)=ax. 5。可以理解,这些幂函数和指数函数并不穷举,因为其他模型可以用于对特定下降建模。如上所讨论的并且下面将进一步详细讨论的,在一些示例中,可以预测多于一个(例如,2或3)背景电流下降。在这样的示例中,第一背景电流预测可以包括在约特定时间(例如,5至7小时、6小时、12小时等)趋于线性衰减的背景电流下降。对于相同类型的传感器和相同的对象,第二背景电流预测可以基于根据一个或更多个先前的传感器佩戴时间收集和确定的历史背景电流数据。该第二背景预测可以延长至第二传感器的整个佩戴时间,在下面更详细地阐述。
进行至250,在第二时间段内从第二传感器的测量电流中减去作为时间函数的第二传感器的预测电流下降(如所讨论的,其与背景或非葡萄糖驱动的电流有关)。因此,在250处,方法200包括测量电流,或者换句话说,在第二时间段内继续从第二传感器测量电流。如所提及的,可以理解,第一时间段和第二次时间段可以具有一定程度的交叠。在某些实施方式中,在来自使用同一类型的传感器的同一对象的历史数据可以用于对与第二传感器相关联的背景变化(例如,第二背景电流)和电流灵敏度变化进行建模的情况下,从约***时间开始直至***之后约12小时,甚至长达***之后7天或显著更长的时间(例如,传感器寿命的30天或更长),可以从第二传感器的测量电流中减去预测电流下降。在某些实施方式中,从约***时间开始直至***之后约12小时,可以从第二传感器的测量电流中减去第一预测电流下降。在某些实施方式中,从约***时间开始直至***之后约8小时,可以减去第一预测电流下降。在又一示例中,可以从约***时间开始直至***之后约6小时减去第一预测电流下降。可以从第二传感器的测量电流中减去预测电流下降的较大或较小的持续时间的其他示例在本公开内容的范围内。可以理解,执行如所讨论的减去过程可以提供特定于葡萄糖的电流变化对第二传感器的测量电流的贡献的指示。
在某些实施方式中,如所讨论的,该方法还包括在***之后至少12小时或至少24小时开始的第三时间段内预测第二背景电流(例如,电流下降和/或上升),并且将来自包括第三时间段的一个或更多个先前传感器佩戴时间的电流预测应用于灵敏度和背景电流。在某些实施方式中,第三次时段在***第二传感器之后约1至2天与30天之间。第二背景电流可以被理解为能够基于经由第一传感器(或同一对象的相同类型的任何数目的先前佩戴的传感器)获得的信息或数据来预测,该信息或数据与第二传感器随时间的推移在对象中可能如何响应相关。作为示例,可能存在蛋白质涂层,该蛋白质涂层从传感器佩戴时间的第五天起开始影响传感器操作,并且该蛋白质涂层继续直至针对特定对象的传感器佩戴时间的约第十天。该模式(例如,传感器灵敏度变化为25%)可以从第一传感器和/或针对同一对象的任何数目的先前佩戴传感器中学习、可以被存储(例如,在图1的数据库180处、在分析物传感器本身处以及/或者图1的分析物传感器计算装置105处),并且被检索以预测第二背景电流。可以类似地从来自第二传感器的测量电流中减去该第二背景电流,以提供特定于葡萄糖的电流变化对第二传感器的测量电流的贡献的指示。例如,如果第二传感器依赖于任何(例如,每天一次或更少)血糖校准,这样的过程可以减少在第二传感器的佩戴时间期间的许多后续校准,以及/或者这样的过程可能有益于包含工厂校准***的任何传感器。
进行至步骤260,方法200包括使用来自第一传感器的信息(例如,从第一传感器获得的葡萄糖值和从第一传感器获得的电流中的一个或更多个)针对第二传感器创建或生成转换操作或算法。以这种方式,通过减去从来自第二传感器的测量电流中减去背景电流或非葡萄糖电流而获得的减去的电流可以被转换成第二葡萄糖值。在一些实施方式中,可以对电流值进行平滑操作。在示例中,平滑操作可以是中值滤波器(medium filter)和卡尔曼信号平滑操作的组合。在一些示例中,可以将减去的电流例如缩放至第一电流,并且可以使用针对第二传感器的该缩放的电流或校准的电流来开发转换操作。然而,在其他示例中,这样的缩放可能不发生,并且替代地可以针对减去的电流构建转换操作,使得减去的电流可以容易地转换成第二葡萄糖值。因此,在步骤260处,可以理解,已经根据来自第一传感器的测量电流针对第一传感器确定了分析物值。此外,已经从针对第二传感器确定的背景电流中减去来自第二传感器的测量电流。因此,在260处,方法200包括构建或创建包括针对第二传感器的葡萄糖转换项的转换操作或算法。这样的转换操作可以基于从第一传感器测量的第一电流、来自第一传感器的已知葡萄糖值及其与第一电流的关系、以及通过从第二传感器测量的电流中减去第二传感器的背景电流而确定的减去的电流中的一个或更多个,如所讨论的那样。
在实施方式中,可以从传感器被***的个体的历史构建葡萄糖水平的模型(例如,随时间的推移学***变化的模式),并且该信息可以并入至算法中。在一些示例中,可以依赖葡萄糖水平变化的模式来预测电流和/或未来的葡萄糖水平,并且这样的信息可以并入至算法中以提高第二传感器的准确度和性能。这样的信息可以存储在数据库(例如,图1的数据库180)处。作为代表性示例,如果在对象佩戴第二传感器的同时发生运动伪像,并且这样的运动伪像已经基于历史数据被如此确定,则运动伪像可以在检测时被标记,这可以提示在作用于葡萄糖读数之前(例如,在向对象或胰岛素递送***提供关于要施用的胰岛素量的指令之前)检查血糖值的请求。换句话说,可以基于历史数据而学习(例如,机器学习、深度学习)到,不预期对象的血糖像例如由于特定运动伪像而在第二传感器处引起的电流变化那样地变化得那样快或那样多。通过在作用于源自第二传感器处的运动伪像引起的电流的葡萄糖读取之前识别运动引起的伪像,可以避免与当前生物状态不相关的指令。
此外,来自第二传感器的初始测量电流的至少一定程度(例如,一天变化)可能与对个体而言标准的皮肤下面的生物过程相关。虽然这样的过程在不同的个体之间可能显著不同,但是对于特定个体而言,该过程很可能相当一致。因此,在一些示例中,可以例如在数据库(例如,图1的数据库180)处存储建立或学***均值或活动水平的特定个体的特性的历史因子。该校准可以用于将在第二传感器表面处生成的净电流转换成血糖等效葡萄糖值。因此,本文所讨论的,可以理解,***至皮肤中的传感器测量间质葡萄糖水平,但是所使用的交叉校准方法将间质测量与血糖校准联系起来(例如,至少第一传感器基于从血糖测试仪获得的血糖样品来校准)。因此,由间质中放置的传感器测量的分析物值(本文中也被称为葡萄糖值)可以被理解为包括对应于血液等效值(例如,血液等效葡萄糖值)的间质值。
基于在260处开发的转换操作,在步骤270处,针对第二传感器生成葡萄糖值。在实施方式中,来自传感器的电流值到葡萄糖值的转换可以涉及若干步骤,例如若干信号处理步骤。在实施方式中,可以依赖于在电流数据中寻找可能与运动伪像相关的尖峰的尖峰检测步骤。如果检测到这些,则数据可能不会用于创建新的葡萄糖值,因为它们可以从计算中去除。在去除尖峰伪像之后,可以对平滑的电流值进行滤波以创建可能的最佳质量信号。滤波步骤可以包括通过中值滤波器、卡尔曼滤波器或其他相关滤波器中的一个或更多个。生成的葡萄糖值可以例如显示在分析物传感器计算装置(例如,图1的分析物传感器计算装置105)处,导出至数据库(例如,图1的数据库180)以及/或者传送至一个或更多个其他联网装置(例如,图1的联网装置110)等。然后,方法200可以结束。
可以理解,图2的交叉校准方法可以随时间的推移实现对多个传感器的串行交叉校准。具体地,作为示例,在***时,仅第一传感器可能必须由包括但不限于实际血糖测量值(例如,经由血糖测试仪)的外部手段来校准。然后,在该初始校准过程之后,任何数目的后续传感器***事件可以依赖于图2的交叉校准方法,从而减轻了对象必须执行涉及获得实际血糖测量值的校准例程的需要。这可能会提高客户/用户满意度,并且减少与重复使用葡萄糖测试仪相关联的感染或其他不利生物响应的机会。此外,总成本可以降低,这是因为可以在第一传感器校准之后减少或基本上避免对实际血糖测试结果的依赖。作为具体示例,在经由使用实际血糖测量值来校准第一传感器之后,在一段时间之后***第二传感器时,可以使用图2的交叉校准过程来校准第二传感器。然后可以从对象中移除第一传感器,并且可以依赖第二传感器进行血糖确定。在另一时间段之后,可以将第三传感器***至对象中,并且再次,可以使用图2的交叉校准过程来基于第二传感器校准第三传感器。然后可以移除第二传感器,并且可以依赖第三传感器进行血糖确定。如上所提及的,该过程可以重复任何次数。
为了提高基于交叉校准方法的血糖确定的准确度,可能期望确认交叉校准方法已经成功(例如,该第二传感器被校准到预期或期望的准确度或灵敏度的水平)。本文所讨论的,灵敏度可以被理解与电流与分析物浓度的比率相关。例如,可能期望确保在交叉校准过程之后,最近校准的第二传感器在葡萄糖确定和灵敏度方面表现出与来自交叉校准过程中使用的第一传感器的先前葡萄糖确定/灵敏度一致的预期行为。另外,在对象移除第一传感器之前,可能期望确保第二传感器根据预期或期望操作。例如,在第一传感器根据期望工作但是出于某些原因第二传感器没有根据期望工作的情况下,则如下可能是有利的:继续依赖于第一传感器进行葡萄糖确定直至另一传感器可以被正确校准以供使用。
因此,现在转向图3,示出了用于确定经由图2的方法进行的交叉校准过程是否使得新***的传感器已被正确校准(例如,根据预期或期望校准)的示例方法300。方法300可以包括计算机实现的方法,并且可以包括存储在非暂态计算机可读介质上的软件指令,所述软件指令在由处理器执行时使处理器执行由方法300的步骤阐述的指令。
方法300在310处开始,并且包括对于已经***至已经***有先前校准的第一传感器的对象中的第二传感器执行如关于图2所讨论的交叉校准过程。在交叉校准之后,方法300进行至315。在315处,方法300包括从第一传感器和第二传感器中的每一个获得葡萄糖浓度确定。步骤315可以包括从第一传感器和第二传感器中的每一个获得一个或更多个葡萄糖确定。作为一个示例,可以在交叉校准过程之后的预定时间段内(或者甚至在交叉校准过程期间的某个时刻处),针对第一传感器和第二传感器中的每一个获得多个葡萄糖确定。在一些示例中,可以在预定时间段(例如,30秒、1分钟、2分钟、5分钟等)内获得针对第一传感器和第二传感器中的每一个的三个不同测量值。在其他示例中,可以在预定时间段内获得大于三个的任何数目的测量值。
在针对第一传感器和第二传感器中的每一个获得了葡萄糖浓度确定的情况下,方法300进行至320。在320处,方法300包括对葡萄糖浓度确定进行比较。作为一个示例,可以对针对每个传感器获得的数据执行拟合过程(例如,线性拟合、最小二乘法等)以建立针对传感器中的每一个的趋势线。这可以使得能够针对第一传感器和第二传感器中的每一个建立第一趋势和第二趋势。然后可以对每组数据的拟合进行比较以确定第二传感器是否正在产生与经由第一传感器获得的葡萄糖浓度确定一致或相关的葡萄糖浓度确定。如果第二传感器的趋势没有在预定阈值范围内与第一传感器的趋势交叠,则可以指示经由第二传感器进行的葡萄糖浓度确定与经由第一传感器进行的葡萄糖浓度确定不相关。替选地,如果第二传感器的趋势在预定阈值范围内与第一传感器的趋势一致,则可以指示经由第二传感器进行的葡萄糖浓度确定与经由第一传感器进行的葡萄糖浓度确定相关。
因此,响应于第二传感器葡萄糖浓度确定与经由第一传感器进行的葡萄糖浓度确定一致或相关的指示,方法300进行至330。在330处,方法300包括提供第一传感器可以被移除的指示。作为示例,可以经由与分析物传感器计算装置(例如,图1的分析物传感器计算装置105)相关联的显示屏幕以数字方式提供这样的指示。附加地或替选地,可以经由可听警报提供指示,在一些示例中,可听警报可以源自分析物传感器计算装置或第一传感器本身。附加地或替选地,一些其他手段(例如,视觉警报,例如LED或其他基于光的警报)可以用于向用户传送第一传感器可以被移除。例如,警报可以包括发送至用户电话上的应用的基于文本的消息、电子邮件等。
进行至335,方法300包括随时间的推移基于第二传感器葡萄糖确定提供针对胰岛素注射的指令,直至另一传感器***至对象中。可以理解,在葡萄糖确定与开环或闭环胰岛素注射步骤不相关的一些示例中,该步骤可以是可选的。例如,在一些示例中,用户可能期望随时间的推移监测葡萄糖水平,而无需基于所获得的数据执行胰岛素注射步骤。然而,在基于葡萄糖确定发生的胰岛素注射步骤的其他示例中,则可以包括步骤335。作为一个示例,在335处提供的指令可以包括用于由用户例如经由与分析物传感器计算装置(例如,图1的分析物传感器计算装置105)相关联的显示屏幕查看的指令。如果仅提供了用于由用户查看的指令,则可以理解,胰岛素注射涉及开环胰岛素注射方法,因为它由用户执行经由指令提供的胰岛素注射过程。
替选地,在335处提供的指令可以包括发送至胰岛素递送单元(例如,图1的胰岛素递送单元170)的指令。这样的示例可以理解为包括闭环胰岛素注射方法。具体地,基于所确定的葡萄糖浓度,可以向胰岛素递送单元提供适当的指令,使得由此自动地注射确定量的胰岛素,而无需用户输入。
可以理解,方法300可以响应于可以第一传感器可以被移除的指示和/或响应于第二传感器用于提供葡萄糖浓度确定(这在一些示例中可以另外包括依赖于这样的浓度确定提供与胰岛素注射有关的指令)而结束。
返回至325,在针对第二传感器的葡萄糖浓度确定不指示与经由第一传感器获得的葡萄糖确定一致或相关的示例中,方法300可以继续进行,直至在225处指示浓度在预定阈值范围内相关。如所描绘的,在一些示例中,继续进行方法300可以另外包括在进行图3的方法之前重复图2的交叉校准过程。然而,在其他示例中,可以使用相同的交叉校准,并且可以仅针对第一传感器和第二传感器中的每一个确定附加的葡萄糖浓度,使得可以重复步骤320处的比较。一旦在325处指示浓度在预定阈值范围内相关,则方法可以如上所讨论的那样进行至330。虽然未明确示出,但是在其中在预定次数的尝试之后在步骤325处没有返回肯定结果的一些示例中,可以采取缓解动作从而以附加或替选方式校准第二传感器。作为一个示例,该方法可以包括基于一个或多个血糖测试测量值来校准第二传感器的请求。作为另一示例,该方法可以包括基于这样的一个或多个血糖测试测量值来校准第一传感器的请求,以确保第一传感器根据期望或预期运行。一旦已经确认第一传感器根据期望或预期运行,则在步骤325处,可以再次依赖于图3的方法确定第二传感器何时被有效地校准。
现在转向图4,示出了预示性示例时间线400,其示出如何进行图2的交叉校准方法。图4中的所有曲线是关于时间(x轴)描绘的,并且因此,可以理解为作为时间的函数而发生。时间线400包括曲线405,指示随时间的推移从第一传感器记录的原始电流。在该示例时间线中,可以理解,第一传感器已经植入对象中约12天,然而,在其他示例中,预期更长的时间(例如,长达30天)。时间线400还包括曲线410,指示经由将来自第一传感器的原始电流(曲线405)转换成葡萄糖值而确定的随时间的推移的葡萄糖浓度。时间线400还包括曲线415,指示随时间的推移从第二传感器记录的原始电流。可以理解,对于该示例时间线,第二传感器已经在时间t0附近***至对象中。时间线400还包括曲线420,指示随时间的推移的与第二传感器相关联的预测背景电流。线422表示第一持续时间(参照图2中的步骤220),并且线424表示第二持续时间(参照图2中的步骤250)。时间线400还包括曲线430,指示随时间的推移通过从原始第二传感器电流(曲线415)中减去预测背景电流(曲线420)而获得的减去的第二传感器电流。时间线400还包括曲线440,指示随时间的推移由第二传感器测量的葡萄糖浓度,该葡萄糖浓度经由将减去的第二传感器电流(曲线430)转换成葡萄糖值而确定。时间线400还包括曲线445,表示如果不进行交叉校准过程则可能已经从第二传感器获得的葡萄糖值。时间线400还包括与曲线455交叠的曲线450,指示与曲线440(从经交叉校准的第二传感器获得的葡萄糖值)相同的葡萄糖值,曲线455指示与曲线405(从第一传感器获得的葡萄糖值,其中在时间t0之前已经先前校准了第一传感器)相同的葡萄糖值。
在时间t0处,启动交叉校准过程。在该示例时间线400中跨越时间t0和t1的时间帧包括第一持续时间。在第一持续时间期间,测量来自第一传感器(曲线405)和第二传感器(曲线415)的电流。此外,基于从第一传感器记录的电流,针对第一传感器获得葡萄糖值(参照曲线410)。
第一持续时间包括可变持续时间,其可以被理解为基于对背景电流进行建模或预测的能力。在该示例时间线中,葡萄糖值在第一持续时间期间没有显著变化(参照曲线410),并且因此可以理解,时间t0与t1之间的时间仅表示几分钟。具体地,如上所提及的,由于容易地对与第二传感器相关联的衰减电流进行建模的能力,在葡萄糖水平没有快速变化的情况下第一时间持续时间可以更短。在时间t1处,至少部分地基于在第一持续时间期间第一传感器的原始电流(曲线415)的衰减来预测背景电流(曲线420)。可以理解,背景电流的预测可以考虑其他因素,包括但不限于以下中的一个或更多个:经由第一传感器测量的原始电流(曲线405)、从第一传感器获得的葡萄糖值(参照曲线410)以及例如从数据库(例如,图1的数据库180)或存储有先前从由同一对象佩戴的传感器获得的数据的其他数据存储装置中检索的历史数据。在一些示例中,背景电流衰减的模式可以随时间的推移学习(例如,经由机器学习算法或深度学习算法),并且该模式可以被调用或检索以辅助预测背景电流。如所描绘的,在延长超过第一持续时间的第二持续时间(线424)内预测背景电流。
在时间t0与t1之间,对象中的葡萄糖水平保持相对稳定(参照曲线410),并且因此来自第二传感器的原始电流(曲线415)大致跟踪预测背景电流(曲线420)。在时间t2处,对象中的葡萄糖水平开始改变(曲线410)。因此,来自第二传感器的测量电流(曲线415)与预测背景电流(曲线420)偏离。在第二持续时间期间,从第二传感器电流(曲线415)中减去预测背景电流(曲线420),以产生减去的第二传感器电流(曲线430)。基于来自第一传感器的测量电流(曲线405)、从第一传感器获得的葡萄糖值(曲线410)和减去的传感器电流(曲线430)中的一个或更多个,生成用于生产针对第二传感器的葡萄糖值的转换操作或算法。基于该转换算法,获得第二传感器葡萄糖值(曲线440)。作为参照,曲线445示出了如果不对第二传感器进行交叉校准过程则可能已经获得的第二传感器葡萄糖值。具体地,当背景电流随时间的推移改变(例如,衰减)时,如果依赖于原始电流而不是依赖于减去的第二传感器电流来推断葡萄糖值,则第二传感器可能不准确。曲线450表示与曲线440相同的葡萄糖值,并且曲线455表示与曲线405相同的葡萄糖值,以示出交叉校准方法使得第二传感器与第一传感器类似地准确报告葡萄糖值。一旦建立第二传感器根据预期或期望操作,则第一传感器可以被移除。例如,如以上关于图3的方法并且特别地关于方法300的步骤325所讨论的,可以将经由第一传感器所确定的葡萄糖值与经由第二传感器所确定的葡萄糖值进行比较,并且响应于值在预定阈值范围内相关的指示,可以指示第一传感器可以被移除。在经由第一传感器确定的葡萄糖值没有被指示为与经由第二传感器确定的葡萄糖值相关的情况下,则该方法可以如上所讨论的那样继续循环,直至在方法300的步骤325处返回肯定响应(例如,是),使得对象能够移除第一传感器。
虽然在图4中未明确示出,但是可以理解,在一些示例中,可以例如在自***第二传感器后的预定时间(例如,第二传感器***后的12至24小时)处获得第二背景电流。可以基于从任何数目的其他先前佩戴的传感器(其可以包括第一传感器)中检索的数据对第二背景电流进行建模,前提是其他先前佩戴的传感器与第二传感器具有相同的类型,并且先前佩戴的传感器与第二传感器之间的对象是相同的。可以针对第二传感器的整个佩戴时间对第二背景电流进行建模。例如,可以针对15天或更长、20天或更长、或25天或更长、或30天或更长对第二背景电流进行建模。通过针对***第二传感器之后的这样的时间长度对第二背景电流进行建模,可以在第二传感器的寿命内继续对第二传感器测量的电流进行减去操作。这可以例如关于从第二传感器获得的减去的电流到第二传感器葡萄糖值的转换提高第二传感器的准确度。
可以理解,可以在第一持续时间期间减去第一背景电流,并且可以在第二持续时间期间减去第二背景电流。第一持续时间和第二持续时间中的每一个都可以是可变的。例如,如所讨论的,可以建立或生成包括一个或更多个转换参数的转换操作,该转换操作可以用于在第一持续时间和第二持续时间中的每一个期间将减去的电流转换成第二传感器葡萄糖值。在第一持续时间期间,响应于转换操作有效且准确地将减去的电流转换成第二传感器葡萄糖值的指示,第一持续时间可以结束。类似地,在第二持续时间期间,响应于转换操作有效且准确地将减去的电流转换成第二传感器葡萄糖值的指示,第二持续时间可以结束。换一种方式,第一持续时间和第二持续时间可以不包括预定的持续时间,而是与第一持续时间和第二持续时间中的每一个对应的所公开的处理可以在不再需要它们时结束。可以理解,当已经正确建立了针对第二传感器的转换参数和针对第二传感器的背景校正时,不再需要继续处理。在一些示例中,在第一持续时间和第二持续时间期间使用的一个或更多个转换参数可以是相同的,然而,可以理解,在不脱离本公开内容的范围的情况下,一个或更多个转换参数可以是不同的。
此外,虽然在图4中未明确示出,但是可以理解,在一些示例中,第二传感器葡萄糖值的确定可以至少部分地基于针对先前佩戴的传感器(例如,任何数目的先前佩戴的传感器,前提是所述传感器与第二传感器具有相同的类型,并且由与第二传感器相同的对象佩戴)作为时间的函数而确定的分析物灵敏度值。分析物灵敏度值可以与响应于新传感器(例如,***的第二传感器)而在对象中随时间的推移发生的生物过程相关。作为示例,这样的生物过程可以包括新***的传感器的蛋白质涂层。对于新引入的传感器,这样的过程作为时间的函数可能非常相似,并且可以确定转换因子,使得所学习的、随着时间的推移在特定对象中可靠地发生的分析物灵敏度变化可以应用于新引入的传感器。以这种方式,在由对象佩戴新引入的传感器的时间期间(例如,在传感器的整个寿命内),可以提高新引入的传感器的灵敏度。
以这种方式,可以提高新***的分析物传感器的准确度和灵敏度,特别地在准确度和灵敏度由于与变化的背景电流相关的问题而降低的时间段内。通过使用本文所讨论的交叉校准方法,新***的传感器可以容易地基于已经***至对象皮下的另一传感器进行校准,从而避免依赖于实际血液测量值的校准方法。
示例
示例1
交叉校准方法与依赖于实际血糖测试测量值的校准方法的比较
该示例表明,与依赖于实际血糖测试测量值的校准方法相比,如本文在图2处所讨论的交叉校准方法在CGM传感器的校准方面更优异。
转向图5,描绘了用于测试上面在图2中讨论的交叉校准方法的实验过程的示例时间线500。简要地,该过程包括在第一天将第一CGM传感器(#BO)***至对象中。在***第二CGM传感器(#G4)和第三CGM传感器(#H13)之前6天***第一CGM传感器(#BO)。在第7天***第二传感器和第三传感器之前,使用在第一CGM传感器(#BO)被佩戴时期期间经由血糖测试仪获得的血糖值对第一CGM传感器(#BO)进行校准。在***第二传感器(#G4)和第三(#H13)传感器之后,使用上面在图2中描绘的交叉校准方法对第二传感器和第三传感器中的每一个进行校准。具体地,依赖于第一传感器(#BO)对第二传感器(#G4)和第三传感器(#H13)中的每一个进行交叉校准。由图5中描绘的实验过程产生的数据在图6至图8中描绘。
具体地,图6是示出针对第一CGM传感器(#BO)的转换成葡萄糖浓度(mM)的CGM测量值605以及经由血糖测试仪获得的多个实际血糖测量值610的曲线图600。如上所提及的,基于实际血糖测量值来校准第一传感器,并且示出了选定数目的实际血糖测量值610,以示出第一传感器(#BO)的校准的准确度。
图7是示出针对第二CGM传感器(#G4)的转换成葡萄糖浓度(mM)的CGM测量值705的曲线图700。经由图2的方法相对于第一CGM传感器(#BO)对图7中的第二CGM传感器进行交叉校准。在图7中还示出了经由血糖测试仪获得的多个实际血糖测量值710。可以理解,实际血糖测量值710不以任何方式用于校准第二CGM传感器(#G4),但是被示出以说明校准第二CGM传感器的交叉校准方法的准确度。还可以理解,图7中的时间0(分钟)表示第二CGM传感器***至对象中的时间。
图8是示出针对第三CGM传感器(#H13)的转换成葡萄糖浓度(mM)的CGM测量值805的曲线图800。经由图2的方法相对于第一CGM传感器(#BO)对图8中的第三CGM传感器进行交叉校准。在图8中还示出了经由血糖测试仪获得的多个实际血糖测量值810。可以理解,实际血糖测量值810不以任何方式用于校准第三CGM传感器(#H13),但是被示出以说明校准第三CGM传感器的交叉校准方法的准确度。还可以理解,图8中的时间0(分钟)表示第三CGM传感器***至对象中的时间。
关于图7至图8中的每一个,可以理解,作为分别针对第二传感器(#G4)和第三传感器(#H13)中的每一个的交叉校准过程的一部分,在图2的方法中使用从第一CGM传感器(#BO)获得的电流数据和校准的葡萄糖水平。
表1表示用于校准第二CGM传感器(#G4)和第三CGM传感器(#H13)的交叉校准过程与依赖于实际血糖测试读数的用于第一CGM传感器(#BO)的校准过程相比的准确度结果。
表1中描绘的结果示出,当对传感器#H13进行交叉校准时,读数的总误差(以MARD表示)在第1天为14.3%并且在其余6天内为11.4%(其中,第1天是指第二CGM传感器(#H13)***至对象中的那一天)。当对第一CGM传感器(#G4)进行相同的误差计算时,误差在第1天为10.6%并且其余六天内为6.1%。最后一列表示使用血糖值来校准CGM传感器响应时的结果。这些结果表明,本文公开的交叉校准方法产生优于依赖于实际血糖测量值的其他校准方法的结果。具体地,依赖于实际血糖测量值的校准将产生针对传感器#H13的16.0%和针对传感器#G4的15.7%的结果。该分析表明了如本文所讨论的交叉校准方法的优势。首先,该示例示出,交叉校准方法提供了对NGC的更好估计,因此产生与依赖于实际血糖测试测量值的校准过程相比好得多的性能。其次,该示例示出,能够使用接近的多个葡萄糖值提供与7天内扩展的多个值相比更好的校准过程。
示例2
原始未校准的电流轨迹以及经由交叉校准方法校准的CGM传感器与实际血糖测量值之间的比较
该示例表明,针对CGM传感器的背景电流信号在***之后开始较高,并且逐渐通过指数下降进行,并且通过使用交叉校准的方法,可以在传感器***至对象中之后立即产生准确的葡萄糖读数。具体地,图9A是示出了来自***至对象中的CGM传感器的原始未校准的电流(nA)905随时间变化的示例的曲线图900。该时间反应了传感器***之后的分钟,并且示出了电流如何在约6至12小时的时间范围内继续下降。作为参照,还描绘了从***CGM传感器的同一对象获得的实际血糖值906。原始电流与实际血糖之间的差异示出了需要校正背景信号或非葡萄糖的信号,该信号驱动在原始电流轨迹905中看到的偏移。
转向图9B,描绘了曲线图950,示出了针对在图9A中讨论的***至对象中的CGM传感器的、作为时间的函数的葡萄糖浓度确定的示例。具体地,线955描绘了经由图9A中讨论的CGM传感器确定的葡萄糖测量值,并且点956表示经由血糖测试仪获得的实际血糖测量值。CGM传感器在***时经由交叉校准方法进行校准。该示例示出了交叉校准产生与经由血糖测试仪所确定的实际葡萄糖测量值非常接近的葡萄糖测量值。换而言之,该示例示出了本文所讨论的交叉校准方法校正原始电流轨迹(图9A中的线905)与实际血糖值(图9A中的点906和图9B中的点956)之间的差异,以产生基于CGM的血糖确定(参照图9B中的曲线955),该基于CGM的血糖确定准确地反映了经由测试仪所确定的实际血糖确定(图9B中的曲线956)。可以理解,图9B中的示例曲线图与图9A中描绘的数据相关。
尽管本文中已经示出和描述了某些实施方式,但是本领域普通技术人员将理解,在不脱离范围的情况下,为了实现相同目的而计算的各种替选和/或等效实施方式或实现方式可以替代所示出和描述的实施方式。本领域技术人员将容易理解,可以以多种方式来实现实施方式。本申请旨在涵盖本文中讨论的实施方式的任何修改或变型。因此,显然意图在于使实施方式仅由权利要求书及其等同物限制。
Claims (31)
1.一种用于生物传感器校准的方法,所述方法包括:
在第一持续时间内,测量来自第一生物传感器的第一电流并且测量来自第二生物传感器的第二电流,所述第一生物传感器在***所述第二生物传感器之前已经被***至对象的组织中;
将所述第一电流转换成第一分析物值;
将所述第一电流与所述第二电流进行比较;以及
基于所述比较针对所述第二生物传感器生成第二分析物值,从而校准所述第二生物传感器。
2.根据权利要求1所述的方法,其中,在***所述第二生物传感器之前的至少一天但小于三十天,将所述第一生物传感器***至所述对象的所述组织中。
3.根据权利要求1所述的方法,还包括在启动所述第二生物传感器的校准之前校准所述第一生物传感器;并且
其中,基于从所述对象的血液中获得的一个或更多个血液分析物值来校准所述第一生物传感器。
4.根据权利要求1所述的方法,其中,所述第一持续时间为至少一分钟且不超过六十分钟;并且
其中,将所述第一电流转换成所述第一分析物值发生在从所述第一持续时间的起点开始的五秒与六十秒之间。
5.根据权利要求1所述的方法,其中,将所述第一电流与所述第二电流进行比较并且生成所述第二分析物值还包括:
在第二持续时间内预测第一背景电流,所述第一背景电流是作为时间的函数的所述第二电流的一部分,所述第二持续时间延长超过所述第一持续时间,并且其中,在所述第二持续时间期间继续测量所述第二电流;
从在所述第二持续时间内测量的所述第二电流中减去所述第一背景电流,以获得减去的第二电流;以及
至少部分地基于所述第一电流和所述第一分析物值中的一个或更多个,构建转换过程,所述转换过程继而用于针对所述第二生物传感器生成所述第二分析物值。
6.根据权利要求5所述的方法,其中,至少部分地基于所述第二电流、所述第一电流和所述第一分析物值中的一个或更多个预测所述第一背景电流。
7.根据权利要求5所述的方法,其中,所述第二持续时间延长至***所述第二生物传感器后的十二小时。
8.根据权利要求5所述的方法,其中,将所述第一电流与所述第二电流进行比较并且生成所述第二分析物值还包括:
在第三持续时间内预测第二背景电流,所述第二背景电流是作为时间的函数的所述第二电流的一部分,所述第三持续时间延长超过所述第一持续时间和所述第二持续时间,并且其中,在所述第三持续时间期间继续测量所述第二电流;
从在所述第三持续时间内测量的所述第二电流中减去所述第二背景电流,以获得所述减去的第二电流;以及
基于在所述第三持续时间期间确定的所述减去的第二电流作为输入,使用所述转换过程针对所述第二生物传感器生成所述第二分析物值。
9.根据权利要求8所述的方法,还包括检索与针对由所述对象先前佩戴的一个或更多个其他生物传感器的分析物灵敏度有关的历史数据;以及
在生成所述第二分析物值时应用从所述分析物灵敏度导出的校正因子,以提高所述第二生物传感器的灵敏度。
10.根据权利要求1所述的方法,其中,所述第一生物传感器和所述第二生物传感器中的每一个包括葡萄糖生物传感器;并且
其中,所述第一分析物值和所述第二分析物值各自对应于一个或更多个葡萄糖值。
11.一种用于向有需要的对象递送胰岛素的***,所述***包括:
第一葡萄糖生物传感器;
第二葡萄糖生物传感器;
移动计算装置,所述移动计算装置包括处理器,所述处理器在非暂态存储器中存储有指令,所述指令在执行时使所述处理器:
在所述第一葡萄糖生物传感器已经***至所述对象中的情况下,接收所述第二葡萄糖生物传感器已经***至所述对象中的通知;
在接收到所述指示后的确定量的时间内启动交叉校准过程;
从所述第一葡萄糖传感器获得第一电流并且从所述第二生物传感器获得第二电流;
将所述第一电流转换成第一葡萄糖值;
至少部分地基于所述第一电流、所述第二电流和所述第一葡萄糖值来预测与所述第二传感器相关联的背景电流;
从所述第二电流中减去所述背景电流以获得减去的第二电流;
创建用于将所述减去的第二电流转换成第二葡萄糖值的转换操作,所述转换操作至少部分地基于所述第一电流和所述第一葡萄糖值中的一个或更多个;
基于所述转换操作将所述减去的第二电流转换成所述第二葡萄糖值;以及
提供与基于所述第二葡萄糖值向所述对象递送胰岛素有关的指令集。
12.根据权利要求11所述的***,还包括:
与所述移动计算装置进行通信的胰岛素递送单元,所述胰岛素递送单元至少包括胰岛素泵和输注装置,所述输注装置经由管路流体地耦接至所述胰岛素泵;并且
其中,所述移动计算装置的所述处理器存储有另外的指令,以将所述指令集发送至所述胰岛素递送单元,用于通过控制所述胰岛素泵的操作经由所述输注装置向所述对象递送胰岛素。
13.根据权利要求11所述的***,其中,所述移动计算装置还包括:
显示器;并且
其中,所述移动计算装置的所述处理器存储有另外的指令,以经由所述显示器传送与向所述对象递送胰岛素有关的所述指令集。
14.根据权利要求11所述的***,其中,所述移动计算装置的所述处理器存储有另外的指令以:
将所述第一葡萄糖值与所述第二葡萄糖值进行比较;以及
响应于所述第二葡萄糖值在所述第一葡萄糖值的预定阈值内相关的指示,提供与基于所述第二葡萄糖值向所述对象递送胰岛素有关的所述指令集。
15.根据权利要求14所述的***,其中,所述移动计算装置的所述处理器存储有另外的指令以:
响应于所述第二葡萄糖值在所述第一葡萄糖值的所述预定阈值内相关的指示,向所述对象提供所述第一葡萄糖生物传感器能够被移除的警报。
16.根据权利要求11所述的***,其中,所述移动计算装置的所述处理器存储有另外的指令以:
在启动所述交叉校准过程之后的一分钟与60分钟之间预测所述背景电流;以及
在启动所述交叉校准过程之后长达两天内,从所述第二电流中减去所述背景电流,并且基于所述转换操作将减去的所述第二电流转换成所述第二葡萄糖值。
17.一种用于校准***至对象的组织中的生物传感器的设备,所述设备包括:
移动计算装置,所述移动计算装置包括处理器,所述处理器在非暂态存储器中存储有指令,所述指令在执行时使所述处理器:
在第一传感器***至所述对象的所述组织中的情况下,检测第二传感器***至所述组织中;
响应于所述检测,启动所述第二传感器的交叉校准过程;
从所述第一传感器获得第一电流并且从所述第二传感器获得第二电流,并且将所述第一电流转换成第一分析物值;
响应于满足用于对与所述第二传感器相关联的第一非葡萄糖驱动的背景电流进行建模的预定条件的指示,在第一持续时间内预测针对所述第二传感器的所述第一非葡萄糖驱动的背景电流;
在所述第一持续时间期间,从所述第二电流中减去所述第一非葡萄糖驱动的背景电流,以获得针对所述第二传感器的减去的第二电流;以及
将所述减去的第二电流转换成第二分析物值。
18.根据权利要求17所述的设备,其中,所述处理器存储有另外的指令,以基于在满足所述预定条件之前测量的所述第二电流并且至少部分地基于在满足所述预定条件之前获得的所述第一电流和所述第一分析物值中的一个或更多个,来预测所述第一非葡萄糖驱动的背景电流。
19.根据权利要求18所述的设备,其中,所述处理器存储有另外的指令,以基于随时间的推移从较早时间***至所述对象中的多个其他分析物传感器学习的背景电流变化的先前生成的模式,来预测所述第一非葡萄糖驱动的背景电流。
20.根据权利要求17所述的设备,其中,在启动所述交叉校准过程之后的一分钟与六十分钟之间发生满足用于对所述第一非葡萄糖驱动的背景电流进行建模的预定条件的指示;并且
其中,从所述第二电流中减去所述第一非葡萄糖驱动的背景电流的所述第一持续时间为至少两小时且长达六十四小时。
21.根据权利要求17所述的设备,其中,所述处理器存储有另外的指令,以在延长超过所述第一持续时间的第二持续时间内对与所述第二传感器相关联的第二非葡萄糖驱动的背景电流进行建模;
在所述第二持续时间内继续从所述第二传感器获得所述第二电流;
从在所述第二持续时间内测量的所述第二电流中减去所述第二非葡萄糖驱动的背景电流,以获得针对所述第二传感器的所述减去的第二电流;以及
将所述减去的第二电流转换成所述第二分析物值。
22.根据权利要求21所述的设备,其中,从所述第二电流中减去所述第二非葡萄糖驱动的背景电流的所述第二持续时间为至少15天且长达32天。
23.根据权利要求21所述的设备,其中,所述处理器存储有另外的指令,以基于从所述对象先前佩戴的、与所述第一传感器和所述第二传感器中的每一个具有相同的类型的一个或更多个分析物传感器中检索的数据,对所述第二非葡萄糖驱动的背景电流进行建模。
24.根据权利要求21所述的设备,其中,获得所述减去的第二电流并且将所述减去的第二电流转换成所述第二分析物值还包括:
经由存储在所述处理器的非暂态存储器中的另外的指令,从所述对象对其他分析物传感器的先前使用调用一个或更多个先前学习的分析物灵敏度值;以及
应用校正过程以获得针对所述第二传感器的准确的分析物灵敏度。
25.根据权利要求21所述的设备,其中,所述处理器存储有另外的指令,以生成转换操作,所述转换操作包括一个或更多个转换参数,并且用于在所述第一持续时间和所述第二持续时间中的每一个内将所述减去的第二电流转换成所述第二分析物值;
其中,所述第一时间持续时间和所述第二持续时间中的每一个均是可变的,并且所述第一时间持续时间和所述第二持续时间中的每一个均响应于所述转换操作在所述第一时间持续时间和所述第二持续时间中的每一个期间将所减去的电流准确地转换成所述第二分析物电流的指示而终止;并且
其中,针对所述转换操作的所述一个或更多个转换参数在所述第一持续时间与所述第二持续时间之间相同或不同。
26.一种非暂态计算机可读存储介质,其上存储有用于生物传感器校准的可执行程序,其中,所述可执行程序指示微处理器执行以下步骤:
在将第一分析物传感器***至对象的皮肤中之后,检测第二分析物传感器已***至所述对象的所述皮肤中,其中所述第一分析物传感器的***发生在所述第二分析物传感器被***之前的一天与三十天之间;
基于所述检测启动交叉校准过程;
从所述第一分析物传感器中检索第一电流并且从所述第二分析物传感器中检索第二电流,并且在启动所述交叉校准过程的五秒至六十秒内将所述第一电流转换成第一分析物值;
在启动所述交叉校准过程之后的六十秒至一小时内,基于所述第二电流确定能够针对所述第二分析物传感器建立电流衰减趋势,并且作为响应,至少部分地基于在启动所述交叉校准过程之后的六十秒至一小时内测量的所述第二电流,预测在持续时间内推断的背景电流;
在所述持续时间内,从所述第二电流中减去所述背景电流分布以获得减去的第二电流;
以及
将所述减去的第二电流转换成第二分析物值,从而校准所述第二分析物传感器。
27.根据权利要求26所述的非暂态计算机可读存储介质,其中,所述可执行程序存储有另外的指令以:
在所述持续时间期间,继续将所述第一电流转换成所述第一分析物值;
将所述持续时间期间的所述第一分析物值与所述第二分析物值进行比较;以及
响应于在所述持续时间期间获得的所述第一分析物值在所述第二分析物值的预定阈值内相关,而确定所述第二分析物传感器被有效地校准并且所述第一分析物传感器能够被移除。
28.根据权利要求27所述的非暂态计算机可读存储介质,其中,所述可执行程序存储有另外的指令以:
响应于所述第二分析物传感器未被有效地校准的指示,重复所述交叉校准过程并且将所述第一分析物值与所述第二分析物值进行比较,直至确定所述第二分析物传感器被有效地校准并且能够从所述对象中移除。
29.根据权利要求26所述的非暂态计算机可读存储介质,其中,所述可执行程序存储有另外的指令以:
基于所述第二分析物值确定要注射至所述对象的适当量的胰岛素,其中,所述第一分析物传感器和所述第二分析物传感器中的每一个均是葡萄糖生物传感器;并且
其中,所述第一分析物值和所述第二分析物值各自对应于血糖值。
30.根据权利要求26所述的非暂态计算机可读存储介质,其中,所述持续时间包括在一小时与十二小时之间。
31.根据权利要求26所述的非暂态计算机可读存储介质,其中,所述可执行程序存储有另外的指令以:
在所述持续时间期间至少部分地基于针对所述第二分析物传感器的所述第二分析物值来生成分析物灵敏度;
从所述对象的先前分析物传感器佩戴时段中检索一个或更多个分析物传感器性能参数,所述一个或更多个分析物传感器性能参数包括与多个先前佩戴的分析物传感器对应的分析物灵敏度确定数据集以及背景电流数据集;以及
实现依赖于所述背景电流数据集和所述分析物灵敏度确定数据集中的一个或更多个的一个或更多个校正过程,以提高针对所述第二分析物传感器的所述分析物灵敏度的准确度。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962845498P | 2019-05-09 | 2019-05-09 | |
US62/845,498 | 2019-05-09 | ||
PCT/US2020/031948 WO2020227573A1 (en) | 2019-05-09 | 2020-05-07 | Systems and methods for biosensor cross-calibration |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114126477A true CN114126477A (zh) | 2022-03-01 |
Family
ID=73045934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080049713.0A Pending CN114126477A (zh) | 2019-05-09 | 2020-05-07 | 用于生物传感器交叉校准的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11464433B2 (zh) |
EP (1) | EP3965640A4 (zh) |
CN (1) | CN114126477A (zh) |
WO (1) | WO2020227573A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023133231A1 (en) * | 2022-01-07 | 2023-07-13 | Laxmi Therapeutic Devices, Inc. | Personalized calibration for glucose sensing |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006024671A1 (en) * | 2004-09-03 | 2006-03-09 | Novo Nordisk A/S | A method of calibrating a system for measuring the concentration of substances in body and an apparatus for exercising the method |
US20090054748A1 (en) * | 2006-02-28 | 2009-02-26 | Abbott Diabetes Care, Inc. | Method and system for providing continuous calibration of implantable analyte sensors |
US20100234710A1 (en) * | 2008-03-28 | 2010-09-16 | Abbott Diabetes Care Inc. | Analyte Sensor Calibration Management |
CN102046080A (zh) * | 2008-03-28 | 2011-05-04 | 雅培糖尿病护理公司 | 分析物传感器校准控制 |
US20120108934A1 (en) * | 2010-10-27 | 2012-05-03 | Dexcom, Inc. | Continuous analyte monitor data recording device operable in a blinded mode |
US20140121480A1 (en) * | 2012-10-30 | 2014-05-01 | Abbott Diabetes Care Inc. | Sensitivity Calibration of In Vivo Sensors Used to Measure Analyte Concentration |
US20140278189A1 (en) * | 2013-03-14 | 2014-09-18 | Dexcom, Inc. | Advanced calibration for analyte sensors |
CN107771056A (zh) * | 2015-09-10 | 2018-03-06 | 德克斯康公司 | 经皮分析物传感器和监视器、其校准以及相关联方法 |
CN109640796A (zh) * | 2016-06-29 | 2019-04-16 | 豪夫迈·罗氏有限公司 | 用于提供与在连续监测***中测得的分析物值相关联的信号质量度的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9135402B2 (en) * | 2007-12-17 | 2015-09-15 | Dexcom, Inc. | Systems and methods for processing sensor data |
US7299082B2 (en) | 2003-10-31 | 2007-11-20 | Abbott Diabetes Care, Inc. | Method of calibrating an analyte-measurement device, and associated methods, devices and systems |
US7729737B2 (en) * | 2005-11-22 | 2010-06-01 | Isense Corporation | Method and apparatus for background current arrangements for a biosensor |
WO2012155032A2 (en) * | 2011-05-11 | 2012-11-15 | Bayer Healthcare Llc | Back calibration of sensor data |
US9603561B2 (en) | 2013-12-16 | 2017-03-28 | Medtronic Minimed, Inc. | Methods and systems for improving the reliability of orthogonally redundant sensors |
US10888272B2 (en) * | 2015-07-10 | 2021-01-12 | Abbott Diabetes Care Inc. | Systems, devices, and methods for meal information collection, meal assessment, and analyte data correlation |
-
2020
- 2020-05-07 WO PCT/US2020/031948 patent/WO2020227573A1/en unknown
- 2020-05-07 CN CN202080049713.0A patent/CN114126477A/zh active Pending
- 2020-05-07 US US16/869,470 patent/US11464433B2/en active Active
- 2020-05-07 EP EP20801968.7A patent/EP3965640A4/en active Pending
-
2022
- 2022-09-21 US US17/949,975 patent/US20230027609A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006024671A1 (en) * | 2004-09-03 | 2006-03-09 | Novo Nordisk A/S | A method of calibrating a system for measuring the concentration of substances in body and an apparatus for exercising the method |
US20090054748A1 (en) * | 2006-02-28 | 2009-02-26 | Abbott Diabetes Care, Inc. | Method and system for providing continuous calibration of implantable analyte sensors |
US20100234710A1 (en) * | 2008-03-28 | 2010-09-16 | Abbott Diabetes Care Inc. | Analyte Sensor Calibration Management |
CN102046080A (zh) * | 2008-03-28 | 2011-05-04 | 雅培糖尿病护理公司 | 分析物传感器校准控制 |
US20120108934A1 (en) * | 2010-10-27 | 2012-05-03 | Dexcom, Inc. | Continuous analyte monitor data recording device operable in a blinded mode |
US20140121480A1 (en) * | 2012-10-30 | 2014-05-01 | Abbott Diabetes Care Inc. | Sensitivity Calibration of In Vivo Sensors Used to Measure Analyte Concentration |
US20140278189A1 (en) * | 2013-03-14 | 2014-09-18 | Dexcom, Inc. | Advanced calibration for analyte sensors |
CN107771056A (zh) * | 2015-09-10 | 2018-03-06 | 德克斯康公司 | 经皮分析物传感器和监视器、其校准以及相关联方法 |
CN109640796A (zh) * | 2016-06-29 | 2019-04-16 | 豪夫迈·罗氏有限公司 | 用于提供与在连续监测***中测得的分析物值相关联的信号质量度的方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3965640A1 (en) | 2022-03-16 |
WO2020227573A1 (en) | 2020-11-12 |
US20230027609A1 (en) | 2023-01-26 |
US20200352479A1 (en) | 2020-11-12 |
EP3965640A4 (en) | 2023-01-18 |
US11464433B2 (en) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11282603B2 (en) | Method and system for providing analyte monitoring | |
US20210275065A1 (en) | Optimizing analyte sensor calibration | |
CN107771056B (zh) | 经皮分析物传感器和监视器、其校准以及相关联方法 | |
US9770211B2 (en) | Analyte sensor with time lag compensation | |
US11612363B2 (en) | Methods and apparatuses for providing adverse condition notification with enhanced wireless communication range in analyte monitoring systems | |
US9804148B2 (en) | Analyte sensor with lag compensation | |
US20180296758A1 (en) | Closed loop control with reference measurement and methods thereof | |
JP7350812B2 (ja) | 感度プロファイルに基づく留置センサの工場校正または不完全校正のためのシステム及び方法 | |
JP2011517422A (ja) | 検体センサ較正管理 | |
AU2018214124A1 (en) | Methods and apparatuses for providing adverse condition notification in analyte monitoring systems | |
CN106999110A (zh) | 准确度提高的连续葡萄糖监控方法、***和设备 | |
CN112423666A (zh) | 用基于卡尔曼的校准的传感器信号处理 | |
US20230027609A1 (en) | Systems and methods for biosensor cross-calibration | |
US20160262669A1 (en) | Methods for Generating Hybrid Analyte Level Output, and Devices and Systems Related Thereto | |
CN115397313A (zh) | 用于提高连续血糖监测***的性能的辅助数据 | |
US20210059602A1 (en) | Systems, devices and methods for estimating blood glucose concentrations from signals of sensors deployed in tissue | |
CA2926212A1 (en) | Methods and apparatuses for providing adverse condition notification with enhanced wireless communication range in analyte monitoring systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |