JP6874155B2 - 生理的グルコースの閉ループ制御 - Google Patents

生理的グルコースの閉ループ制御 Download PDF

Info

Publication number
JP6874155B2
JP6874155B2 JP2019558688A JP2019558688A JP6874155B2 JP 6874155 B2 JP6874155 B2 JP 6874155B2 JP 2019558688 A JP2019558688 A JP 2019558688A JP 2019558688 A JP2019558688 A JP 2019558688A JP 6874155 B2 JP6874155 B2 JP 6874155B2
Authority
JP
Japan
Prior art keywords
glucose
insulin
patient
dose
controller
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.)
Active
Application number
JP2019558688A
Other languages
English (en)
Other versions
JP2020518340A (ja
Inventor
モハマド ハイダル，アーマッド
モハマド ハイダル，アーマッド
Original Assignee
イーライ リリー アンド カンパニー
イーライ リリー アンド カンパニー
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by イーライ リリー アンド カンパニー, イーライ リリー アンド カンパニー filed Critical イーライ リリー アンド カンパニー
Publication of JP2020518340A publication Critical patent/JP2020518340A/ja
Priority to JP2021071574A priority Critical patent/JP7431773B2/ja
Application granted granted Critical
Publication of JP6874155B2 publication Critical patent/JP6874155B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/142—Pressure infusion, e.g. using pumps
    • A61M5/14244—Pressure infusion, e.g. using pumps adapted to be carried by the patient, e.g. portable on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/172—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic
    • A61M5/1723—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body electrical or electronic using feedback of body parameters, e.g. blood-sugar, pressure
    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or 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
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/14503—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or 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
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A61B5/4839—Diagnosis combined with treatment in closed-loop systems or methods combined with drug delivery
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2202/00—Special media to be introduced, removed or treated
    • A61M2202/04—Liquids
    • A61M2202/0468—Liquids non-physiological
    • A61M2202/0486—Glucose

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Anesthesiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Vascular Medicine (AREA)
  • Artificial Intelligence (AREA)
  • Hematology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Diabetes (AREA)
  • Emergency Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Automation & Control Theory (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)
  • External Artificial Organs (AREA)

Description

関連出願
本出願は、２０１７年５月５日に出願された、仮出願第６２／５０１，９７６号（その全体が参照により本明細書に組み込まれる）、および２０１７年７月２５日に出願された、仮出願第６２／５３６，５４１（その全体が参照により本明細書に組み込まれる）に対する優先権を主張する。
本開示は、生理的グルコース濃度の制御に関する。より具体的には、本開示は、患者の生理的グルコース濃度を制御するための閉ループシステムおよび方法に関する。
皮下インスリン補充療法は、糖尿病を制御するための最適なレジメンであることが証明されている。インスリンは、毎日複数回の注射または注入ポンプのいずれかを介して投与され、投与量は、血中グルコース計によって１日数回行われる毛細管グルコース測定によって通知される。この従来の手法は、日々の（および実際には瞬間的な）変動が大きくなる可能性があるため、不完全であることが知られている。さらに、この手法は、繰り返し指を刺すこと、食物摂取の厳密な監視、およびインスリン送達の用心深い制御を必要とするため、患者にとって負担となり得る。
連続グルコースモニタ（ＣＧＭ）などのグルコース測定デバイスの出現により、閉ループ人工膵臓（ＡＰ）システムを開発できる可能性が生まれている。ＡＰシステムは、注入ポンプに指示を与えるコントローラで実行される投与／制御アルゴリズムでＣＧＭによって提供されるグルコースデータを使用し、ポンプは患者に薬剤を投与する。このようなシステムは、よりよい血糖コントロールの可能性を提供するため、糖尿病治療に革命を起こす可能性がある。さらに、このようなシステムは、警戒についての患者の要求を減らし、したがって、生活の質の向上を促進する。
人工膵臓システムの一部の既存の制御アルゴリズムは、わずかな変動範囲内での動作に制限されるか（非適応コントローラの場合）、またはグルコース動態の急激な変化にゆっくりと反応するように制限されるかのいずれかである。いくつかの既存の制御アルゴリズムには、一般に人体にインスリンのモデルが含まれていないものもあれば、単一の固定モデルまたはゆっくりと適応するモデルであるモデルが含まれているものもある。これらの制限された制御アルゴリズムは、グルコース動態が一定であるか、またはゆっくりと変化する場合のいずれかでのみ、グルコース濃度を適切に制御することができる。現在のＡＰシステムには、グルコース動態の急激な変動だけでなく、緩やかな変化を特に処理するように設計された制御方法が欠けている。
本開示の例示の実施形態によれば、患者に薬剤投与量を送達するように構成されている薬剤送達デバイスと、少なくとも１つのユーザ入力に基づいて、ユーザデータを生成するように構成されているユーザインターフェースとを含む、患者の血糖を制御するためのシステムが提供される。システムは、薬剤送達デバイスおよびユーザインターフェースと通信するコントローラをさらに含む。コントローラは、グルコース測定デバイスから、事前選択された間隔でグルコース信号を受信することを行うように動作可能な制御ロジックを含む。グルコース信号は、患者のグルコースレベルを表す。制御ロジックは、複数モデル予測コントローラアルゴリズムを実行して、薬剤投与量要求を決定し、かつ薬剤送達デバイスに薬剤投与量要求を送信するようにさらに動作可能である。
本開示の上述および他の特徴および利点、ならびにそれらを達成する様式は、本発明の実施形態の以下の説明を添付の図面と併せて参照することによってより明らかになり、またよりよく理解されることとする。
生理的グルコースを制御するためのシステムの代表的なブロック図を示す。 生理的グルコースを制御するためのシステムの代表的なブロック図を示す。 生理的グルコースを制御するためのシステムの代表的なブロック図を示す。 図１および図２のシステムの電子コントローラ上で実行するように構成されている、例示的なモデル予測制御アルゴリズムの例示的なブロック図を示す。 最適な基礎インスリン偏差を計算する例示のブロック図を示す。 例示的なコンパートメントモデルのブロック図を示す。 関連付けられたモデルおよび共分散行列を使用した状態ベクトルの伝搬およびフィルタリングのブロック図を示す。 共分散行列の実施例を示す。 最適な基礎偏差が変更を必要とするかどうかを決定するために実行され得る、いくつかの例示の操作を詳細に説明するフローチャートを示す。 グルカゴン投与量を決定するために実行され得る、いくつかの例示の操作を詳細に説明するフローチャートを示す。 食事ボーラスで送達されるべき薬物（例えば、インスリン）の量を決定する際に適用され得る、様々な例示のロジックを詳細に説明するフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。 患者のグルコースを制御するためにシステムで実行することができる、方法の例示的なフローチャートを示す。
複数の図面全体を通して、対応する参照符号は、対応する部品を示す。本明細書に記載される例証は、本発明の例示の実施形態を例示し、そのような例証は、いかなる様式においても本発明の範囲を限定するものと解釈されるべきではない。
システムハードウェア
本明細書で使用する「ロジック」または「制御ロジック」という用語には、１つ以上のプログラマブルプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、ハードワイヤードロジック、またはそれらの組み合わせが含まれ得る。したがって、実施形態によれば、様々なロジックは、任意の適切な様式で実装され得、かつ本明細書で開示される実施形態に従っている。
「薬物」または「薬剤」という用語は、限定されないが、インスリン、インスリンリスプロまたはインスリングラルギン等のインスリンアナログ、インスリン誘導体、デュラグルチドまたはリラグルチド等のＧＬＰ−１受容体アゴニスト、グルカゴン（Glucagon）、グルカゴン類似体、グルカゴン誘導体、胃抑制ポリペプチド（ＧＩＰ）、ＧＩＰ類似体、ＧＩＰ誘導体、オキシントモジュリン類似体、オキシントモジュリン誘導体、治療用抗体、および注入セットによる輸送または送達が可能な任意の治療薬を含む、１つ以上の治療薬を指す。薬物送達デバイス内で使用される薬物は、１つ以上の賦形剤とともに処方されてもよい。薬物送達デバイスは、本明細書に一般的に記載されているような様式で動作して、薬物を人に送達する。
本明細書では、生理的グルコースの閉ループ制御を提供するための方法が開示されている。システムの例示的なハードウェア要素には、体内の生理的グルコース濃度を測定するためのセンサ、ユーザデータを受信するためのユーザインターフェース、インスリンを送達するためのポンプ、およびデータを統合し、アルゴリズムを実行し、かつポンプを制御することを行うように動作可能である制御ロジックを含む電子コントローラが含まれる。さらに、様々な要素が互いに通信する場合がある。図１、図１Ａおよび図２は、生理的グルコースを制御するためのシステム１０の例示的で代表的なブロック図を示す。システム１０は、薬物送達デバイス１２、ユーザインターフェース２０、グルコースを測定するためのデバイス２２、および電子コントローラ２４を含む。
薬物送達デバイス１２は、例示的に注入ポンプ１２である。例示的なポンプ１２は、２０１３年３月７日に出願された、「Ｉｎｆｕｓｉｏｎ Ｐｕｍｐ Ａｓｓｅｍｂｌｙ」という名称のＬａｎｉｇａｎ ｅｔ ａｌ．の米国特許出願第１３／７８８，２８０号に記載されたものなどの歩行用注入ポンプを含む。ポンプ１２は、第１の薬剤を含む少なくとも１つの薬剤リザーバ１６を含むことができる。第１の薬剤は、生理的グルコースの制御に関与するホルモンであり得る。いくつかの特定の実施形態では、第１の薬剤は、インスリンなどの生理的グルコース濃度を低下させるホルモンであり得る。他の実施形態では、薬物送達デバイスは、ＳＧＬＴ−１またはＳＧＬＴ−２などの経口薬剤と組み合わせて使用されてもよい。他の実施形態は、第１の薬剤に拮抗するホルモンであり得る、第２の薬剤用の追加のリザーバ１６を含み得る。例えば、追加のリザーバ１６に保存される第２の薬剤は、生理的グルコース濃度を上昇させる薬物またはグルカゴンなどのホルモンであり得る。別の実施例では、第２の薬剤は、ＧＬＰ−１、プラムリンチド、アミリン、または別のアミリン類似体などの別の好適なグルコース管理薬物であり得る。本明細書におけるアミリンという用語の使用は、アミリンまたはその任意の類似化合物が使用され得ることを意味すると理解されるものとする。薬剤送達デバイス１２は、ポンプ１２から患者１４への流体経路を提供する注入セット１８を介して、患者１４に少なくとも１つの薬剤を送達することができる。注入セット１８は、例えば、ポンプ１２から患者１４内の皮下目的地への流体経路を提供することができる。いくつかの実施形態では、ポンプ１２は、患者１４内の皮下目的地への流体経路を提供する。ポンプ１２または注入セット１８は、患者の皮下組織に挿入するための針またはカニューレを含み得る。
システム１０は、グルコース測定デバイス２２などの分析物センサを含む。グルコース測定デバイス２２は、独立型デバイスであってもよいし、または歩行用デバイスであってもよい。グルコース測定デバイスの一実施例は、連続グルコースモニタ（ＣＧＭ）２２である。特定の実施形態では、ＣＧＭ２２は、Ｄｅｘｃｏｍ Ｇ４またはＧ５シリーズ連続グルコースモニタなどのグルコースセンサであってもよいが、任意の好適な連続グルコースモニタが使用されてもよい。ＣＧＭ２２は、例示的に患者１４によって装着され、患者１４内の生理的空間（例えば、間質または皮下空間）と通信し、またはそれを監視し、かつ患者１４の分析物（例えば、グルコース）濃度を検知できる、１つ以上のセンサを含む。いくつかの実施形態では、ＣＧＭ２２は、間質液中のグルコース、例えば間質グルコース（ＩＧ）の濃度と関連付けられた値を報告する。ＣＧＭ２２は、ＩＧ値を表す信号を、ユーザインターフェース２０、ポンプ１２、コントローラ２４、または別の受信機に送信することができる。
システム１０は、システム１０にユーザデータを入力し、値を変更し、かつシステム１０によって生成された情報、プロンプト、データなどを受信するために使用され得る、ユーザインターフェース（ＵＩ）デバイス２０を含む。ＵＩ２０は、英数字データをコントローラ２４に提供するためのキーボードまたはキーパッドなどの入力デバイスを含むことができる。キーボードまたはキーパッドには、良好な視力なしでの使用を容易にする触覚インジケータ、または照明なしで使用するためのバックライト付きキーが含まれ得る。ＵＩ２０は、デバイスと通信するためのボタンまたはスイッチを含むことができる。一実施例では、ＵＩ２０は、食事、運動の開始、運動の終了、緊急停止などのイベントを知らせるボタンまたはスイッチを有する。いくつかの実施形態では、ＵＩは、ディスプレイを備えたグラフィカルユーザインターフェース（ＧＵＩ）であり、ここで、ユーザは、提示された情報、メニュー、ボタンなどと相互作用して、システム１０から情報を受信し、かつシステム１０に情報を提供する。ＵＩ２０は、ＵＩ２０と相互作用するためのポインター、ローラーボール、およびボタンを含むことができる。加えて、ＵＩ２０は、画像およびテキストを表示することができ、タッチを介して入力を検出することができるタッチスクリーン上に実装され得る。ＵＩ２０は、専用デバイスであってもよいし、または電話、タブレットなどの個人用スマートデバイス上で実行されるアプリケーションまたはアプリを介して実装されてもよい。ＵＩ２０は、ポンプ１２およびＣＧＭ２２と通信してもよい。ポンプ１２およびＣＧＭ２２はまた、互いに通信していてもよい。
コントローラ２４は、薬物送達デバイス１２（図２を参照）に、またはポンプ１２の外部、例えば、ＵＩ２０（図１を参照）に含まれてもよい。代替的に、ＵＩ２０およびポンプ１２は各々、コントローラ２４を含むことができ、システム１０の制御は、２つのコントローラ２４の間で分割されてもよい。コントローラ２４は、コントローラ２４のメモリに格納されたソフトウェアおよび／またはファームウェアを実行する、少なくとも１つのプロセッサ（例えば、マイクロプロセッサ）を含むことができる。ソフトウェア／ファームウェアコードは、プロセッサによって実行されると、コントローラ２４に本明細書に記載の制御アルゴリズムの機能を実施させる命令を含む。代替的に、コントローラ２４は、１つ以上の特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタルシグナルプロセッサ（ＤＳＰ）、ハードワイヤードロジック、またはそれらの組み合わせを含み得る。コントローラ２４は、システム１０の複数の構成要素から情報を受信し、かつその情報（例えば、ポンプデータ、グルコースデータ、薬物送達データ、ユーザデータ）を、ポンプ１２の動作を部分的に制御することができる少なくとも１つの薬物送達制御パラメータを決定する制御アルゴリズム内に供給することができる。いくつかの特定の実施形態では、コントローラ２４は、ポンプ１２からポンプデータを、ＣＧＭ２２からグルコースデータを、およびＵＩ２０からユーザデータを受信し得る。受信されたポンプデータは、ポンプ１２によって患者１４に送達された薬物投与量に対応する薬物送達データを含み得る。ポンプデータは、投与量が送達されるときに、または所定のスケジュールでポンプ１２によって供給されてもよい。コントローラ２４によって受信されたグルコースデータは、ＣＧＭ２２からのグルコース濃度データを含むことができる。グルコースデータは、時折または事前定義された間隔（例えば、５分または１０分ごと）で、連続的な速度で供給されてもよい。
図１Ａは、システム１０の例示的な実装形態を示している。コントローラ２４は、薬物送達デバイス１２およびＵＩ２０とは別個のものとして示されているが、コントローラ２４は、薬物送達デバイス１２またはＵＩ２０のいずれかに物理的に組み込まれていてもよい。システム１０内のその物理的位置に関係なく、コントローラ２４は、薬物送達デバイス１２、ＵＩ２０、およびＣＧＭ２２に直接的または間接的に通信可能に結合されるように示されている。コントローラ２４は、１つ以上の通信リンク２８を介して、薬物送達デバイス１２、ＵＩ２０、およびＣＧＭ２２に通信可能に結合するために、１つ以上のインターフェース２６を含むか、または通信可能に結合されてもよい。例示的なインターフェース２６は、有線および無線の信号送信機および受信機を含む。例示的な通信リンク２８は、有線通信リンク（例えば、シリアル通信）、例えば、ブルートゥース、ＩＥＥＥ８０２．１１、独自の無線プロトコルなどの短距離無線リンクなどの無線通信リンク、および／または同様のものなどを含む。「通信リンク」という用語は、少なくとも２つのデバイス間で少なくとも１つの方向に何らかのタイプの情報を通信する能力を指し得る。通信リンク２８は、持続的通信リンク、断続的通信リンク、アドホック通信リンクおよび／または同様のものであり得る。情報（例えば、ポンプデータ、グルコースデータ、薬物送達データ、ユーザデータ）は、通信リンク２８を介して送信され得る。薬物送達デバイス１２、ＵＩ２０、およびＣＧＭ２２はまた、１つ以上の通信リンク２８を介して、システム１０内の他のデバイスに通信可能に結合するための１つ以上のインターフェースを含み得る。
図１Ａは、メモリ３０と、１つ以上のインターフェース２６に、および互いに通信可能に結合されたプロセッサ３２とを含む、コントローラ２４を示す。メモリ３０は、揮発性および／または不揮発性メモリの形態のコンピュータ可読記憶媒体を含むことができ、取り外し可能、取り外し不能、またはそれらの組み合わせとすることができる。実施形態では、メモリ３０は、プロセッサ３２に、本明細書で説明するシステム構成要素の実施形態の態様を実施させ、ならびに／または方法の実施形態の態様、および以下でより詳細に説明される制御ロジックを含む、本明細書で説明される手順を実行させるための実行可能命令３４（例えば、コンピュータコード、機械使用可能命令など）を格納する。メモリ３０、プロセッサ３２、およびインターフェース２６は、１つ以上のバスによって通信可能に結合されてもよい。
上述のように、ＵＩ２０は、専用デバイス（例えば、システム１０用に特別にプログラム化されたハンドヘルドユーザデバイス）であってもよく、または例えば、電話、タブレットなどの個人用スマートデバイス上で実行するアプリケーションまたはアプリを介して実装されてもよい。ＵＩ２０は、入力デバイス３６（例えば、ボタン、スイッチ）およびＧＵＩを表示するディスプレイ３８を含み得る。ユーザは、入力デバイス３６およびディスプレイ３８と相互作用して、システム１０に情報を提供することができる。
ポンプデータ、グルコースデータ、薬物送達データ、およびユーザデータは、取得されたときにコントローラ２４に、事前定義されたスケジュールで提供されるか、またはメモリでキューに入れられ、要求時にコントローラ２４に提供され得る。ユーザデータは、ＵＩ２０によって生成され、および／または訓練中に指示されるように患者１４によって言明されたユーザ／患者プロンプトに応じて、ＵＩ２０に入力され得る。いくつかの実施形態では、ポンプデータ、グルコースデータ、および／またはユーザデータのうちの少なくとも一部は、コントローラ２４と関連付けられたメモリから取り出されてもよく、このデータの一部は、ポンプ１２内のメモリから取り出されてもよい。いくつかの実施形態では、ＵＩ２０とのユーザ相互作用は最小限であってもよく、患者１４は、コントローラ２４によって実装されるアルゴリズムの実行を開始し、かつ食事および／または運動の告知を提供するように促される。他の実施形態では、コントローラ２４によって実装されるアルゴリズムを初期化するために、様々な追加データを提供するようにユーザに促すことができる。
コントローラ２４のメモリは、プロセッサによってアクセス可能な任意の好適なコンピュータ可読媒体である。メモリは、単一のストレージデバイスまたは複数のストレージデバイスであり得、コントローラ２４の内部または外部に配置され得、さらに揮発性および不揮発性の両方の媒体を含み得る。例示的なメモリには、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、電気的消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ）、フラッシュメモリ、ＣＤ−ＲＯＭ、デジタル多用途ディスク（ＤＶＤ）または他の光ディスクストレージ、磁気ストレージデバイス、またはデータを保存するように構成され、かつコントローラ２４によってアクセス可能な任意の他の好適な媒体が含まれる。
ユーザデータには、インスリン／炭水化物の比率、食事のサイズ、食事の炭水化物の比率、および運動が含まれ得るが、これらに限定されない。ユーザデータはまた、本明細書でインスリン必要量データと称される一群のデータを含んでもよい。インスリン必要量データには、１日の総インスリン投与量（ＴＤＤ）、１日の合計基礎投与量（ＴＤＢ）、基礎投与量、および基礎プロファイルが含まれ得るが、これらに限定されない。例示の実施形態では、ＴＤＤは、２４時間にわたって送達されるすべてのインスリンの合計であり、ＴＤＢは、２４時間にわたって送達されるすべての基礎インスリンの合計である。一実施形態では、ＴＤＢは、ＴＤＤから食事ボーラスの合計を引いたものにほぼ等しい。例示の実施形態では、基礎投与量は、事前定義された期間にわたってユーザが必要とする開ループまたは公称インスリン投与量である。一実施例では、基礎投与量は、ＣＧＭからコントローラによって受信されたグルコース測定間の各期間または間隔の持続時間に対してユーザが必要とするインスリンの量である。別の実施例では、時間ｔでの基礎投与量は、時間ｔでの基礎プロファイルである。例示の実施形態では、基礎プロファイルは、２４時間の経過にわたる事前定義された時変インスリン流量である。一実施例では、基礎プロファイルは、インスリン流量のリスト、または流量と時間のペアのリストとして表されてもよい。別の実施例では、基礎プロファイルは、方程式として表されてもよい。これらのユーザデータ値のうちの１つ以上は、必要に応じてＵＩから更新されてもよい。いくつかの実施形態では、ＴＤＤおよびＴＤＢは、コントローラによって定期的に更新され、ここで、値は、１日以上にわたってユーザに供給される総インスリンおよび基礎インスリンの記録量に基づいている。いくつかの実施形態では、ＴＤＤおよび／またはＴＤＢは、臨床医またはユーザによってユーザインターフェースで入力されるか、またはコントローラによって読み取り可能なメモリに記憶されてもよい。
コントローラ２４によって決定される少なくとも１つの薬物送達パラメータは、薬剤投与量（複数可）であり得、これは、ポンプ１２を介した患者１４への薬物投与を少なくとも部分的に管理し得る。インスリン送達の場合、薬物送達パラメータを使用して、基礎速度または微量ボーラス投与量、食事ボーラス投与量または食事ボーラス適用量が計算され得る。デュアルホルモンシステムでは、データは、インスリン、およびグルカゴンまたはアミリンなどの第２の薬剤のいずれかまたはその両方の送達を通知し得る。一実施形態では、ポンプ１２に提供される薬物送達パラメータは、特定の量またはボリュームの薬剤を送達するようにポンプに要求する制御信号である。一実施形態では、薬物送達パラメータは、ポンプ１２が薬剤の量もしくはボリュームまたはいくつかのポンプストロークに変換する、アナログまたはデジタル信号である。いくつかの実施形態では、薬物送達パラメータは、基礎インスリン投与量または基礎インスリンプロファイルの現在値からの偏差である。偏差は、インスリンの量もしくはボリューム、または基礎インスリン投与量の割合であり得る。したがって、システム１０は、血糖制御を行うために初期起動後に患者１４からの相互作用を最小限に抑えるか、または全く必要としない、閉ループ設定で動作し得る。
本明細書における生理的グルコースという用語は、体内のグルコースの測定濃度を指す。いくつかの実施形態では、生理的グルコースは、血中グルコースと称されることもある血液中のグルコースの濃度であり得る。他の実施形態では、生理的グルコースは、血漿グルコースと称されることがある血漿中のグルコースの濃度であり得る。血漿グルコースの測定では、血液の血球が除去されているため、血漿グルコースの測定値は通常、血中グルコースよりも１０〜１２％高くなる。血漿グルコースと血中グルコースとの間の関係は、ヘマトクリットに依存し、患者ごとに、かつ経時的に変化することができる。本明細書ではＰＧと省略される生理的グルコースは、間質グルコースおよび略称ＩＧと称される間質液中のグルコース濃度を測定することにより、間接的に測定され得る。
例示の実施形態では、システム１０は、基礎送達またはボーラス送達としてインスリンを身体に供給することができる。基礎送達は、患者の血液中のグルコースレベルを所望のレベルに維持するために、患者が必要とする基礎速度でのインスリンの連続送達である。インスリン送達デバイス１２は、微量ボーラスまたは基礎投与量で基礎送達を提供し得、その後、基礎速度に平均化されるゼロ流量の期間が続く。一実施例では、インスリン送達デバイスは、固定間隔で基礎投与量を供給し、基礎投与量は、所望の基礎速度に間隔の継続時間を掛けたものに等しい。食事を食べるなどの活動、またはユーザの代謝に影響を与える他の活動の変化により、ユーザはより多量のインスリンを必要とする場合がある。このより多量のインスリンは、本明細書では食事ボーラスと称される。食事ボーラスは、一般に短期間に供給される特定の量のインスリンである。インスリン送達デバイスの性質は、ある期間のインスリンの連続的な流れとして、またはある期間にわたって供給される一連のより小さな別個のインスリン量として、ボーラスを送達することを必要とする場合がある。消化器系が大量のグルコースを血流に供給するため、食事ボーラスは、グルコースレベルの維持を促進する。
ＭＭＰＣアルゴリズム
マルチモデル予測コントローラ（ＭＭＰＣ）は、複数の状態ベクトルおよびそれらのモデルをモデル予測制御アルゴリズムと組み合わせる、人工膵臓アルゴリズムを実行するコントローラ２４の制御ロジックを含む。ＭＭＰＣは、複数の状態ベクトルを伝搬し、かつ過去のデータに最適な状態ベクトルおよびそのモデルを選択することにより、モデル予測コントローラの身体および環境の変化に対する適応性を向上させる。次に、選択状態ベクトルおよびそのモデルをモデル予測コントローラで使用して、インスリンの次の基礎レートまたは基礎投与量を決定し、それを所望の生理的グルコースレベルを達成するために患者に送達する。複数の状態ベクトルおよびそれらのモデルを使用すると、代謝、消化、活動の変化、または他の変化に対するアルゴリズムの応答性が向上する。
ＭＭＰＣは、モデル、グルコースデータ、およびカルマンフィルタ付きの共分散行列を使用して、各時間間隔で状態ベクトルの各々を伝搬する。いくつかの実施形態では、ＭＭＰＣは一定期間にわたる各状態ベクトルの以前の値を保持し、各状態ベクトルが伝搬されて、各状態ベクトルの最新値を生成するにつれて、各状態ベクトルの最も古い値が上書きされる。いくつかの実施形態では、各状態ベクトルの最新値のみが、メモリに保存される。各状態ベクトルは、一意のモデルおよび一意の共分散行列と関連付けられている。ＭＭＰＣは、過去の期間における間質グルコース（ＩＧ）の状態変数がＩＧの測定値とどれだけ一致しているかに基づいて、最適な状態ベクトルおよびそのモデルを選択する。次に、ＭＭＰＣは、選択状態ベクトルおよびそのモデルを、モデル予測コントローラで使用する。ＭＭＰＣは、選択状態ベクトルを予測ホライズンに伝搬し、生理的グルコース値の予測セットを経時的に生成する。対応する時間における１組の予測グルコース値は、本明細書では予測軌道と称される。ＭＭＰＣは、生理的グルコース軌道および目的関数を使用して、インスリン値に１つ以上の制限がある最適なインスリン軌道を決定する。
いくつかの実施形態では、最適なインスリン軌道は、本明細書では基礎偏差軌道と称される、基礎インスリンまたは基礎プロファイルからの偏差の軌道である。これらの実施形態では、身体に送達されるインスリンの量は、事前定義された基礎インスリンに、インスリン軌道から決定された最適な基礎偏差を加えたものである。これらの実施形態では、モデルは、基礎インスリン入力または内因性グルコース産生を含まない。むしろ、モデルおよび目的関数は、食事に対する身体の反応と、事前定義された基礎インスリン速度を超えるまたは下回るインスリンレベルを考慮する。
予備インスリン速度、投与量、または最適な基礎偏差は、第１の間隔のインスリン軌道の値から取得される。ＭＭＰＣは、速度または投与量要求を送達デバイスに渡す前に、この予備インスリン速度、投与量または最適な基礎偏差を制限してもよい。最適なインスリン軌道が基礎プロファイルからの偏差である実施形態では、投与量要求は、制限された基礎偏差と基礎プロファイルの合計である。制限されたインスリン速度、制限された投与量、または制限された基礎偏差は、次いで、次の間隔でのインスリン速度または投与量を決定するためのインスリン入力として、ブロック１１０Ａの複数の状態ベクトルにフィードバックされる。例示的なＭＭＰＣは、ＵＩ２０からユーザデータを受信し、ＣＧＭ２２からグルコース濃度データを受信し、ポンプ１２が患者１４に送達するための薬剤の量を決定する。
図３および図４は、ＩＧデータを規則的に受信し、１つ以上の状態モデルを使用して、最適なインスリン投与量を決定し、プロセスを繰り返す前に対応する投与量要求をインスリンポンプ１２に送信する、ＭＭＰＣアルゴリズム１００の代表的なブロック図を示している。ＭＭＰＣアルゴリズム１００は、ブロック１０５Ａにおいて、患者の身体または他のグルコース測定デバイスに配置された連続グルコースモニタ（ＣＧＭ）から間質グルコース（ＩＧ）の測定値を受信する。ブロック１１０Ａで、ＭＭＰＣアルゴリズムは、その関連付けられたモデルを使用して、各状態ベクトルを伝搬すること、ブロック１０５ＡからのＩＧデータを使用して、カルマンフィルタで状態ベクトルをフィルタリングすること、ならびに食事炭水化物および食事ボーラスを状態ベクトルに追加して、更新された状態ベクトルを生成することを含む、各状態ベクトルを伝搬する。
いくつかの実施形態では、ＭＭＰＣアルゴリズム１００は、ブロック１２０で最適な基礎偏差を決定することにより、グルコースデータ１０５Ａを受信し、状態ベクトル１１０Ａを伝搬するステップに続く。他の実施形態では、グルコースデータを受信し、状態ベクトルを伝搬するステップは、ブロック１２０で最適な基礎偏差を計算する前に、ブロック１０５Ｂおよび１１０Ｂで繰り返される。ＩＧデータまたはグルコースデータが、受信され（１０５Ａ、１０５Ｂ）、更新された状態ベクトルが、モデル更新期間（τＵＰＤ）１０２に等しい規則的な間隔で計算される（１１０Ａ、１１０Ｂ）。更新期間の長さは、グルコースセンサ２２からの出力間の期間に等しくてもよい。
注入期間（τＩＮＪ）には、最適な基礎偏差を決定し１２０、インスリン制限をチェックし１３０、投与量を要求する１３５前に、グルコースデータを受信し、状態ベクトルを伝搬する少なくとも１組が含まれる。状態ベクトルが注入期間ごとに１回伝搬される実施形態では、注入期間は更新期間に等しい。グルコースデータが注入期間ごとに２回受信される（例えば、ブロック１０５Ａおよび１０５Ｂ）実施形態では、グルコースデータを受信し、状態ベクトルを伝搬するステップが繰り返され、注入期間は更新期間の２倍に等しい。いくつかの実施形態では、注入時間は固定され、更新時間はＣＧＭ２２の出力に基づいて変化する可能性があるため、グルコースデータを受信する間の時間が注入時間より短い場合、状態ベクトルは、インスリン送達または注入の間で複数回伝搬され得る。いくつかの実施形態では、グルコースセンサ２２からのグルコースデータが利用できないか、またはグルコースデータが信頼できない場合、ブロック１２０の最適な基礎偏差の決定に進む前に、カルマンフィルタステップを伴わないで状態ベクトルが伝搬される１１０。
ブロック１２０は、基礎プロファイルからの最適な偏差を決定して、患者の生理的グルコースを制御し、ブロック１３５は、最適な偏差および基礎プロファイルに基づいて、患者に新しいインスリン基礎速度または投与量を送達するように、ポンプ１２に要求する。ブロック１２０において、ＭＭＰＣアルゴリズム１００は、過去の所与の期間にわたってグルコースデータを推定する決定された最良の記録を有する、状態ベクトルおよびモデルを選択する。さらに、ブロック１２０において、ＭＭＰＣアルゴリズム１００は、選択された状態ベクトルおよびモデル予測アルゴリズムのモデルを使用して、次の最適な基礎偏差を決定する。次の最適な基礎偏差の決定は、ブロック１１５からのユーザデータを含んでもよい。基礎プロファイルからの最適な偏差は、ブロック１３０に渡され、ここで、最適な偏差は１つ以上の規則によって制限されてもよい。すなわち、最適な基礎偏差がそのインスリン閾値を超える場合、偏差の値は、インスリン閾値の値に変更される。ブロック１３０のインスリン閾値または制限は、選択状態ベクトルによって推定される生理的グルコースの事前定義された値または所定の関数であり得る。次に、ブロック１３０の制限された基礎偏差はブロック１３５に渡され、ここで、制限された基礎偏差および基礎プロファイルの合計から、インスリン投与量要求が決定される。ブロック１３５で、ＭＭＰＣアルゴリズム１００は、インスリン投与量要求をポンプ１２に送信し、次の状態ベクトルの伝搬に含めるために、インスリン投与量値をブロック１１０Ａに渡す。ポンプ１２は、注入セット１８を介して、要求されたインスリン投与量を患者に送達する。
図４は、最適な基礎偏差を決定する例示的なブロック１２０をさらに示している。ブロック１２６では、伝搬された状態ベクトルおよび対応する状態ベクトルが評価されて、前の期間にわたって測定されたＩＧデータに最も一致する状態ベクトルおよびモデルを識別する。いくつかの実施形態において、測定されたＩＧデータは、一定の履歴期間にわたって状態ベクトルの対応するＩＧ値と比較されて、状態ベクトルとグルコースデータとの間の最良の一致を決定する。いくつかの実施形態では、状態ベクトルとグルコースデータとの間の最良の一致は、測定されたＩＧデータと状態ベクトルの対応するＩＧ値との間の差の二乗の合計に基づいている。この実施形態では、二乗された差は、指数関数的に減衰する重みで、経時的に合計される。本明細書では、ＩＧの対応する推定値は、ＩＧデータの時点での状態ベクトルのＩＧ値を指す。
いくつかの実施形態では、グルコースデータが受信されると、各更新間隔（τＵＰＤ）で各状態ベクトルに対して識別誤差が計算される。各更新間隔での識別誤差は、状態ベクトルごとに保存される。ブロック１２６では、各状態ベクトルのすべての識別誤差が重み付けされ、履歴期間にわたって合計されて、各状態ベクトルの性能インデックスが決定される。モデル予測制御アルゴリズムの次のステップ１２７〜１２４のために、最低性能インデックスを持つ状態ベクトルを、少なくともそのモデルとともに選択することができる。
ブロック１２７で、ＭＭＰＣアルゴリズム１００は、時間に関して生理的グルコースの現在の導関数（ｄＰＧ／ｄｔ）を決定する。生理的グルコースの変化速度は、インスリン送達の制限を設定し、食事ボーラスを決定し、グルカゴンボーラスを決定するなど、ＭＭＰＣアルゴリズム１００のいくつかの実施形態で使用される。生理的グルコースの変化速度（ｄＰＧ／ｄｔ）は、いくつかの方法で決定され得る。いくつかの実施形態では、ｄＰＧ／ｄｔは、生理的グルコースの最新のいくつか（例えば、３つ）の推定値（ＰＧｊ−２、ＰＧｊ−１、ＰＧｊ）に基づいており、ここで、二次方程式が３つの推定値に適合し、ｄＰＧ／ｄｔは、ｊでの方程式の勾配に等しく設定される。生理的グルコース濃度の３つの最新の推定値は、選択された状態ベクトルモデルに応じて、異なる状態ベクトルから得られてもよい。いくつかの実施形態では、ｄＰＧ／ｄｔは、最新の生理的グルコース値（ＰＧｊ、ＰＧｊ−１、ＰＧｊ−２、…ＰＧｊ−ｎ）への直線適合の勾配である。いくつかの実施形態では、ｄＰＧ／ｄｔは、ＰＧＪ−１とＰＧＪとの間の差であり、これは、ＰＧＪの連続する値間の時間差が一定であるときの勾配である。いくつかの実施形態では、ｄＰＧ／ｄｔは、時間間隔（τＵＰＤ）で割った連続した値の間の差（ＰＧｊ−１−ＰＧｊ）である。
ブロック１２８では、選択状態ベクトルおよびそのモデルを使用して、現在の時間から予測ホライズン（ＰＧｊ＋１、ＰＧｊ＋２、ＰＧｊ＋３、…ＰＧｊ＋ｍ）までのＰＧレベルを予測する。現在の時間から予測ホライズンまでの期間は、本明細書では予測期間と称される。予測期間は１時間以上になる場合がある。いくつかの実施形態では、予測時間は４時間半である。将来のＰＧ値の予測は、カルマンフィルタおよび食事の補正を伴わないで、そのモデルを使用して状態ベクトルを伝搬することによって行われる。ＰＧの値は、基礎インスリン投与量、インスリン食事ボーラスおよび食品を伴わないことを想定して予測される。この実施例では、将来のグルコースデータが不明であるため、カルマンフィルタは使用されない。
ブロック１２２において、生理的グルコース目標（ＰＧＴＧＴ）は、食事、運動、測定された間質グルコース濃度、および／または選択状態ベクトルの生理的グルコース濃度の補正を伴う所定の生理的グルコース濃度である。例示的な所定の生理的グルコース濃度は、６ミリモル／リットル（ｍｍｏｌ／Ｌ）であるが、他の好適な目標を使用してもよい。特定の実施形態では、生理的グルコース目標は、経時的に変化する。例えば、生理的グルコース目標は、所定の一定の生理的グルコース目標まで徐々に増加または減少し得る。
ブロック１２４では、現在の時間から予測ホライズンまでの将来の期間について、最適な基礎偏差が決定される。いくつかの実施形態では、最適な基礎偏差は、基礎プロファイルに対する最適なインスリン軌道である。他の実施形態では、最適な基礎偏差は、単に最適なインスリン軌道である。最適な基礎偏差または最適なインスリン軌道は、可能性のあるインスリン値または偏差値に１つ以上の制限を設定して、１つ以上の目的関数を最小化する軌道である。いくつかの実施形態では、目的関数は、将来の期間にわたる予測された生理的グルコース値と目標グルコース値との間の差を合計する。いくつかの実施形態では、目的関数はまた、将来の期間にわたる基礎偏差またはインスリン投与量を合計してもよい。いくつかの実施形態では、合計値は、食事からの時間に基づいて、異なって重み付けされてもよい。コスト関数および重み付けは、食事からの時間、食事のサイズ、運動レベルを含むがこれらに限定されない、以下の値のうちの１つ以上に依存する。第１の注入期間１０４の基礎インスリンまたはインスリン軌道は、速度または量としてブロック１３０に渡されてもよく、ここで、速度または量は、推定された生理的グルコース、生理的グルコースの変化速度、および／またはポンプ１２による過去のインスリン送達に基づいて制限され得る。
モデル
モデルには、患者の体内の生理的または血清グルコース（ＰＧ）および間質グルコース（ＩＧ）のレベルを計算する制御ロジックによって実行される、１組の線形微分方程式が含まれる。いくつかの実施形態では、モデルは、体内のインスリン、炭水化物、およびグルコースの運動および持続性を追跡する、８つのコンパートメントを含む。いくつかの実施形態では、モデルは、グルコースの外部源（炭水化物）および基礎プロファイルとは異なるインスリンのレベルを考慮する。これらの実施形態では、ブロック１２４の最適化ステップにおけるモデルの出力は、基礎インスリンプロファイルからの最適な基礎偏差（δＩ）である。ＭＭＰＣアルゴリズム１００は、ポンプ１２からインスリン投与量を要求する前に、ブロック１３５において、基礎インスリンプロファイル値をインスリン偏差に追加する。
インスリン、炭水化物、およびグルコースの運動および持続性は、いくつかのモデルパラメータによって駆動される場合がある。計算されたＰＧ値は、患者に送達され得るインスリンの次の微量ボーラス、グルカゴンボーラス、および／または食事ボーラスを決定するために使用され得る。計算されたＩＧは、測定されたＩＧと比較され得る。ＭＭＰＣアルゴリズム１００は、各々がモデルパラメータの一意の組み合わせを備えたモデルを有する、状態ベクトルの大きな組を備えてもよい。
モデルパラメータには、インスリン感受性（ＳＩ）、インスリン時定数（ｋＩ）、食事行動時定数（ｋＣ）、センサ時定数（ｋＳＥＮＳＯＲ）、インスリンと炭水化物との比率（ＩＣＲ）が含まれ得るが、これらに限定されない。いくつかの実施形態では、インスリン感受性（ＳＩ）は、推定基礎インスリン必要量の関数であり、ＳＩ＝ＳＰ／（ＩＥＢＮ／６０）であり、ここで、ＳＰは、少なくとも生理的グルコースに対するインスリンの効果を部分的に制御するモデルパラメータである。インスリンの推定基礎必要量（ＩＥＢＮ）は、ＴＤＤおよびＴＤＢの関数である。吸収時定数（ｋＩ）は、モデル内のインスリンコンパートメントからの輸送速度を少なくとも制御するモデルパラメータである。いくつかの実施形態において、吸収時定数（ｋＩ）は、約３０分〜９０分の範囲の値を含む。食事行動時定数（ｋＣ）は、モデルのコンパートメント間の炭水化物の輸送速度に少なくとも影響するモデルパラメータである。いくつかの実施形態では、食事行動時定数の値は、約３０分〜９０分の範囲であり得る。センサ時定数（ｋｓｅｎｓｏｒ）は、生理的コンパートメントと間質コンパートメントとの間のグルコースの輸送速度に部分的に影響するモデルパラメータである。センサ時定数はまた、間質グルコースと生理的グルコースとの間の関係に影響を与える可能性がある。インスリンと炭水化物との比率（ＩＣＲ）は、血液から一定量のグルコースを除去するのに必要なインスリンの量を反映している。インスリンの炭水化物に対する値は、食事ごとに異なっていてもよい。すなわち、朝食については第１の値、昼食については第２の値、夕食については第３の値であってもよい。モデルパラメータには、ＵＩ２０での入力値、アルゴリズムでのプログラム値、コントローラで読み取り可能なメモリの保存値、またはこれらのオプションの組み合わせが含まれ得る。
例示的なモデル２００は、図５に示されるように互いに相互作用する、８つのコンパートメントとして表され得る。皮下注入部位から血流への体内のインスリンの貯蔵および運動は、血液コンパートメント２２０に接続されている、２つの皮下コンパートメント２１０、２１５としてモデル化され得る。インスリン微量ボーラスは、血液チャンバーまたはコンパートメント２２０に輸送される前に、第１の皮下チャンバーまたはコンパートメント２１０に加えられ、次に第２の皮下チャンバーまたはコンパートメント２１５に輸送されてもよい。コンパートメント間のインスリンのモデル化された輸送は、インスリン時定数（ｋＩ）および２つのコンパートメント２１０、２１５間のインスリン濃度の差によって部分的に制御され得る。
引き続き図５を参照すると、胃から血流への炭水化物の輸送は、血液コンパートメント２２０に接続された第２の炭水化物コンパートメント２３５に接続されている、第１の炭水化物コンパートメント２３０としてモデル化され得る。第１および第２の炭水化物コンパートメントへの炭水化物の添加は、本明細書に記載されている。コンパートメント２３０、２３５間のモデル化された炭水化物の輸送は、食事行動時間（ｋＣ）および２つのコンパートメント２３０、２３５間の炭水化物濃度の差によって部分的に制御され得る。
さらに図５を参照すると、皮下注入部位から血流への食事ボーラスインスリンの貯蔵および運動は、血液コンパートメント２２０に接続されている、２つの食事ボーラスコンパートメント２４０、２４５としてモデル化され得る。食事ボーラスは、第１および第２の食事ボーラスチャンバーまたはコンパートメント２４０、２４５に追加され、第１のボーラスチャンバー２４０から第２のボーラスチャンバー２４５に輸送され、次いで血液コンパートメント２２０に輸送され得る。コンパートメント間のインスリンのモデル化された輸送は、インスリン時定数（ｋＩ）および２つのコンパートメント２４０、２４５間のインスリン濃度の差によって部分的に制御され得る。
さらに図５を参照すると、血液チャンバーまたはコンパートメント２２０は、血流への微量ボーラスインスリン、炭水化物、および食事ボーラスインスリンの輸送、ならびに生理的グルコース濃度に対するインスリンおよび炭水化物の影響をモデル化する。モデル化された生理的グルコース濃度は、以前の生理的グルコース値、インスリン感受性（ＳＩ）、第２の皮下チャンバー（ＩＳ２）のインスリン濃度、第２の炭水化物チャンバー（Ｃ２）の炭水化物濃度、第２のボーラスチャンバー（ＩＢ、２）のインスリン濃度、インスリン時定数（ｋＩ）、および食事行動時間（ｋＣ）によって制御され得る。
皮下グルコースコンパートメント２２５は、連続グルコースモニタ（ＣＧＭ）がグルコース濃度を測定するとき、血流コンパートメント２２０から皮膚下の間質組織へのグルコースの輸送をモデル化する。血液コンパートメント２２０と皮下コンパートメント２２５との間のグルコースのモデル化された輸送は、センサ定数（ｋＳＥＮＳＯＲ）および２つのコンパートメント２２０、２２５間のグルコース濃度の差によって部分的に制御され得る。
図５に記載されている例示のモデルはまた、次の１組の線形微分方程式によっても説明され得る。
Figure 0006874155
各状態ベクトルは、これらの方程式を含むが定数の一意の組を持つ、一意のモデルと関連付けられる。
引き続き図５を参照すると、８つのコンパートメントにおけるインスリン、炭水化物、およびグルコースの濃度は、状態ベクトルｘ（ｔ）として説明され得る。ここで、ｘ（ｔ）は次の成分を持つ。ｘ１（ｔ）＝ＩＧ、ｘ２（ｔ）＝ＰＧ、ｘ３（ｔ）＝ＩＳ２、ｘ４（ｔ）＝ＩＳ１、ｘ５（ｔ）＝Ｃ２、ｘ６（ｔ）＝Ｃ１、ｘ７（ｔ）＝ＩＢ２、およびｘ８（ｔ）＝ＩＢ１。状態ベクトルは、時間（ｔ）での重要なＰＧおよびＩＧ値を含む身体の状態を説明する。次の状態ベクトル（ｘ（ｔ＋τ））は、現在の状態ベクトル（ｘ（ｔ））と図５で説明した関係から決定される。
上記の状態空間方程式は、行列方程式として書くことができる。
Figure 0006874155
 ここで、ｘ（ｔ）は時間ｔにおける状態ベクトルであり、ｘ（ｔ＋τ）はτ分後の状態ベクトルであり、Ａｄｔは、モデルの方程式（式１）を表すシステム行列であり、ここで、ｂｓはゼロである。一実施形態では、Ｂは、第１のインスリンコンパートメントについての行におけるｂｓを含む入力ベクトルであり、ｕ（ｔ）は、最適な基礎偏差（δＩ）である。状態ベクトルを更新周期（τＵＰＤ）だけ前に伝搬するために、Ａｄｔ・ｘ（ｔ）の乗算をＮ回繰り返すことができ、ここで、Ｎ＝τＵＰＤ／ｄｔであり、Ｂ・ｕ（ｔ）の乗算が実行され得る。式２は、各状態ベクトルを進めるために実行される。ここで、各状態ベクトルは、一意のモデル行列Ａｄｔおよび外乱行列Ｂを持つ。
図５および式１で説明されるモデルは、ＭＭＰＣアルゴリズムにおけるモデルの例示的な実施形態を説明する。他の実施形態では、モデルコンパートメントの数は、８個より少なくてもよく、または多くてもよい。一実施形態では、１つのインスリンコンパートメントおよび１つの炭水化物コンパートメントを含む最小モデルが使用され、ここで、各コンパートメントは、生理的グルコースチャンバーに接続されている。この最小モデルは、式１Ａでラベル付けされたより単純な１組の方程式で説明され得る。
Figure 0006874155
 他の実施形態では、基礎インスリンとは別個にモデル化されるボーラスインスリン用の別のコンパートメントが追加されてもよく、ボーラスインスリンコンパートメントは、生理的グルコースコンパートメントに接続される。さらに他の実施形態では、間質液中のインスリンをモデル化するためにコンパートメントが追加されてもよく、このコンパートメントは、生理的グルコースコンパートメントに接続される。
状態ベクトルの伝搬
図６は、ＭＭＰＣアルゴリズム１００において各状態ベクトルｘ（ｔ）を状態ベクトルｘ（ｔ＋τ）に伝搬する例示的な概略図を示している。各状態ベクトルｘ（ｔ）から状態ベクトルｘ（ｔ＋τ）への伝搬は、状態ベクトルと関連付けられた状態モデル、およびブロック１４５の式２を使用して、各状態ベクトルｘＰ（ｔ）をその予備状態ベクトルｘＰ（ｔ＋τ）に進めることから始まる。各予備状態ベクトルｘＰ（ｔ＋τ）は、現在の状態の予備推定である。現在のグルコースデータがＣＧＭから入手可能である場合、ブロック１６０で、各予備状態ベクトルｘＰ（ｔ＋τ）をカルマンフィルタでフィルタリングして、フィルタリングされた状態ベクトルｘＦ（ｔ＋τ）を生成することができる。グルコースデータが利用できない場合、またはカルマンフィルタが呼び出されない場合、予備状態ベクトルは、ブロック１４５を通過する。ブロック１６５において、各予備状態ベクトルｘＰ（ｔ＋τ）または各フィルタリング状態ベクトルｘＦ（ｔ＋τ）のボーラスインスリンおよび炭水化物の状態の値は、最新の更新期間中に発生する食事に対してさらに補正されて、伝搬された状態ベクトルｘ（ｔ＋τ）を決定することができる。最新の更新期間中に食事が発生しなかった場合、予備状態ベクトルｘＰ（ｔ＋τ）またはフィルタリングされた状態ベクトルｘＦ（ｔ＋τ）は、変更されずにブロック１６５を通過して、伝搬された状態ベクトルｘ（ｔ＋τ）になる。実例として、状態ベクトルｘ（ｔ）への参照は、ｊ＝１〜Ｊであり、かつＪが状態ベクトルの数である場合、すべての状態ベクトルｘｊ（ｔ）を意味する。したがって、状態ベクトルｘ（ｔ）、ｋＩ、ＳＩなどのモデル定数、共分散行列Ｐ、Ｑ、共分散行列の要素、および性能指標Ｐｊ（ｔ）への参照である。これらの変数は各々、状態ベクトルｘｊ（ｔ）などの複数の値を参照する。
例示の実施形態では、ＭＭＰＣアルゴリズム１００は、現在の時間、ＩＧの推定値、インスリンの総日投与量（ＴＤＤ）、総日基礎投与量（ＴＢＤ）、基礎パターン、過去４時間の食事履歴、過去４時間のインスリンボーラス履歴、およびインスリンと炭水化物との比率（ＩＣＲ）を含むが、これらに限定されないパラメータのリストのうちの１つ以上を使用して、複数の状態ベクトルを初期化する。ＭＭＰＣアルゴリズム１００は、間質グルコース値および生理的グルコース値に関するＩＧの推定値で、状態ベクトルを初期化する。炭水化物およびボーラスのインスリン値は、食事の履歴およびインスリンボーラス履歴、ならびに以下に説明する式３〜６と同様の式から決定される。
図６を参照すると、予備状態ベクトルｘＰ（ｔ＋τ）は、ブロック１６０でカルマンフィルタを用いてフィルタリングされて、グルコースセンサ２２ならびに共分散行列Ｐ（ｔ）、Ｑ（ｔ）、およびＲ（ｔ）から測定されたグルコースデータに基づいて、各予備状態ベクトルｘＰ（ｔ）の状態変数を更新する。共分散行列Ｒ（ｔ）は、グルコース測定の不確実性であり、かつブロック１５０で更新され得る。各状態ベクトルの不確実性は、共分散行列Ｐ（ｔ）およびＱ（ｔ）に含まれている。各状態ベクトルは、一意の共分散行列ＰおよびＱと関連付けられている。各共分散行列Ｐ（ｔ）は、ブロック１５５で各更新間隔（τＵＰＤ）で更新される。共分散行列Ｐ（ｔ）の値は、食事のサイズおよびまたはタイミングに基づいて、ブロック１５５でさらに修正されてもよい。
共分散行列Ｐ（ｔ）の実施例は、図７の行列３００として表される。対角項３１０は、時間ｔにおける状態ベクトル内の状態変数の不確実性を列挙している。非対角項は、本明細書では交差相関項または交差項と称される。相互項は、１つの状態変数の不確実性が他の状態変数に与える影響を列挙している。一実施例では、第１のコンパートメントの炭水化物の不確実性（第１の炭水化物状態変数）は、４行目と４列目の要素σＣ１であり、第２のコンパートメントの炭水化物の不確実性（第２の炭水化物状態変数）は、５行目と５列目の要素σＣ２である。４および５行目３２０および４および５列目３３０の非対角要素は、ＩＧ、ＰＧ、皮下コンパートメント１および２のインスリン、ならびにボーラスコンパートメント１および２のインスリンを含む、他の身体ベクトル値の不確実性に対する炭水化物の不確実性の影響である。Ｑ（ｔ）共分散行列は、対角３１０に沿った各状態変数の初期不確実性およびすべての交差項のゼロを含む対角行列である。Ｑ（ｔ）行列は、ＭＭＰＣアルゴリズム１００が以下で説明するように１つ以上の値を変更し得る場合の食事に応じた変化を除いて一定である。
ブロック１５５では、各共分散行列Ｐ（ｔ）が、式３ごとの更新間隔で進められる。
Figure 0006874155
 ここで、Ａｄｔは、上述のシステム行列である。式４の状態ベクトルにカルマンフィルタが適用される前に、Ｐ行列が更新される。ブロック１６０では、グルコースデータ（ＩＧＤＡＴＡ）がグルコースセンサから利用可能である場合、ブロック１４５からの予備状態ベクトルｘＰ（ｔ＋τ）を、カルマンフィルタでフィルタリングすることができる。カルマンフィルタは、カルマン行列に記述されているように、グルコースセンサからの情報ならびにデータおよび状態変数の不確実性を処理して、予備状態ベクトルの状態変数の推定値を改善する。各状態ベクトルのカルマン行列Ｋ（ｔ）は、予備状態ベクトルがフィルタリングされる前に、式３の最新の共分散行列Ｐ（ｔ）で更新される。カルマン行列Ｋ（ｔ）は、式４ごとに更新される。
Figure 0006874155
 ここで、Ｃは単位変換行列、Ｒは、グルコース測定ＩＧＤＡＴＡ．ｖａｒｉａｂｌｅの不確実性である。フィルタリングされた状態ベクトルｘＦ（ｔ）は、式５に従って計算される。
Figure 0006874155
 ここで、ＩＧ（ｔ）は、予備状態ベクトルｘｐ（ｔ）における間質グルコースの現在の推定値であり、Ｋはカルマン行列である。最後に、カルマン行列Ｋが式６に従って計算された後、共分散行列Ｐがさらに修正される。
Figure 0006874155
いくつかの実施形態では、対称対角共分散行列Ｑ（ｔ）は、対角グルコース項σＩＧ、σＰＧ、および皮下インスリン項σＩ１、σＩ２に対するグルコースおよび皮下インスリンの誤差の標準偏差の推定値を有する。平均食事時間が所定の時間よりも長い場合、炭水化物（σＣ１、σＣ２）およびボーラスインスリン（σＩＢ１、σＩＢ２）の共分散行列Ｑ（ｔ）の対角項はゼロである。平均食事時間は、過去の所定の時間における食事の加重平均であり、各食事時間は、その食事で消費された炭水化物の量によって重み付けされる。別の実施形態では、Ｑ（ｔ）共分散行列の炭水化物およびボーラスインスリン項は、最新の事前定義された期間に食事が発生しなかった場合、ゼロである。別の実施形態では、Ｑ共分散行列の炭水化物およびボーラスインスリン項は、最後の事前定義された数分間に事前定義された炭水化物量を超える食事が発生しなかった場合、ゼロである。炭水化物の例示的な事前定義された量は、５グラムであり、例示的な事前定義された時間は、１２０分であるが、他の好適な閾値が実施されてもよい。
Ｑ（ｔ）行列の対角値を設定する一実施例では、状態変数の誤差の推定標準偏差は、推定されたインスリン必要量（ＩＥＢＮ）の割合である。
一実施形態では、所定のサイズの食事が過去の所定期間内に消費された場合、炭水化物（σＣ１、σＣ２）およびボーラスインスリン（σＩＢ１σＩＢ２）のＱ（ｔ）行列の対角項は、炭水化物（Ｃ１、Ｃ２）およびボーラスインスリン（ＩＢ１、ＩＢ２）値の誤差の標準偏差の推定値に設定される。一実施例では、炭水化物（σＣ１、σＣ２）の誤差の推定標準偏差は、炭水化物コンパートメント１および２の炭水化物の合計の割合（例えば、１０％）に基づいており、ボーラスインスリン値（σＩＢ１σＩＢ２）の誤差の推定標準偏差は、ＩＥＢＮの割合に基づいている。
一実施例では、炭水化物およびボーラスインスリンの不確実性の対角項は、炭水化物コンパートメントの炭水化物の合計が閾値（例えば、５グラム）を超え、かつ平均食事時間が低い閾値（例えば、４０分）と高い閾値（例えば、２１０分）の間である場合、非ゼロ値に設定される。一実施形態では、平均食事時間は、過去２１０分における食事の加重平均であり、各食事時間は、その食事で消費された炭水化物の量によって重み付けされる。
一実施形態では、食事が所定の時間消費されなかった場合、共分散行列ＰおよびＱのすべての炭水化物およびボーラスインスリン項は、ゼロに変更される。ここで図７を参照すると、炭水化物項は、項σＣ１、σＣ２および項σＣ１、σＣ２（３２０、３３０）と整列したＰ行列３００の要素を指す。同様に、共分散行列Ｐのボーラスインスリン項は、ボーラスインスリン項σＩＢ１、σＩＢ２および項σＩＢ１、σＩＢ２と整列した項である。Ｑ行列の炭水化物とボーラスインスリン項は、炭水化物とボーラスインスリン状態変数の不確実性の対角項である。一実施形態では、食事が事前定義された期間発生していない場合、ＰおよびＱ行列の両方において、すべての炭水化物およびボーラスインスリン項がゼロに設定される。一実施形態では、事前定義された期間は２１０分である。共分散行列Ｐ、Ｑの食事およびボーラスインスリン値をゼロに設定すると、事前定義された時間窓内で所定量未満の炭水化物が消費された場合に、モデルの安定性が向上する可能性が高くなり得る。
フィルタリングされた状態変数の制限
再び図６を参照すると、ブロック１６０は、カルマンフィルタおよびグルコースデータを予備状態ベクトルに適用することから生じる、フィルタリングされた状態ベクトルｘＦ（ｔ）の変数を制限またはクリップする補正のうちの１つ以上を含み得る。いくつかの実施形態では、ＭＭＰＣアルゴリズム１００は、フィルタリングされた状態ベクトルｘＦ（ｔ）内の皮下インスリン状態変数の合計を、所定の最小インスリン濃度を超える値に制限する。一実施例では、すべての皮下コンパートメントのインスリンの合計が基礎インスリンの所定の因子未満である場合、各コンパートメントのインスリンは増加し、その結果、新しいインスリン値の合計は、所定のインスリン値に等しくなる。いくつかの実施形態では、インスリン状態変数の値は、同じ状態ベクトル内のある１つのインスリン状態変数と別のインスリン状態変数の比が変わらないように変更される。一実施形態では、インスリン値に因子を乗算することにより、インスリン値を増加させることができる。いくつかの実施形態では、基礎インスリンに所定のインスリン因子を乗算した値は、所定のインスリン値に等しい。一実施例では、所定の因子は、推定基礎必要量（ＩＥＢＮ）の約半分である。
いくつかの実施形態では、ＭＭＰＣアルゴリズム１００は、炭水化物およびボーラスインスリンについて、予備的またはフィルタリングされていない状態変数とカルマンフィルタリングされた状態変数との間の差を制限する。いくつかの実施例では、フィルタリングされた状態ベクトルの炭水化物の合計が、フィルタリングされていない状態ベクトルの炭水化物の合計の第１の所定の因子よりも大きい場合、炭水化物のフィルタリングされた値は減少し、それらの合計は、第２の所定の因子とフィルタリングされていない炭水化物の合計の積に等しくなる。一実施例では、第１および第２の所定の因子は等しい。
いくつかの実施形態では、フィルタリングされた状態ベクトル値のボーラスインスリンの合計が、フィルタリングされていない状態ベクトルのボーラスインスリンの合計の第１の所定の分率未満である場合、ボーラスインスリンのフィルタリングされた値は増加し、それらの合計は、フィルタリングされていないボーラスインスリン値の合計の第２の所定の分率に等しい。一実施例では、第１および第２の所定の分率は等しい。
上述のようにカルマンフィルタで補正され得るものを有する複数のフィルタリングされた状態ベクトルｘＦ（ｔ＋τ）は、次にブロック１６５に渡され、ここで、フィルタリングされた状態ベクトルは、食事および関連付けられたインスリンボーラスの影響を含むように更新される。食事の効果、および前のτＵＰＤ分の間に発生した食事ボーラスは、ブロック１６５でフィルタリングされた状態ベクトルｘＦ（ｔ＋τ）に追加されて、伝搬された状態ベクトルｘ（ｔ＋τ）を生成する。食事の炭水化物は、状態ベクトルの各々の炭水化物状態変数に直接追加される。いくつかの実施形態では、モデルが炭水化物の２つのコンパートメントを含む場合、炭水化物状態変数は、式７、８ごとに更新される。
Figure 0006874155
Figure 0006874155
 ここで、ＣａｒｂｏＲａｔｉｏは、炭水化物のグラムを１リットルあたり（例えば、ｍｍｏｌ／Ｌまたはμｍｏｌ／Ｌ）の炭水化物の濃度に変換する単位変換因子であり、Δｔは、食事と現在の計算の時間との間の時間であり、ＭｅａｌＣａｒｂｏは、食事中の炭水化物の量である。
インスリンの食事ボーラスの影響は、以下の式ごとに補正された更新されている状態ベクトル（ＩＢ、１、ＩＢ、２、）のインスリンボーラス値に直接追加され得る。
Figure 0006874155
Figure 0006874155
 ここで、Δｔはボーラス注入と現在の計算時間との間の時間であり、ボーラスは、式７、９の変数ＭｅａｌＣａｒｂｏに追加された炭水化物を補償するために決定されているインスリンの量である。いくつかの実施形態では、ボーラスの値は、ポンプによって送達されるボーラスに等しくなくてもよく、むしろモデルの炭水化物コンパートメントに追加された炭水化物の量から計算されてもよい。いくつかの実施形態では、モデルに追加された炭水化物から計算されたボーラスを使用すると、モデルの安定性が向上し、かつ将来の生理的グルコース値の予測が向上する場合がある。いくつかの実施形態では、ボーラス値は、ＭｅａｌＣａｒｂｏおよび推定されたインスリン基礎必要量に基づいて、Ｂｏｌｕｓ＝ＭｅａｌＣａｒｂｏ／ＩＥＢＮ・Ｆｃとして計算され、ここで、Ｆｃは単位変換定数である。
いくつかの実施形態では、ブロック１６５は、生理的グルコース（ＰＧ）の値を増加させることにより状態ベクトルｘ（ｔ＋τ）をさらに補正して、グルカゴンボーラスの送達によるグルコースの出現を反映する。ＰＧ値の補正は、以下によって定義される。
Figure 0006874155
 ここで、Ｎは以前のグルカゴンボーラスの数であり、ｕｇ（ｉ）はグルカゴンボーラスのサイズであり、ｔｏ（ｉ）はグルカゴンボーラス投与の時間であり、ｋＧＬＮは、皮下グルカゴン送達とその作用との間のラグタイムを表す転送速度パラメータである。次に、複数の伝搬、フィルタリング、および補正された状態ベクトルｘ（ｔ＋τ）が、ブロック１１０から渡される。いくつかの実施形態では、複数の状態ベクトルｘ（ｔ＋τ）がブロック１２０に渡され、ここで、最適な基礎インスリン偏差が決定される。
最適な基礎インスリン偏差の決定
ここで図４を参照すると、ブロック１２０のＭＭＰＣアルゴリズム１００は、ＣＧＭデータから過去の間質グルコースデータ（ＩＧＤＡＴＡ）に最も一致する状態ベクトルおよびそのモデルを選択すること（ブロック１２６）、選択状態ベクトルおよびそのモデルを使用して、予測ホライズンまでの次の予測期間全体のグルコース濃度を予測すること（ブロック１２８）、ならびに目的関数、１２２で決定されたグルコース目標、１１５からの基礎プロファイル、および本明細書に記載のインスリン送達速度の１つ以上の制限に基づいて、ブロック１２４において予測期間にわたる基礎プロファイルからの最適な偏差を決定することによって、最適な基礎インスリン偏差を決定することができる。第１の注入期間のインスリン軌道に等しいインスリンの量は、基礎プロファイルからの最適な基礎偏差としてブロック１３０に渡される。
ブロック１２６で、ＭＭＰＣアルゴリズム１００は、履歴期間にわたってグルコースデータまたはＩＧＤＡＴＡ値に最もよく一致する状態ベクトルおよびそのモデルを選択する。いくつかの実施形態では、ＩＧＤＡＴＡ値は、ユーザの身体に置かれたＣＧＭ２２によって測定される。他の実施形態では、グルコースデータは、グルコースセンサで測定される。一実施形態では、識別誤差ｅｊ（ｔ）は、各状態変数ＩＧｊ（ｔ）と時間ｔでのＩＧＤＡＴＡとの差として、各更新間隔で各状態ベクトルについて計算される。その後、性能インデックスＰｊ（ｔ）が、各状態ベクトルｊに対して計算され、一定期間にわたる識別誤差ｅｊ（ｔ）が合計される。いくつかの実施形態では、性能値、Ｐｊ（ｔ）は、時間内の移動窓（例えば、２時間または他の好適な窓）にわたる加重および二乗された識別誤差の合計である。いくつかの実施形態では、より最近の識別誤差に対して、重み付けが増加する。
一実施形態では、性能値は、二乗誤差の加重和であり、ここで、加重は、より最近のデータにより大きな加重を与える指数的減衰関数である。一実施形態では、各モデルｊの性能値は次のように定義される。
Figure 0006874155
 ここで、ａおよびｂは、インデックスインデックスに対する瞬間的および長期的な正確性の寄与を決定する定数であり、誤差ｅｊ（ｔ）は、現在の時間ｔでのモデルｊの測定および決定されたＩＧ値間の差であり、ｅｊ（ｉ）は、ｊ番目のモデルｅｊ（ｉ）＝｛ｅｊ（１）、ｅｊ（２）、…ｅｊ（Ｍ）｝の以前の誤差値のベクトルであり、Ｍは、各状態ベクトルの移動窓内の誤差ベクトルｅｊ（ｉ）の保存された誤差値の数であり、モデルｊ、ｃは、誤差Ｅｊ（ｉ）の重み付けに使用される指数的減衰関数を定義する定数である。いくつかの実施形態では、性能インデックスを使用して、状態モデルを選択すると、ＭＭＰＣアルゴリズム１００の安定性の可能性が高まる。
ＭＭＰＣアルゴリズム１００は、ブロック１２６で、現在値が最も低い性能値Ｐｊ（ｔ）を有する状態ベクトルおよびモデルを選択し、選択された状態ベクトルおよびモデルをブロック１２８に渡すことができる。
いくつかの実施形態では、食事時間の後に、状態ベクトルのサブセットがブロック１２６で考慮されて、過去のＩＧデータに対する最良の一致を識別する。いくつかの実施形態では、考慮される状態ベクトルのサブセットは、モデルのインスリン吸収値が比較的速い状態ベクトルのみを含む。インスリン吸収時間が比較的遅いモデルと関連付けられた状態ベクトルは、過去のＩＧデータに最適な状態ベクトルを決定するための考慮から除外される。いくつかの実施形態では、ＭＭＰＣアルゴリズム１００は、ブロック１２６で考慮された状態ベクトルを、インスリン吸収時間が第１のインスリン吸収閾値未満のモデルと関連付けられた状態ベクトルに制限する。例示的な第１のインスリン吸収閾値は、約１時間または他の好適な閾値である。
ブロック１２８のＭＭＰＣアルゴリズム１００は、選択された状態ベクトルと関連付けられたモデルを使用してブロック１２６で選択された状態ベクトルを進め、生理的グルコース濃度ＰＧ（ｔ）を予測ホライズンまで予測する。現在の時間から予測ホライズンまでの期間は、本明細書では予測期間と称される。いくつかの実施形態では、選択状態ベクトルは、食事入力および食事インスリンボーラスが発生しない定常状態条件下で進められる。いくつかの実施形態では、選択された状態ベクトルは、基礎インスリン投与量を仮定して進められる。基礎インスリン投与量は、ゼロ基礎偏差、基礎プロファイルまたは一定基礎投与量であり得る。好ましい実施形態では、選択状態ベクトルは、予測期間中に基礎偏差がゼロであり、かつ食事もインスリンボーラスもないと仮定して進められる。ブロック１２８は、結果として生じる予測された生理的グルコース濃度値ＰＧＰ、Ｉをブロック１２４に渡し、ここで、基礎プロファイル値からの最適なインスリン偏差が決定される。
例示的なＭＭＰＣアルゴリズム１００は、ブロック１２４で、予測期間にわたって食事がないと仮定して、基礎プロファイルからの最適な偏差を決定する。基礎プロファイルからの最適な偏差は、目的関数を最小化する予測期間にわたる一連のインスリン投与量偏差であり得る。いくつかの実施形態では、目的関数は、予測期間にわたる各時間ステップでの加重二乗グルコース差を含む。グルコース差は、目標グルコース値と予測される生理的グルコース状態変数の値との間の差である。目的関数は、予測期間にわたる各時間ステップでの加重二乗インスリン基礎偏差（δＩ）の合計をさらに含んでいてもよい。いくつかの実施形態では、目的関数は、各時間ステップでの加重インスリン投与量の合計をさらに含み得る。各時間ステップは、更新期間（τＵＰＤ）または注入時間（τＩＮＪ）と等しくてもよい。グルコース差またはインスリン投与量のうちのいずれかの重み付けは、時間の関数であってもよく、または食事後の時間とともに変化してもよい。一実施形態では、目的関数は、以下の式１３によるグルコース差および基礎偏差の両方を含む。
Figure 0006874155
 ここで、ＫＩＮＳＵＬＩＮは基礎インスリン投与量からの偏差の重み係数であり、ｐｈは予測期間に含まれるサンプルまたは予測の数であり、重み関数ｗＧ（ｉ）は予測期間にわたって変化し得る。いくつかの実施形態では、重み関数は、予測された生理的グルコースＰＧ（ｐｈ）と目標グルコースＰＧＴＧＴ（ｐｈ）との間の最終的な差に、より有意に大きな加重を与えることができる。さらに、いくつかの実施形態では、最終重み付けｗＧ（ｐｈ）は、以前の重み付け値ｗＧ（１）からｗＧ（ｐｈ−１）の合計よりも大きい。いくつかの実施形態では、食事後の期間については、重み関数ｗＧ（ｉ）を減少させることができる。さらに、いくつかの実施形態では、重み関数ｗＧ（ｉ）は、食事期間よりも長い間隔の公称値であり、かつ食事期間よりも短い間隔の公称値よりもはるかに小さくてもよい。いくつかの実施形態では、重み関数は、食事後の食事期間の前半については公称値の１％未満であり、食事後の食事期間の後半中に公称値の１％未満から公称値まで増加してもよい。いくつかの実施形態では、食事期間は３時間を超える。目標グルコース数、ＰＧＴＧＴ（ｉ）は、規定の目標グルコース値、運動、食事後の時間の一部であるが、これに限定されない関数であり得る。
最適化プロセスでのインスリン偏差の制限
上記のコスト関数の最小化は、インスリン偏差の値δＩ（ｉ）の制限によってさらに制約される。インスリン偏差δＩ（ｉ）の制限は、例えば、開ループインスリン速度ＩＯＬに基づくことができる。インスリン偏差は、インスリン投与量が０〜ＩＭＡＸの間に留まるように制限される場合がある。したがって、インスリン偏差δＩ（ｉ）は、以下の範囲に制限される。
Figure 0006874155
 ここで、ＩＯＬは以下で定義され、ＩＭＡＸ（ｉ）は最大基礎投与量である。一実施形態では、最大基礎投与量は、ユーザまたは臨床医によって事前定義された固定値であってもよい。別の実施形態では、最大基礎投与量は、推定された生理的グルコース値、ＰＧ、総日基礎インスリン、ＴＤＢ、および／または開ループインスリンＩＯＬに依存し得る。
いくつかの実施形態において、最大基礎投与量、ＩＭＡＸ（ｉ）は、開ループインスリンおよび推定された生理的グルコース値、ＰＧの関数である。この実施形態では、最大基礎投与量は、第１の因子と、第１の事前定義されたグルコース閾値未満の生理的グルコース値についての開ループ基礎投与量との積に等しくてもよい。同様に、最大基礎投与量は、事前定義された第２のグルコース閾値よりも大きい生理的グルコース値について、第２の因子と開ループ基礎投与量の積に等しくてもよく、ここで、第２の因子は第１の因子よりも大きい。最大基礎投与量は、第１および第２のグルコース閾値間の生理的グルコース値についての生理的グルコース値に基づいて、第１および第２の因子間の補間に開ループ基礎投与量を掛けたものに等しくてもよい。いくつかの実施形態では、第１の因子は約３であり、第１のグルコース閾値は約７ｍＭｏｌ／Ｌである。いくつかの実施形態では、第２の因子は約５であり、第２のグルコース閾値は約１２ｍＭｏｌ／Ｌである。
いくつかの実施形態では、上記のコスト関数の最小化は、インスリン制限とラベル付けされたセクションに列挙されている、インスリン偏差の値δＩ（ｉ）の制限によってさらに制約される。以下に列挙するインスリン制限は、予測期間中の対応する時点での予測生理的グルコース値および生理的グルコース値の変化速度（例えば、δＩ（ｉ）＝ｆｃｎ（ＰＧ（ｉ）、ｄＰＧ（ｉ）／ｄｔ））を適用することにより、予測期間中の各時点でブロック１２４の最適化プロセスに適用され得る。
式１３のコスト関数を最小化する１組の最適なインスリン偏差コマンドを見つけるための、多数の数値アルゴリズム｛δＩ（１）、δＩ（２）…δＩ（ｐｈ）｝が存在する。数値アルゴリズムがブロック１２０におけるインスリン偏差コマンドの最適な組を見つけると、ＭＭＰＣアルゴリズム１００は、第１の更新間隔（δＩ（１））の最適な基礎偏差をブロック１３５に渡し、ここで、最適な偏差は、次の投与量要求に等しくなるように基礎プロファイルと合計される。
インスリン項
ＭＭＰＣアルゴリズム１００は、インスリン必要量という項の下でグループ化され得る複数のインスリン値を使用する。いくつかの実施形態におけるインスリン必要量は、ＵＩ２０で患者または臨床医によって入力されたデータである。別の実施形態では、インスリン必要量データは、ＵＩ２０、コントローラ２４、またはポンプ１２上のメモリに格納されてもよい。インスリン必要量には、単一の値または基礎プロファイルが含まれる場合がある。いくつかの実施形態では、インスリン必要量データは、以下のインスリン値：インスリンの総基礎投与量（ＴＤＤ）、総基礎投与量（ＴＢＤ）、単一投与量速度であり、通常は単位／時間である基礎投与量（ＩＢＤ）、および１日間の基礎インスリン投与量を定義するリストまたは式である基礎プロファイル（ＩＢＰ（ｉ））のうちの１つ以上を含む。基礎投与量は、ユーザがＵＩ２０に入力した値であってもよく、またはＴＤＤの分率として計算されてもよい。いくつかの実施形態では、基礎投与量は、基礎因子にＴＤＤを２４で割ったものであり、ここで、基礎因子は１未満である。いくつかの実施形態では、因子は０．５５または別の好適な分率である。他の実施形態において、基礎投与量は、基礎インスリンがＴＤＢを２４で割ったものである。
開ループ基礎速度、ＩＯＬ（ｔ）は、上限値と下限値によって制限される入力基礎プロファイル、ＩＢＰ（ｔ）である。ＩＯＬ（ｔ）は、ＩＢＰ（ｔ）が下限値未満である場合を除いて、ＩＢＰ（ｔ）に等しく、ここで、ＩＢＰ（ｔ）は下限値に等しい。ＩＯＬ（ｔ）は、ＩＢＰ（ｔ）が上限値よりも大きい場合を除いて、ＩＢＰ（ｔ）に等しく、ここで、ＩＢＰ（ｔ）は上限値に等しい。一実施形態では、下限値はＴＤＢ／２４の半分であり、上限値はＴＤＢ／２４の１．５倍である。
推定されたインスリン基礎必要量、ＩＥＢＮは、インスリン感受性、フィルタリングされたインスリン値の共分散制限の初期値、およびインスリンボーラス計算の設定に使用される、インスリンの総日投与量（ＴＤＤ）および総日基礎インスリン（ＴＤＢ）の関数である。一実施例では、ＩＥＢＮの値は、ＴＤＤ／２４の分率である。別の実施例では、ＩＥＢＮは、上限および下限によって制限され、ここで、上限および下限は、ＴＤＤおよびＴＤＢに基づいている。
インスリンの総日投与量（ＴＤＤ）および総日基礎インスリン（ＴＤＢ）は、一定であってもよく、または使用中に更新されてもよい。一実施形態では、ＴＤＤおよびＴＤＢは、所定の値である。別の実施形態では、ＴＤＤおよびＴＤＢは、ユーザまたは臨床医によってユーザインターフェースで入力されるか、またはコントローラに直接通信される。別の実施形態において、ＴＤＤは、過去２週間にわたって毎日送達されるインスリンを平均化するために、コントローラによって更新される。別の実施形態において、ＴＤＢは、送達される毎日の基礎インスリンの２週間平均に、コントローラによって更新され得る。別の実施形態では、ＴＤＤおよびＴＤＢは、過去３日間にわたるそれぞれの総日インスリンおよび合計基礎インスリンの平均を表す。別の実施形態では、ＴＤＤおよびＴＤＢはそれぞれ、過去２４日間にわたる総日インスリンおよび合計基礎インスリンの平均を表す。
目標グルコース
上述のように、コントローラによって実施されるブロック１２４（図４）の例示のＭＭＰＣアルゴリズム１００は、基礎プロファイルからの最適な偏差を決定するときに目標生理的グルコース値（ＰＧＴＧＴ）を使用する。いくつかの実施形態では、ＰＧＴＧＴは固定値である。他の実施形態では、ＰＧＴＧＴは、様々な条件が存在するか、または様々なイベントが発生したときに、公称値またはプリセット値（ＰＧＮＯＭ）から修正される。目標生理的グルコース値は、ＵＩ２０の入力を介してシステム１０に通信されるユーザデータに基づいて決定され得る。目標生理的グルコース値のそのような調整は、例えば、食事および／または運動の告知に応じて起こり得る。目標グルコース値の調整は、少なくとも部分的に目標修正式によって管理されてもよく、または特定の状況が存在するときに使用されるべき事前定義された値に基づいていてもよい。また、目標値の調整は、条件またはイベントが発生した後もしばらく続く場合がある。調整は、この期間にわたる静的または固定調整であってもよく、または期間が経過するにつれて大きさが変化する（例えば、大きさが直線的に減少する）場合もある。
ここで図４に示されるブロック１２０を参照すると、グルコース目標は、ブロック１２２で決定され、かつブロック１２４に提供され、次いで、上述のように基礎プロファイルからの最適な偏差を決定し得る。ブロック１２２は、ブロック１１５から食事および運動入力データを受信し、目標生理的グルコース値を変更し得る。ブロック１２０で基礎プロファイルの最適な偏差を決定する部分として、公称の目標グルコース値を、その公称値から調整することができる。例示的な公称の目標グルコース値は、６ｍｍｏｌ／Ｌであるが、他の好適な値が実装されてもよい。いくつかの実施形態では、ＭＭＰＣアルゴリズム１００がブロック１２０で基礎プロファイルの最適な偏差を決定している間に患者が運動を知らせ、まだ運動を終了していない場合、目標グルコース値を調整することができる。他の実施形態では、現在の時間の事前定義された時間内に所定の期間にわたって運動期間が発生した場合、運動のために目標グルコース値を修正することができる。いくつかの実施形態では、患者１４が最適な基礎偏差の決定の事前定義された期間内に食事を知らせた場合、食事データは、目標生理的グルコース値を変更し得る。
運動告知は、生理的グルコース目標値を、プリセット値または公称値から運動目標値に修正する場合がある。いくつかの実施形態では、運動目標値は、プリセットまたは公称目標値であってもよく、またはそれよりも約３ｍｍｏｌ／Ｌ大きくてもよい。いくつかの実施形態では、プリセットまたは公称目標値は、６ｍｍｏｌ／Ｌまたは約６ｍｍｏｌ／Ｌであり得、運動目標値は、９ｍｍｏｌ／Ｌまたは約９ｍｍｏｌ／Ｌであり得る。
食事告知または食事データを式に入力して、食事に対する近接性に基づいて目標値を増加させることができる。この式は、食事が食事に時間的に近接した目標値により大きな影響を与えるように構成され得る。食事の消費からの時間が増加するにつれて、目標値は、より少ない程度に変更され得る。特定の事前定義された期間が経過した後、食事入力データは、もはや目標値調整の決定に影響を及ぼさなくなる可能性があり、かつプリセットまたは公称目標値が使用される場合がある。目標生理的グルコース値に対する食事イベントの影響は、時間の経過とともに線形の様式に変化する（例えば、減少する）場合がある。
生理的グルコース目標値が設定された後、生理的グルコース目標に基づいて、いくつかのチェックが実行され得る。これらのチェックにより、場合によっては、グルコース目標値（ＰＧＴＧＴ）が修正され、最終値が変更される場合がある。
インスリン制限チェック
状態ベクトルが伝搬され、ブロック１２０で基礎プロファイルからの最適な偏差が決定された後、コントローラ２４は、図３のブロック１３０で、基礎プロファイルからの最適な偏差を１つ以上のインスリン制限と比較またはチェックすることができる。いくつかの実施形態では、複数の基準が使用されてもよい。基礎プロファイルからの最適な偏差（δｉ）は、生理的グルコースまたは選択された状態ベクトルの生理的グルコースの変化速度に基づいて、制限内に送達されるインスリンを保持するように変更されてもよい。最適な偏差の変更はまた、インスリンの総日投与量（ＴＤＤ）および／または総日基礎インスリン（ＴＤＢ）に基づいている。いくつかの実施形態では、基礎プロファイルからの最適な偏差が複数の制限チェックを通過するときに、基礎プロファイルからの最適な偏差を、１回または複数回更新することができる。次に、結果として得られる制限チェックされた最適な基礎偏差（δｉ）は、投与量要求ブロック１３５に渡され得、ここで、基礎投与量または基礎プロファイルは、ポンプ１２に送信される要求されたインスリン投与量を生成するために、チェックされた基礎偏差に追加される。
図８は、基礎プロファイルからの最適な偏差が変更を必要とするかどうかを決定するために実行され得る、いくつかの例示の操作を詳細に説明する例示的なフローチャート１２００を示す。基礎プロファイルからの最適な基礎偏差は、ブロック１２０６で、コントローラ２４によって第１の基準または第１の制限チェックと比較される。ブロック１２０８で、比較が、第１のインスリン制限チェックに基づいて修正が必要ないことを示す場合、最適な基礎偏差は、ブロック１２１２で、次のインスリン制限チェックと比較され得る。ブロック１２０８で、最適な基礎偏差が変更を必要とすることを比較が示す場合、ブロック１２１０で、最適な基礎偏差を、更新された基礎偏差に変えることができる。次に、更新された基礎偏差は、ブロック１２１２で、コントローラ２４によって次のインスリン制限チェックと比較され得る。
ブロック１２１４において、最適な、または更新された基礎偏差が変更を必要とすることを比較が示す場合、ブロック１２１６で、基礎偏差は、更新された基礎偏差に更新され得る。ブロック１２１６での修正後、またはブロック１２１４で、インスリン制限チェックに基づいて、比較が、修正が不要であることを示す場合、ブロック１２１８で、すべてのインスリン制限チェックが完了したかどうかを決定することができる。ブロック１２２０で、すべてのインスリン制限チェックが完了していない場合、コントローラ２４はブロック１２１２に戻り、次のインスリン制限チェックを実行することができる。これは、「ｎ」回のインスリン制限チェックがコントローラ２４によって行われるまで、繰り返されてもよい。いくつかの実施形態では、「ｎ」は最大で６までであり得る。ブロック１２２０で、すべてのインスリン制限チェックが完了した場合、最適な基礎偏差または更新された基礎偏差は、チェックされた基礎偏差としてポンプ１２に提供され、ポンプ１２は、患者１４に微量ボーラス量の薬剤を投与することができる。
方程式１５〜１７は、図３のブロック１３０で適用され得る例示的なインスリン制限チェックを示している。一実施形態では、式１５〜１７は、ブロック１２０で生成された最適な基礎偏差に順次適用される。他の実施形態は、基礎インスリン偏差に関する以下の制限の一部またはすべてを含み得る。これらのインスリンの制限は、図３および図４のブロック１２０で生成されたインスリン基礎プロファイルの最適な偏差または最適な基礎偏差（δＩ）に適用され、ブロック１３５に供給される更新された基礎偏差を生成し、ここで、送達される投与量は、ポンプ１２から要求される。
ＭＭＰＣアルゴリズム１００を、基礎速度とは異なる速度でインスリンを送達する要求に非対称的に応答させるために、一実施形態では、インスリン制限ブロック１３０は、負の基礎偏差の大きさを大きくすること、および正の基礎偏差を変更しないままにすることによって、基礎インスリンまたは基礎プロファイルからの変更を低投与量に偏向させる。例えば、ブロック１２０からの最適な基礎偏差が負の場合、次の式１５に従って、最適な基礎偏差の大きさをさらに増加させることができる。
Figure 0006874155
 ここで、Ｆ１は１よりも大きい値である。最適な基礎偏差が正の場合、最適な基礎偏差は変更されない。必要に応じて、最適な基礎偏差の大きさを増加させた後、コントローラ２４は、次のインスリン制限チェックを実行する。
いくつかの実施形態におけるＭＭＰＣアルゴリズム１００は、生理的グルコースが高い場合に、最小のインスリン送達を確実にする。いくつかの実施形態では、コントローラ２４は、選択状態ベクトルの推定生理的グルコースが所定の高グルコース閾値を超える場合、最適な基礎偏差をゼロ以上に制限する。最適な基礎偏差をゼロ以上に保持すると、送達されたインスリンが基礎プロファイル以上になることがもたらされる。一実施例では、基礎偏差は、以下の式１６に従う高グルコース閾値に基づいて制限される。
Figure 0006874155
 ここで、ＰＧＭＡＸは、高い生理的グルコース閾値である。一実施例では、高い生理的閾値は、約１３．７ｍｍｏｌ／Ｌである。Ａ＝ｍａｘ（Ｂ、Ｃ）の方程式形式は、ＡがＢまたはＣの大きい値に等しく設定されることを意味する。
いくつかの実施形態におけるＭＭＰＣアルゴリズム１００は、生理的グルコースが低い場合、インスリン送達を制限する。いくつかの実施形態では、コントローラ２４は、選択状態ベクトルの生理的グルコースが所定の低い生理的グルコース閾値未満である場合、最適な基礎偏差を第１の所定の低い値以下に制限する。
いくつかの実施形態におけるＭＭＰＣアルゴリズム１００は、生理的グルコースが低く低下している場合、インスリン送達をさらに制限する。いくつかの実施形態では、コントローラ２４は、選択状態ベクトルの生理的グルコースが所定の低い生理的グルコース閾値未満であり、時間とともに減少する場合、最適な基礎偏差を第２の所定の低い値以下に制限する。第２の所定の低い値は、第１の所定の低い値よりも小さくてもよい。
いくつかの実施形態におけるＭＭＰＣアルゴリズム１００は、生理的グルコースが非常に低い場合、インスリン送達をさらに制限する。いくつかの実施形態では、コントローラ２４は、選択状態ベクトルの生理的グルコースが第２の所定の低い生理的グルコース閾値未満である場合、最適な基礎偏差を第３の所定の低い値以下に制限する。
いくつかの実施形態におけるＭＭＰＣアルゴリズム１００は、所定の期間の低インスリン投与後に最小レベルのインスリンを供給することにより、比較的長い時間スケールにわたってインスリンの最小送達を確実にする。いくつかの実施形態では、コントローラ２４は、事前定義された期間にわたる平均インスリン投与量が事前定義された投与量閾値を下回る場合、インスリン投与量を最小投与量以上に制限する。平均送達インスリン投与量は、図３のブロック１３５においてＭＭＰＣアルゴリズム１００により要求されたインスリン投与量を事前定義された期間にわたって平均することにより、コントローラ２４により決定され得る。いくつかの実施形態では、事前定義された期間は約２時間である。送達されたインスリン閾値は、小さな正の値である場合がある。いくつかの実施形態では、送達されるインスリン閾値は、１時間あたり約０．０５単位のインスリンに設定される。
いくつかの実施形態において、事前定義された期間にわたる平均送達インスリン投与量が送達インスリン閾値未満である場合、最適な基礎偏差を第１の所定の閾値以上に制限することにより、最小長期送達が確実にされ得る。一実施形態では、第１の所定の閾値はゼロであるため、送達されるインスリンは、少なくとも基礎プロファイルに等しくなる。一実施形態では、このインスリン制限は以下の式１７に説明されている。
Figure 0006874155
 ＩＤ（ｉ）は過去に要求されたインスリン投与量であり、ＩＭＩＮは送達されたインスリン閾値である。
グルカゴンの閉ループ制御
いくつかの実施形態では、システム１０は、複数の薬剤リザーバ１６を含むことができる。例えば、１つの薬剤リザーバ１６はインスリンを含むことができ、別のリザーバはグルカゴンを含むことができる。ＣＧＭ２２からのデータを使用して、グルカゴンは、インスリンとともに閉ループ様式で患者１４に送達され得る。いくつかのシステムでは、インスリンに加えてグルカゴンを投与すると、患者１４が正常血糖状態で過ごす時間をさらに増加させるのに役立つ場合がある。
患者１４へのグルカゴン送達は、実施形態に応じて変化し得る、いくつかの事前定義されたグルカゴン規則によって制御され得る。いくつかの実施形態では、所定の日に患者１４への送達に割り当てられるグルカゴンボーラスのサイズは、最近の食事、運動、生理的グルコース濃度、グルコース濃度の変化速度、基礎インスリンデータ、および推定オンボードインスリン（ＩＯＢ）を含むがこれらに限定されない、因子のうちの１つ以上の関数であり得る。いくつかの実施形態では、ユーザが運動を指示した場合、グルカゴンボーラスを増加させることができる。いくつかの実施形態では、運動中にグルカゴンの投与量を増加させることができる。いくつかの実施形態では、グルカゴンボーラスは、ゼロに設定されるか、または食事後一定期間キャンセルされる場合がある。一実施形態では、グルカゴンボーラスは、食事後１２０分間ゼロに設定される。
いくつかの実施形態では、グルカゴンボーラスは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）がグルコース速度閾値（ＲＰＧ）未満である場合にのみ送達され得る。グルコース速度閾値は、推定生理的グルコース（ＰＧ）の関数であり得る。グルコース速度閾値（ＲＰＧ）は、推定生理的グルコース（ＰＧ）に反比例して増加する場合があり、その結果、グルコース速度閾値は、より低い生理的グルコース（ＰＧ）値とともに増加する。コントローラは、ＰＧレベルが低下するにつれて、ｄＰＧ／ｄｔ値が高くなるとグルカゴンを送達する。いくつかの実施形態では、グルコース速度閾値はゼロ未満であるため、グルカゴンは、ＰＧがグルコース速度閾値よりも速く低下している場合にのみ送達される。これらの実施形態では、生理的グルコースが増加するにつれて、グルコース速度閾値は増加し、より小さい大きさを有する。いくつかの実施形態では、グルコース速度閾値はゼロよりも大きくてもよく、その結果、ＰＧがグルコース速度閾値よりもゆっくりと上昇する場合にのみグルカゴンが送達される。これらの実施形態では、生理的グルコースが増加するにつれて、グルコース速度閾値が増加し、より大きい大きさを有する。いくつかの実施形態では、グルコース速度閾値は、生理的グルコース値が高い場合はゼロ未満であり、生理的グルコース値が低い場合はゼロよりも大きい。これらの実施形態において、グルカゴンは、より高い生理的グルコースレベルおよびより低い生理的グルコース値でＰＧがグルコース速度閾値よりも速く低下する場合にのみ送達され、ＰＧがグルコース速度閾値よりもゆっくり上昇する場合にのみグルカゴンが送達される。
グルカゴンボーラス（ＧｌｎＢ）のサイズまたはボリュームは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）および生理的グルコースの推定値（ＰＧ）の両方に比例する。いくつかの実施形態では、生理的グルコースの変化速度とともに増加するグルカゴンボーラス。いくつかの実施形態では、グルカゴンボーラスの量は、生理的グルコース濃度のレベルが低下するにつれて増加し得る。いくつかの実施形態において、グルカゴンボーラスは、モデル内の活性インスリンの量とともに増加し得る。
いくつかの実施形態では、グルカゴンは、図９のフローチャート１４４０に示される例示的な方法に基づいて、コントローラ２４により、さらにまたは代替的に制御され得る。ブロック１７０のコントローラ２４は、ブロック１１５からの食事および運動に関するユーザデータの受信、選択状態ベクトル１２６（図４）における生理的グルコースの現在の推定、およびブロック１２７からの生理的グルコースの変化の速度（ｄＰＧ／ｄｔ）に基づいて、グルカゴンの要求されたボーラス量を決定し得る。ブロック１４２０において、コントローラ２４は、食事が事前定義された期間（τＭ）内に消費されたかどうかをチェックする。一実施形態では、τＭは１２０分である。食事がτＭ未満の期間内に消費された場合、コントローラは、ブロック１４３５でグルカゴンボーラスをゼロに設定し、かつブロック１７０を終了する。食事が過去τＭ期間内に消費されなかった場合、コントローラは、ブロック１４２５中のグルコース入力（ＧＩ）を決定する。グルコース入力は、選択状態ベクトル１２６の生理的グルコース（ＰＧ）に等しい。いくつかの実施形態では、ユーザがブロック１１５で運動を指示する場合、グルコース入力は、生理的グルコース濃度から運動因子を引いたものに等しくなり得る。一実施形態では、運動因子は３ｍｍｏｌ／Ｌである。次に、グルコース入力値（ＧＩ）は、グルコース入力値およびブロック１２７で決定された生理的グルコース濃度の変化速度に基づいてグルカゴンボーラスのサイズを設定する、一連のｉｆ−ｔｈｅｎ−ｅｌｓｅロジック決定（ブロック１４３０〜１４６８）に渡される。結果として生じるグルカゴンボーラスは、選択された状態ベクトルのインスリンと推定基礎インスリン必要量（ＩＥＢＮ）の合計の関数としてブロック１４７０で更新されてもよい。
ｉｆ−ｔｈｅｎ−ｅｌｓｅロジック（ブロック１４３０〜１４６８）およびグルカゴンボーラス修正１４７０について以下に説明する。ブロック１４３０では、グルコース入力（ＧＩ）が、一次グルコース閾値（Ｇ０）と比較される。入力グルコースが一次グルコース閾値（Ｇ０）よりも大きい場合、コントローラは、ブロック１４３５でグルカゴンボーラスをゼロに設定し、ブロック１７０を終了する。入力グルコース（ＧＩ）が一次グルコース閾値（Ｇ０）未満である場合、コントローラは、ブロック１４４８、ならびに推定値および生理的グルコースの変化速度に基づいてグルカゴンボーラスを設定する、連続するｉｆ−ｔｈｅｎ−ｅｌｓｅロジックステップに進む。
ブロック１４４８において、グルコース入力（ＧＩ）が第１のグルコース閾値（Ｇ１）よりも大きい場合、次に、グルカゴンボーラスは、生理的グルコース濃度の変化速度（ｄＰＧ／ｄｔ）または連続する生理的グルコース値の差（ｄｙ１、ｄｙ２）に基づいて、ブロック１４５０で第１の関数によって決定される。連続する生理的グルコース値間の差［ＰＧ（ｉ）−ＰＧ（ｉ−１）またはＰＧ（ｉ）−ＰＧ（ｉ−２）］は、生理的グルコースの連続値が固定間隔で取得される場合、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）と見なすことができる。グルコース入力が第１のグルコース閾値未満である場合、ロジックはブロック１４５２に進む。
ブロック１４５０の第１の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第１の速度閾値（ＲＰＧ１）よりも大きい場合、グルカゴンボーラスはゼロに設定される（ＧｌｎＢ＝０）。ブロック１４５０でグルカゴンボーラスを設定した後、コントローラ２４はブロック１４７０に進む。
ブロック１４５２において、グルコース入力（ＧＩ）が第２のグルコース閾値（Ｇ２）よりも大きい場合、グルカゴンボーラスは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて、ブロック１４５４の第２の関数によって決定される。グルコース入力が第２のグルコース閾値未満である場合、ロジックはブロック１４５６に進む。
ブロック１４５４の第２の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第２の速度閾値（ＲＰＧ２）よりも大きい場合、グルカゴンボーラスはゼロに設定される（ＧｌｎＢ＝０）。ブロック１４５４でグルカゴンボーラスを設定した後、コントローラ２４はブロック１４７０に進む。
ブロック１４５６で、グルコース入力（ＧＩ）が第３のグルコース閾値（Ｇ３）よりも大きい場合、グルカゴンボーラスは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて、ブロック１４５８の第３の関数によって決定される。グルコース入力が第３のグルコース閾値未満である場合、ロジックはブロック１４６０に進む。
ブロック１４５８の第３の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第３の速度閾値（ＲＰＧ３）よりも大きい場合、グルカゴンボーラスはゼロに設定される（ＧｌｎＢ＝０）。ブロック１４５８でグルカゴンボーラスを設定した後、コントローラ２４はブロック１４７０に進む。
ブロック１４６０において、グルコース入力（ＧＩ）が第４のグルコース閾値（Ｇ４）よりも大きい場合、グルカゴンボーラスは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて、ブロック１４６２の第４の関数によって決定される。グルコース入力が第４のグルコース閾値未満である場合、ロジックはブロック１４６４に進む。
ブロック１４６２の第４の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第４の速度閾値（ＲＰＧ４）よりも大きい場合、グルカゴンボーラスはゼロに設定される（ＧｌｎＢ＝０）。ブロック１４６２でグルカゴンボーラスを設定した後、コントローラ２４はブロック１４７０に進む。
ブロック１４６４において、グルコース入力（ＧＩ）が第５のグルコース閾値（Ｇ４５）よりも大きい場合、グルカゴンボーラスは、生理的グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて、ブロック１４６６の第５の関数によって決定される。グルコース入力が第５のグルコース閾値未満である場合、ロジックはブロック１４６８に進む。
ブロック１４６６の第５の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第５の速度閾値（ＲＰＧ５）よりも大きい場合、グルカゴンボーラスはゼロ（ＧｌｎＢ＝０）に設定される。ブロック１４６６でグルカゴンボーラスを設定した後、コントローラ２４はブロック１４７０に進む。
ブロック１４６８の第６の関数では、グルカゴンボーラスは、グルコースの変化速度（ｄＰＧ／ｄｔ）に基づいて決定される。グルコースの変化速度が第６の速度閾値（ＲＰＧ６）よりも大きい場合、グルカゴンボーラスはゼロに設定される（ＧｌｎＢ＝０）。ブロック１４６８でグルカゴンボーラスを設定した後、コントローラはブロック１４７０に進む。
例示の実施形態では、一次グルコース閾値は第１のグルコース閾値よりも大きく、第１のグルコース閾値は第２のグルコース閾値よりも大きく、第２のグルコース閾値は第３のグルコース閾値よりも大きく、第３のグルコース閾値は第４のグルコース閾値よりも大きく、かつ第４のグルコース閾値は第５のグルコース閾値よりも大きい。
ブロック１４７０では、第１の関数から第６の関数のうちの１つによって、ブロック１４５０〜１４６８のうちの１つで決定されたグルカゴンボーラスは、体内の活性インスリンおよび推定基礎インスリン必要量（ＩＥＢＮ）に基づいて更新され得る。体内の活性インスリンまたはオンボードインスリン（ＩＯＢ）は、選択状態ベクトルのインスリンコンパートメントのインスリンの合計である。図５および式１に表される一実施形態では、インスリンコンパートメントは、２つの皮下コンパートメント（ＩＳ１、ＩＳ１）および２つのボーラスコンパートメント（ＩＢ１、ＩＢ１）を含む。ＩＯＢは、図４のブロック１２０、１３０によって要求される経時的な基礎偏差に基づいている。次に、ブロック１４７０からのグルカゴンボーラス要求または１４３５からのゼロ要求は、グルカゴンボーラスブロック１８０に渡される。
食事ボーラス（Meal Bolus）
ここで図１０に示されるフローチャート７００を参照すると、患者１４に食事ボーラスで送達されるべき薬物（例えば、インスリン）の量を決定し、生理的グルコース濃度を、食事中および食事後の所望のレベルまたは範囲に維持するときに、様々なロジック規則が適用され得る。ブロック７０２では、現在の生理的グルコース濃度（ＰＧ）濃度および食事データが受信される。ブロック７０４において、コントローラ２４は、少なくとも生理的グルコース濃度の変化速度（ｄＰＧ／ｄｔ）を決定してもよい。ｄＰＧ／ｄｔは、本明細書で説明される少なくとも１つの方法を含む任意の好適な方法によって決定されてもよい。食事ボーラスは、食事中の炭水化物の量（ＣＨＯ）、インスリンと炭水化物との比率（ＩＣＲ）、およびボーラス減衰因子（ＰＣＨＯ）から決定され、ここで、生理的グルコースが比較的低い場合、および／または値が減少している場合、ボーラス減衰因子は、食事ボーラスを減少させる。ＭＭＰＣアルゴリズム１００により提供される生理的グルコースの閉ループ制御は、正常血糖を維持する必要がある場合、食事ボーラスの減少を補うために、追加のインスリンを提供するための方法を提供する。
一実施形態では、生理的グルコース濃度値は、ＣＧＭ２２から直接提供される。いくつかの実施形態では、生理的グルコース濃度は、図４のブロック１２６に関連して上述したような選択状態ベクトルの現在の生理的グルコース濃度である。別の実施形態では、食事ボーラスアルゴリズムは、ＣＧＭ２２によるグルコース測定から推定された生理的グルコース値を使用する。
ここで図１、図２を参照すると、食事ボーラスを決定するとき、システム１０は、グルコースセンサ２２およびＵＩ２０のうちの少なくとも１つからの入力を用いて、食事ボーラス量を決定することができる。食事ボーラスの予備値は、食事の炭水化物含有量をインスリンと炭水化物との比率で割った値であり得る。食事ボーラスの予備値は、コントローラ２４によって決定された生理的グルコース値に基づいて減衰されてもよい。食事の炭水化物含有量は、ＵＩ２０で明示的に入力されてもよいし、またはＵＩ２０で供給された食事データからコントローラ２４によって推測されてもよい。インスリンと炭水化物との比率は、ＵＩ２０で入力され、および／またはコントローラ２４によって読み取り可能なメモリに格納されてもよい。食事の炭水化物含有量は、ユーザの定性的判断として、ユーザが入力してもよい。例えば、ユーザは、システム１０のＵＩ２０を介して、食事のサイズを示すことができる。いくつかの実施形態では、食事のサイズは、小、中、大、またはスナックなどの複数のカテゴリーから選択され得るが、これらに限定されない。
再び図１０のフローチャート７００を参照すると、食事ボーラス（ＢＯＬＭ）は、食事の炭水化物含有量（ＣＨＯ）、インスリンと炭水化物との比率（ＩＣＲ）、および減衰因子から計算され得る。減衰因子は、生理的グルコース濃度および生理的グルコースの変化速度に依存し、ブロック７０６で事前定義された式から決定される。食事ボーラスは、ブロック７０８で決定される。ブロック７１２において、食事ボーラスは、ブロック７１２における総日インスリン（ＴＤＤ）の事前定義された分率未満に制限される。結果として得られた食事ボーラスは、送達要求としてポンプ１２に渡され、ポンプ１２は、インスリン食事ボーラスをユーザに送達することができる。
食事ボーラスアルゴリズムは、少量の食事の食事ボーラスを、大量の食事とは異なる方法で減衰させる場合がある。例えば、食事の炭水化物含有量が炭水化物閾値（ＣＴＨＤ）を超えると推定される場合、食事ボーラスは、炭水化物値（ＣＨＯ）と減衰因子（ＡＣＨＯ）の積を、インスリンと炭水化物との比率（ＩＣＲ）で割ったものとして計算され得る。
Figure 0006874155
 この実施例を続けると、炭水化物含有量が同じ炭水化物閾値よりも少ないと推定される場合、食事ボーラス計算は次のように変更されてもよい。
Figure 0006874155
 食事ボーラスの方程式（式１９）は、所与のＡＣＨＯのボーラス減衰の大きさが炭水化物閾値未満で一定になるように、減衰因子（ＡＣＨＯ）によって少量の食事の食事ボーラスの減少を修正する。式１９では、ボーラス減衰の大きさは、炭水化物閾値を超える食事の炭水化物含有量に比例し、かつ同じ炭水化物閾値を下回る少量の食事の炭水化物閾値に比例する。いくつかの実施形態では、炭水化物閾値は７０グラムであるが、他の好適な閾値が提供されてもよい。
減衰因子ＡＣＨＯは、生理的グルコースと生理的グルコースの変化速度の関数である。減衰因子は、生理的グルコースの増加および生理的グルコースの変化速度の増加の両方で増加する。減衰因子は、下限値および上限値によって制限される場合がある。いくつかの実施形態では、減衰因子の下限は０．８である。いくつかの実施形態では、減衰因子の上限は１．０である。いくつかの実施形態では、減衰因子は、ＰＧおよびｄＰＧ／ｄｔのスプラインフィットから表Ｉの値に決定することができる。
Figure 0006874155
いくつかの実施形態では、コントローラ２４は、生理的グルコース（ＰＧ）値および生理的グルコースの変化速度（ｄＰＧ／ｄｔ）値の１組の線形補間から減衰因子を決定してもよい。生理的グルコースは、ＣＧＭによっておよび／または選択状態ベクトル（図３のブロック１２６）から決定された推定生理的グルコース（ＰＧ）であってもよい。生理的グルコースの変化速度（ｄＰＧ／ｄｔ）は、いくつかの様式で決定され得る。いくつかの実施形態では、ＰＧの変化速度は、６０＊（ＰＧ（ｔ）−ＰＧ（ｔ−ｄｔ））／ｄｔであり、ここで、ｄｔは２０分であり、ｄＰＧ／ｄｔはｍＭｏｌ／Ｌ／ｈｒの単位を有する。
この実施例では、食事減衰（ＡＣＨＯ）は１．０〜０．８の範囲であり、生理的グルコース濃度が低い（例えば、６．５ｍｍｏｌ／Ｌ未満）場合と時間の経過とともに減少する場合、減衰値は低くなる。
ここで図１０を参照すると、ブロック７０８からの減衰された食事ボーラス（ＢＯＬＭ）は、インスリンの総日投与量（ＴＤＤ）に基づいて、ブロック７１２で制限され得る。いくつかの実施形態では、食事ボーラスは、所定の上限以下に制限される。食事ボーラスが所定の上限よりも大きい場合、食事ボーラスは所定の上限に等しく設定される。いくつかの実施形態では、上限はＴＤＤの分率である。一実施形態では、上限はＴＤＤの５分の１である。次いで、ブロック７１２から得られた制限された食事ボーラスは、ブロック７１４に渡される。
ブロック７０８で決定された食事ボーラス（ＢＯＬＭ）に加えて、上述のようにブロック７０４で決定された推定生理的グルコースに基づいて、ブロック７１０で補正ボーラス（ＢＯＬＣ）が決定される。いくつかの実施形態では、補正ボーラスはまた、モデル内のオンボードインスリン（ＩＯＢ）または活性インスリンに基づいている。ＩＯＢは、現在の時間での選択状態ベクトルのインスリン状態変数の合計である。インスリン状態変数は、モデルのインスリンコンパートメント内のインスリンの量または濃度を表す。図５および式１に表されるいくつかの実施形態では、インスリンコンパートメントは、２つの皮下コンパートメント（ＩＳ１、ＩＳ１）およびボーラスコンパートメント（ＩＢ１、ＩＢ１）を含む。いくつかの実施形態では、モデルの様々なコンパートメントのインスリンは、経時的なインスリンボーラスと経時的な基礎偏差の合計から、血液コンパートメント２２０で輸送または変換されたインスリンを差し引いたものを表す。一実施形態において、モデルおよびＩＯＢは、これらがこの実施形態においてもモデルに含まれない内因性グルコース産生を補償すると想定される場合、基礎プロファイルインスリンまたは基礎投与量インスリンを含まない。いくつかの実施形態では、ブロック７１４で、補正ボーラスが制限食事ボーラスに追加され、結果として得られたボーラスが、インスリン送達デバイス１２から要求される。他の実施形態では、制限食事ボーラスの要求は、補正ボーラスの要求とは独立してポンプ１２に渡される。
補正ボーラス（ＢｏｌＣ）は、推定生理的グルコース値（ＰＧ）および推定オンボードインスリン（ＩＯＢ）に基づいて変化する。実例として、補正ボーラスは、低ＰＧ閾値未満のＰＧ値ではゼロであり、ＰＧが低ＰＧ閾値を超えると増加する。ＰＧを使用したボーラス補正値の増加速度は、高ＰＧ閾値を超えると減少する。
図１１〜図２８は、患者のグルコースを制御するためにシステム１０で実行することができる、方法の例示的なフローチャートを示す。図１１の方法２１００は、１つ以上のコントローラを使用して、各々が１組の値を有する複数のモデルパラメータを含む、複数のモデルを実行することにより、マルチモデル予測コントローラアルゴリズムを実行すること（ステップ２１０２）と、１つ以上のコントローラを使用して、複数の実行されたモデルのうちの１つを選択すること（ステップ２１０４）と、１つ以上のコントローラを使用して、選択された実行されたモデルに少なくとも部分的に基づいて、第１の薬剤投与量を決定すること（ステップ２１０６）と、を含む。
図１２の方法２２００は、１つ以上のコントローラを使用して、複数の状態ベクトルを時間内に伝搬することにより、マルチモデル予測コントローラアルゴリズムを実行すること（ステップ２２０２）と、１つ以上のコントローラを使用して、複数の伝搬された状態ベクトルのうちの１つを選択すること（ステップ２２０４）と、１つ以上のコントローラを使用して、選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、第１の薬剤投与量を決定すること（ステップ２２０６）と、を含む。
図１３の方法２３００は、複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられ、各状態ベクトルが、生理的グルコースレベルを含む、定義すること（ステップ２３０２）と、事前選択された間隔で以下：患者の現在のグルコース濃度を測定すること、現在のグルコース濃度をコントローラに送信すること、現在のグルコース濃度を受信すること、関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬すること、現在のグルコース濃度に基づいて、伝搬された状態ベクトルをフィルタリングすること、伝搬された状態ベクトルおよび関連付けられたモデルのうちの１つを選択すること、選択された状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の生理的グルコース軌道を予測すること、生理的グルコース軌道を使用して、予測期間中の最適なインスリン軌道の目的関数の解くこと、ならびに最適なインスリン軌道からインスリン投与量を決定すること、を実行すること（ステップ２３０４）と、を含む。
図１４の方法２４００は、コントローラで、グルコース濃度および基礎インスリン投与量を含む患者データを受信すること（ステップ２４０２）と、グルコース濃度に少なくとも部分的に基づいて、患者の生理的グルコースを推定すること（ステップ２４０４）と、基礎インスリン投与量から最適なインスリン偏差を決定すること（ステップ２４０６）と、最適なインスリン偏差が所定の閾値未満であると決定すること（ステップ２４０８）と、最適なインスリン偏差が所定の閾値未満であると決定したことに応じて、因子を１よりも大きい値に設定すること（ステップ２４１０）と、基礎インスリン投与量を、最適なインスリン偏差に因子を掛けた値に加算することにより、インスリン投与量を決定すること（ステップ２４１２）と、を含む。
図１５の方法２５００は、コントローラで、グルコース濃度および患者データを受信すること（ステップ２５０２）と、グルコース濃度に少なくとも部分的に基づいて、患者の生理的グルコースを推定すること（ステップ２５０４）と、推定された生理的グルコースに応じて、インスリン投与量を決定すること（ステップ２５０６）と、過去の第２の期間の平均インスリン投与量が事前定義されたインスリン閾値未満であると決定すること（ステップ２５０８）と、過去の第２の期間の平均インスリン投与量が事前定義されたインスリン閾値未満であると決定したことに応じて、インスリン投与量を、第１の期間の基礎インスリン投与量以上に制限すること（ステップ２５１０）と、を含む。
図１６の方法２６００は、コントローラで、グルコース濃度、インスリンの総日投与量、および食事データを受信すること（ステップ２６０２）と、状態ベクトルおよびモデルを定義することであって、状態ベクトルが、１つ以上のインスリン状態変数、１つ以上の炭水化物状態変数、および生理的グルコース状態変数を含む、定義すること（ステップ２６０４）と、モデルに基づいて、時間内に状態ベクトルを伝搬すること（ステップ２６０６）と、グルコース濃度に基づいて、伝搬された状態ベクトルをフィルタリングすること（ステップ２６０８）と、少なくとも１つのインスリン状態変数にインスリンの量を追加することであって、追加されたインスリンの量が、食事データおよびインスリンの総日投与量に基づいている、追加すること（ステップ２６１０）と、状態ベクトルおよび関連付けられたモデルに基づいて、インスリン投与量を決定すること（ステップ２６１２）と、を含む。
図１７の方法２７００は、コントローラで、基礎インスリン投与量、食事データ、およびインスリンと炭水化物との比率を受信すること（ステップ２７０２）と、患者の活性インスリンを推定することであって、患者の活性インスリンが、基礎インスリン投与量を含まない、推定すること（ステップ２７０４）と、グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定すること（ステップ２７０６）と、食事データから食事炭水化物値を決定すること（ステップ２７０８）と、推定された生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定すること（ステップ２７１０）と、食事データ、インスリンと炭水化物との比率、および減衰因子に基づいて、食事ボーラスを決定すること（ステップ２７１２）と、患者の活性インスリンに基づいて、食事ボーラスを修正すること（ステップ２７１４）と、を含む。
図１８の方法２８００は、グルコース濃度、基礎インスリン投与量、および食事データを、コントローラに送信すること（ステップ２８０２）と、患者の活性インスリンを推定することであって、患者の活性インスリンが、基礎インスリン投与量を含まない、推定すること（ステップ２８０４）と、グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定すること（ステップ２８０６）と、食事データから食事炭水化物値を決定すること（ステップ２８０８）と、推定された生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定すること（ステップ２８１０）と、食事データ、インスリンと炭水化物との比率、および減衰因子に基づいて、食事ボーラスを決定すること（ステップ２８１２）と、を含み、食事ボーラスは、食事炭水化物値が所定の食事炭水化物閾値を超える場合に、食事炭水化物値に比例して減衰し、かつ食事ボーラスは、所定の食事炭水化物閾値以下の食事炭水化物値に対して、所定の食事炭水化物閾値に比例して減衰される。
図１９の方法２９００は、グルコース濃度をコントローラに送信すること（ステップ２９０２）と、患者の生理的グルコースおよび生理的グルコースの変化速度を推定すること（ステップ２９０４）と、推定された生理的グルコースに基づいて、グルコース速度閾値を決定すること（ステップ２９０６）と、生理的グルコースの変化速度がグルコース速度閾値を超える場合に、薬剤投与量要求をゼロに設定すること（ステップ２９０８）と、生理的グルコースの変化速度がグルコース速度閾値を超える場合に、生理的グルコースおよび生理的グルコースの変化速度の所定の関数に基づいて、薬剤投与量要求を決定すること（ステップ２９１０）と、を含む。
図２０の方法３０００は、グルコース濃度、基礎インスリン投与量、および食事データを、コントローラに送信すること（ステップ３００２）と、生理的グルコース値、生理的グルコース値の変化速度、および患者の活性インスリンの量を決定することであって、患者の活性インスリンが、基礎インスリンプロファイルを含まない、決定すること（ステップ３００４）と、決定された生理的グルコース値および生理的グルコース値の変化速度に基づいて、薬剤投与量を決定すること（ステップ３００６）と、患者の活性インスリンの量に基づいて、薬剤投与量を修正すること（ステップ３００８）と、を含む。
図２１の方法３１００は、グルコース濃度および食事データを、コントローラに送信すること（ステップ３１０２）と、グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定すること（ステップ３１０４）と、事前定義された期間内に食事が消費された場合に、薬剤投与量をゼロに設定すること（ステップ３１０６）と、事前定義された期間内に食事が消費されなかった場合に、生理的グルコースに基づいて、薬剤投与量を決定すること（ステップ３１０８）と、を含む。
図２２の方法３２００は、複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルおよび異なる共分散行列と関連付けられ、複数の状態ベクトルが、１つ以上のインスリン状態変数、１つ以上の炭水化物状態変数、および生理的グルコース状態変数を含む、定義すること（ステップ３２０２）と、関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬すること（ステップ３２０４）と、関連付けられた共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された複数の状態ベクトルをフィルタリングすること（ステップ３２０６）と、少なくとも１つのフィルタリングされた状態ベクトルのインスリン状態変数のうちの１つを修正して、少なくとも１つのフィルタリングされた状態ベクトルと少なくとも１つのフィルタリングされていない状態ベクトルとの間の状態変数の差を制限すること（ステップ３２０８）と、フィルタリングされた状態ベクトルおよび関連付けられたモデルのうちの１つを選択すること（ステップ３２１０）と、選択されたフィルタリングされた状態ベクトルおよび関連付けられたモデルを用いて、予測期間中に生理的グルコース軌道を予測すること（ステップ３２１２）と、生理的グルコース軌道を使用して、予測期間中に最適なインスリン軌道の目的関数を解くこと（ステップ３２１４）と、最適なインスリン軌道からインスリン投与量要求を決定すること（ステップ３２１６）と、を含む。
図２３の方法３３００は、状態ベクトル、モデル、および共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含む、定義すること（ステップ３３０２）と、モデルに基づいて、時間内に状態ベクトルを伝搬すること（ステップ３３０４）と、共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすること（ステップ３３０６）と、フィルタリングされた状態ベクトル内の１つの状態変数を修正して、フィルタリングされた状態ベクトルとフィルタリングされていない状態ベクトルとの間の状態変数の差を制限すること（ステップ３３０８）と、修正およびフィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定すること（ステップ３３１０）と、を含む。
図２４の方法３４００は、状態ベクトル、モデル、および共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含む、定義すること（ステップ３４０２）と、モデルに基づいて、時間内に状態ベクトルを伝搬すること（ステップ３４０４）と、共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすること（ステップ３４０６）と、フィルタリングされた状態ベクトル内の１つの状態変数を修正して、フィルタリングされた状態変数と事前定義された値との間の差を制限すること（ステップ３４０８）と、修正およびフィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定すること（ステップ３４１０）と、を含む。
図２５の方法３５００は、状態ベクトル、モデル、および共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含み、共分散行列が、各状態変数と関連付けられた対角要素、および各対角要素と関連付けられた交差項を含む、定義すること（ステップ３５０２）と、過去の所定の期間内に食事が発生しなかった場合に、炭水化物対角要素および関連付けられた交差項をゼロに設定することにより、共分散行列を修正し、モデルに基づいて、状態ベクトルを時間内に伝搬すること（ステップ３５０４）と、修正された共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすること（ステップ３５０６）と、フィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定すること（ステップ３５０８）と、を含む。
図２６の方法３６００は、状態ベクトル、モデル、および共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含み、共分散行列が、各状態変数と関連付けられた対角要素、および各対角要素と関連付けられた交差項を含む、定義すること（ステップ３６０２）と、炭水化物の合計が、閾値を超え、かつ平均食事時間が、低閾値と高閾値との間にある場合に、炭水化物対角要素を非ゼロ値に設定することにより、共分散行列を修正すること（ステップ３６０４）と、炭水化物の合計が、閾値を超え、かつ平均食事時間が、低閾値と高閾値との間にある場合に、ボーラスインスリン対角要素を非ゼロ値に設定することにより、共分散行列を修正すること（ステップ３６０６）と、モデルに基づいて、状態ベクトルを時間内に伝搬すること（ステップ３６０８）と、修正された共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすること（ステップ３６１０）と、フィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定すること（ステップ３６１２）と、を含む。
図２７の方法３７００は、複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられ、各状態ベクトルが、生理的グルコースレベルを含む、定義すること（ステップ３７０２）と、事前定義された間隔で患者の現在のグルコース濃度を測定すること（ステップ３７０４）と、事前定義された間隔でグルコース濃度を受信すること（ステップ３７０６）と、事前定義された間隔の分率で、関連付けられたモデルに基づいて、各状態ベクトルを時間内に伝搬すること（ステップ３７０８）と、事前定義された間隔で、関連付けられたモデルに基づいて、状態ベクトルを時間内に伝搬すること（ステップ３７１０）と、事前定義された間隔で、現在のグルコース濃度に基づいて、各伝搬された状態ベクトルをフィルタリングすること（ステップ３７１２）と、事前定義された間隔で、各状態ベクトルの生理的グルコース値および現在のグルコース濃度に部分的に基づいて、フィルタリングおよび伝搬された状態ベクトルならびに関連付けられたモデルのうちの１つを選択すること（ステップ３７１４）と、事前定義された間隔で選択された状態ベクトルおよび関連付けられたモデルを用いて、予測期間中に生理的グルコース軌道を予測すること（ステップ３７１６）と、事前定義された間隔での生理的グルコース軌道を使用して、予測期間中に最適なインスリン軌道の目的関数を解くこと（ステップ３７１８）と、事前定義された間隔で最適なインスリン軌道からインスリン投与量要求を決定すること（ステップ３７２０）と、を含む。
図２８の方法３８００は、複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられ、かつ生理的グルコースレベルを含む、定義すること（ステップ３８０２）と、第１の事前定義された間隔で患者の現在のグルコース濃度を測定すること（ステップ３８０４）と、第１の事前定義された間隔でグルコース濃度を受信すること（ステップ３８０６）と、第１の事前定義された間隔で、関連付けられたモデルに基づいて、各状態ベクトルを時間内に伝搬すること（ステップ３８０８）と、第１の事前定義された間隔で、現在のグルコース濃度に基づいて、各状態ベクトルをフィルタリングすること（ステップ３８１０）と、第２の事前定義された間隔で、各状態ベクトルの生理的グルコース値および現在のグルコース濃度に部分的に基づいて、状態ベクトルおよび関連付けられたモデルのうちの１つを選択することであって、第２の事前定義された間隔が、第１の事前定義された間隔より長い、選択すること（ステップ３８１２）と、第２の事前定義された間隔で選択された状態ベクトルおよび関連付けられたモデルを用いて、予測期間中に生理的グルコース軌道を予測すること（ステップ３８１４）と、第２の事前定義された間隔での生理的グルコース軌道を使用して、予測期間中に最適なインスリン軌道の目的関数を解くこと（ステップ３８１６）と、第２の事前定義された間隔で、最適なインスリン軌道からインスリン投与量要求を決定すること（ステップ３８１８）と、を含む。
本開示の例示的な態様には、以下が含まれる。
１．患者のグルコースを制御するためのシステムであって、
薬剤投与量を患者に送達するように構成されている、薬剤送達デバイスと、
コントローラであって、薬剤送達デバイスに動作可能に結合されており、かつ
１組の値を有する複数のモデルパラメータを各々含む、複数のモデルを実行することにより、少なくとも部分的にマルチモデル予測コントローラアルゴリズムを実行することと、
複数の実行されたモデルのうちの１つを選択することと、
選択された実行されたモデルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと、を行うように動作可能である、制御ロジックを含む、コントローラと、を含む、システム。
２．制御ロジックが、
選択された実行されたモデルに少なくとも部分的に基づいて、患者の将来のグルコースレベルを予測することを行うようにさらに動作可能であり、第１の薬剤投与量の決定が、予測された将来のグルコースレベルに少なくとも部分的に基づいている、態様１に記載のシステム。
３．制御ロジックが、
予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することを行うようにさらに動作可能であり、第１の薬剤投与量の決定が、予測された将来のグルコースレベルと公称の目標グルコース値との間の差に少なくとも部分的に基づいている、態様２に記載のシステム。
４．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいている、態様２または３に記載のシステム。
５．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、態様２または３に記載のシステム。
６．複数の実行されたモデルのうちの１つを選択することを行うように動作可能である制御ロジックが、
間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じて、複数の実行されたモデルのうちの１つを選択することを行うように動作可能である、制御ロジックを含む、態様１に記載のシステム。
７．間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、態様６に記載のシステム。
８．複数の実行されたモデルのうちの１つを選択することを行うように動作可能である制御ロジックが、
公称の目標グルコース値に少なくとも部分的に基づいて、複数の実行されたモデルのうちの１つを選択することを行うように動作可能である、制御ロジックを含む態様１に記載のシステム。
９．公称の目標グルコース値が、運動告知に応じて増加する、態様８に記載のシステム。
１０．公称の目標グルコース値が、食事告知に応じて増加する、態様８に記載のシステム。
１１．制御ロジックが、
マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の実行されたモデルのうちの異なる１つを選択することと、
選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、を行うようにさらに動作可能である、態様１に記載のシステム。
１２．制御ロジックが、
複数のモデルパラメータおよび１組の値を使用して、複数のモデルを再実行することを含む、マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の実行されたモデルのうちの異なる１つを選択することと、
選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、を行うようにさらに動作可能である、態様１に記載のシステム。
１３．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、インスリンと炭水化物との比率、ユーザインターフェースからの入力、およびコントローラゲイン値のうちの少なくとも１つを含む、態様１に記載のシステム。
１４．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、およびインスリンと炭水化物との比率を含む、態様１に記載のシステム。
１５．複数のモデルの各々が、生理的グルコースおよび間質グルコースのレベルを計算する、１組の線形微分方程式を含む、態様１に記載のシステム。
１６．１組の線形微分方程式が、患者におけるインスリンの貯蔵および輸送をモデル化する、態様１５に記載のシステム。
１７．薬剤送達デバイスが、決定された第１および／または第２の薬剤投与量に少なくとも部分的に基づいて、患者にインスリンを送達するように構成されている、態様１〜１６のいずれかに記載のシステム。
１８．
コントローラに動作可能に結合されており、かつ患者からの入力を受信するように構成されている、ユーザインターフェースをさらに含む、態様１〜１７のいずれかに記載のシステム。
１９．
コントローラに動作可能に結合されており、かつ患者と関連付けられたグルコースデータを測定するように構成されている、グルコース測定デバイスをさらに含み、第１の薬剤投与量の決定が、測定されたグルコースデータに少なくとも部分的に基づいている、態様１〜１８のいずれかに記載のシステム。
２０．患者のグルコースを制御するための方法であって、
１つ以上のコントローラを使用して、１組の値を有する複数のモデルパラメータを各々含む、複数のモデルを実行することにより、マルチモデル予測コントローラアルゴリズムを実行することと、
１つ以上のコントローラを使用して、複数の実行されたモデルのうちの１つを選択することと、
１つ以上のコントローラを使用して、選択された実行されたモデルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと、を含む、方法。
２１．
１つ以上のコントローラを使用して、選択された実行されたモデルに少なくとも部分的に基づいて、患者の将来のグルコースレベルを予測することをさらに含み、第１の薬剤投与量の決定が、予測された将来のグルコースレベルに少なくとも部分的に基づいている、態様２０に記載の方法。
２２．
１つ以上のコントローラを使用して、予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することをさらに含み、第１の薬剤投与量の決定が、予測された将来のグルコースレベルと公称の目標グルコース値との間の差に少なくとも部分的に基づいている、態様２１に記載の方法。
２３．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいている、態様２１または２２に記載の方法。
２４．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、態様２１または２２に記載の方法。
２５．
マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の実行されたモデルのうちの異なる１つを選択することと、
選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、をさらに含む、態様２０に記載の方法。
２６．
複数のモデルパラメータおよび１組の値を使用して、複数のモデルを再実行することを含む、マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の実行されたモデルのうちの異なる１つを選択することと、
選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、をさらに含む、態様２０に記載の方法。
２７．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、インスリンと炭水化物との比率、ユーザインターフェースからの入力、およびコントローラゲイン値のうちの少なくとも１つを含む、態様２０に記載の方法。
２８．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、およびインスリンと炭水化物との比率を含む、態様２０に記載の方法。
２９．複数のモデルを実行することが、１組の線形微分方程式を実行して、生理的グルコースおよび間質グルコースのレベルを計算することを含む、態様２０に記載の方法。
３０．１組の線形微分方程式が、患者におけるインスリンの貯蔵および輸送をモデル化する、態様２９に記載の方法。
３１．複数の実行されたモデルのうちの１つを選択することが、間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じることである、態様２０に記載の方法。
３２．間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、態様３１に記載の方法。
３３．複数の実行されたモデルのうちの１つを選択することが、公称の目標グルコース値に少なくとも部分的に基づいている、態様２０に記載の方法。
３４．公称の目標グルコース値が、運動告知に応じて増加する、態様３３に記載の方法。
３５．公称の目標グルコース値が、食事告知に応じて増加する、態様３３に記載の方法。
３６．
薬剤送達デバイスを使用して、決定された第１および／または第２の薬剤投与量に応じて、患者にインスリンを送達することをさらに含む、態様２０〜３５のいずれかに記載の方法。
３７．
コントローラに動作可能に結合されたグルコース測定デバイスを使用して、患者と関連付けられたグルコースデータを測定することをさらに含み、第１の薬剤投与量の決定が、測定されたグルコースデータに少なくとも部分的に基づいている、態様２０〜３６のいずれかに記載の方法。
３８．患者のグルコースを制御するためのシステムであって、
薬剤投与量を患者に送達するように構成されている、薬剤送達デバイスと、
コントローラであって、薬剤送達デバイスに動作可能に結合されており、かつ
時間内に複数の状態ベクトルを伝搬することにより、マルチモデル予測コントローラアルゴリズムを実行することと、
複数の伝搬された状態ベクトルのうちの１つを選択することと、
選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと、を行うように動作可能である、制御ロジックを含む、コントローラと、を含む、システム。
３９．制御ロジックが、
選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、患者の将来のグルコースレベルを予測することを行うようにさらに動作可能であり、第１の薬剤投与量の決定が、予測された将来のグルコースレベルに少なくとも部分的に基づいている、態様３８に記載のシステム。
４０．制御ロジックが、
予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することを行うようにさらに動作可能であり、第１の薬剤投与量の決定が、予測された将来のグルコースレベルと公称の目標グルコース値との間の差に少なくとも部分的に基づいている、態様３９に記載のシステム。
４１．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいている、態様３９または４０に記載のシステム。
４２．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、態様３９または４０に記載のシステム。
４３．制御ロジックが、
伝搬された選択された状態ベクトルを、時間内にさらに伝搬すること、を行うように動作可能であり、第１の薬剤投与量が、さらに伝搬された選択された状態ベクトルに少なくとも部分的に基づいて、決定される、態様３８に記載のシステム。
４４．制御ロジックが、
マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の伝搬された状態ベクトルのうちの異なる１つを選択することと、
選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、を行うように動作可能である、態様３８に記載のシステム。
４５．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、インスリンと炭水化物との比率、ユーザインターフェースからの入力、およびコントローラゲイン値のうちの少なくとも１つを含む、態様３８に記載のシステム。
４６．複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、およびインスリンと炭水化物との比率を含む、態様３８に記載のシステム。
４７．複数のモデルが、生理的グルコースおよび間質グルコースのレベルを計算する、１組の線形微分方程式を含む、態様３８に記載のシステム。
４８．１組の線形微分方程式が、患者におけるインスリンの貯蔵および輸送をモデル化する、態様４７に記載のシステム。
４９．複数の伝搬された状態ベクトルのうちの１つを選択することを行うように動作可能である制御ロジックが、
間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じて、複数の伝搬された状態ベクトルのうちの１つを選択することを行うように動作可能である、制御ロジックを含む、態様３８に記載のシステム。
５０．間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、態様４９に記載のシステム。
５１．複数の伝搬された状態ベクトルのうちの１つを選択することを行うように動作可能である制御ロジックが、
公称の目標グルコース値に少なくとも部分的に基づいて、複数の状態ベクトルのうちの１つを選択することを行うように動作可能である、制御ロジックを含む、態様３８に記載のシステム。
５２．公称の目標グルコース値が、運動告知に応じて増加する、態様５１に記載のシステム。
５３．公称の目標グルコース値が、食事告知に応じて増加する、態様５１に記載のシステム。
５４．薬剤送達デバイスが、決定された第１および／または第２の薬剤投与量に応じて、患者にインスリンを送達するように構成されている、態様３８〜５３のいずれかに記載のシステム。
５５．
コントローラに動作可能に結合されており、かつ患者からの入力を受信するように構成されている、ユーザインターフェースをさらに含む、態様３８〜５４のいずれかに記載のシステム。
５６．
コントローラに動作可能に結合されており、かつ患者と関連付けられたグルコースデータを測定するように構成されている、グルコース測定デバイスをさらに含み、第１の薬剤投与量の決定が、測定されたグルコースデータに少なくとも部分的に基づいている、態様３８〜５５のいずれかに記載のシステム。
５７．患者のグルコースを制御するための方法であって、
１つ以上のコントローラを使用して、複数の状態ベクトルを時間内に伝搬することにより、マルチモデル予測コントローラアルゴリズムを実行することと、
１つ以上のコントローラを使用して、複数の伝搬された状態ベクトルのうちの１つを選択することと、
１つ以上のコントローラを使用して、選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと、を含む、方法。
５８．
１つ以上のコントローラを使用して、選択された伝搬された状態ベクトルに少なくとも部分的に基づいて、患者の将来のグルコースレベルを予測することをさらに含み、第１の薬剤投与量の決定が、予測された将来のグルコースレベルに少なくとも部分的に基づいている、態様５７に記載の方法。
５９．
１つ以上のコントローラを使用して、予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することをさらに含み、第１の薬剤投与量の決定が、予測された将来のグルコースレベルと公称の目標グルコース値との間の差に少なくとも部分的に基づいている、態様５８に記載の方法。
６０．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいている、態様５８または５９に記載の方法。
６１．将来のグルコースレベルの予測が、基礎インスリンプロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、態様５８または５９に記載の方法。
６２．
マルチモデル予測コントローラアルゴリズムを再実行することと、
複数の伝搬された状態ベクトルおよびその関連付けられたモデルのうちの異なる１つを選択することと、
選択された伝搬された状態ベクトルおよびその関連付けられたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定することと、をさらに含む、態様５７に記載の方法。
６３．複数の伝搬された状態ベクトルが各々、間質グルコースの計算されたレベルを表す、状態変数を含み、複数の伝搬された状態ベクトルのうちの１つおよびその関連付けられたモデルを選択することが、
間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じて、複数の伝搬された状態ベクトルおよびその関連付けられたモデルのうちの１つを選択することを含む、態様５７に記載の方法。
６４．間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、態様６３に記載の方法。
６５．複数の伝搬された状態ベクトルおよびその関連付けられたモデルのうちの１つを選択することが、
公称の目標グルコース値に少なくとも部分的に基づいて、複数の状態ベクトルのうちの１つを選択することを含む、態様５７に記載の方法。
６６．公称の目標グルコース値が、運動告知に応じて増加する、態様６５に記載の方法。
６７．公称の目標グルコース値が、食事告知に応じて増加する、態様６５に記載の方法。
６８．
薬剤送達デバイスを使用して、決定された第１および／または第２の薬剤投与量に応じて、患者にインスリンを送達することをさらに含む、態様５７〜６７のいずれかに記載の方法。
６９．
コントローラに動作可能に結合されたグルコース測定デバイスを使用して、患者と関連付けられたグルコースデータを測定することをさらに含み、第１の薬剤投与量の決定が、測定されたグルコースデータに少なくとも部分的に基づいている、態様５７〜６８のいずれかに記載の方法。
７０．患者の血糖を制御するためのシステムであって、
インスリン投与量を患者に送達するように構成されている、インスリン送達デバイスと、
コントローラであって、
事前選択された間隔で、現在のグルコースデータを受信することと、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられており、各状態ベクトルが、体内グルコースレベルを含んでいる、定義することと、
関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬することと、
現在のグルコースデータに基づいて、伝搬された状態ベクトルをフィルタリングすることと、
伝搬された状態ベクトルおよびその関連付けられたモデルのうちの１つを選択することと、
選択された状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の体内グルコースレベルを予測することと、
予測期間中の最適なインスリン軌道の目的関数を解くことと、
最適なインスリン軌道から、インスリン投与量を決定することと、
決定されたインスリン投与量を、インスリン送達デバイスに送達する要求を送信することと、を行うように動作可能である、制御ロジックを含む、コントローラと、を含む、システム。
７１．体内グルコースレベルを記憶するためのメモリをさらに含み、制御ロジックが、
各状態ベクトルおよびグルコースデータの体内グルコースレベルをメモリに記憶することと、
メモリから、複数の過去の間隔の各状態ベクトルおよびグルコースデータの体内グルコースレベルを呼び戻すことと、
状態ベクトルおよび関連付けられたモデルのうちの１つの選択が、メモリから呼び戻された体内グルコースレベルおよびグルコースデータに基づくことと、を行うようにさらに動作可能である、態様７０に記載のシステム。
７２．体内グルコースレベルを記憶するためのメモリをさらに含み、制御ロジックが、
グルコースデータに対する各状態ベクトルの体内グルコースレベルの誤差を決定することと、
体内グルコース誤差を、メモリに保存することと、
メモリから、複数の過去の間隔の各状態ベクトルの体内グルコース誤差を呼び戻すことと、
状態ベクトルおよび関連付けられたモデルのうちの１つの選択が、各状態ベクトルの体内グルコース誤差の合計に基づくことと、を行うようにさらに動作可能である、態様７０に記載のシステム。
７３．各状態ベクトルが、異なる共分散行列と関連付けられ、伝搬された状態ベクトルが、関連付けられた共分散行列を使用して、カルマンフィルタでフィルタリングされる、態様７０に記載のシステム。
７４．コントローラが、性能関数に基づいて、測定されたグルコースデータに最も密接に一致した、状態ベクトルおよびその関連付けられたモデルを選択するように構成されており、性能関数が、生理的グルコースと測定されたグルコースの加重差の合計である、態様７０に記載のシステム。
７５．食事データを受信するためのユーザインターフェースをさらに含み、コントローラが、ユーザインターフェースから、食事データを受信するように構成されており、コントローラが、食事後の事前定義された期間の状態ベクトルおよびそれらと関連付けられたモデルの減少した組から、状態ベクトルおよびその関連付けられたモデルを選択するように構成されている、態様７０〜７４のいずれかに記載のシステム。
７６．状態ベクトルおよびそれらと関連付けられたモデルの減少した組が、事前定義された閾値未満のインスリン吸収時間を有する、態様７５に記載のシステム。
７７．食事データを表すユーザ入力を受信するためのユーザインターフェースをさらに含み、コントローラが、食事データを受信し、かつ状態ベクトルを伝搬およびフィルタリングした後に、インスリンの量を各状態ベクトルのインスリン状態変数まで増加させることにより、状態ベクトルを補正するように構成されており、追加されるインスリンの量が、食事データおよびインスリン必要量に基づいている、態様７０〜７４のいずれかに記載のシステム。
７８．コントローラが、目標グルコースを定義するように構成されており、目的関数が、予測された生理的グルコースと目標グルコースとの間の加重差の合計を含む、態様７０〜７７のいずれかに記載のシステム。
７９．ユーザ入力に基づいて食事データを生成し、かつ生成された食事データを、コントローラに送信するためのユーザインターフェースをさらに含み、重み付け値が、食事後の時間とともに増加し、食事後の所定の期間より長い時間で一定値に達する、態様７０〜７８のいずれかに記載のシステム。
８０．目的関数が、事前定義された基礎インスリンプロファイルからの最適なインスリン軌道の加重偏差の合計を含む、態様７０〜７９のいずれかに記載のシステム。
８１．コントローラが、所与の点で最適なインスリン軌道を決定する際に、インスリンの最大値を制限するように構成されており、最大値が、所与の点での患者の基礎投与量および推定された生理的グルコースの関数である、態様７０〜８０のいずれかに記載のシステム。
８２．コントローラが、最適なインスリン軌道内のインスリンの最小値を、事前定義された値に制限するように構成されており、事前定義された値が、基礎投与量未満である、態様８１に記載のシステム。
８３．コントローラは、所与の点での予測された生理的グルコースが事前定義されたグルコース閾値よりも大きい場合に、所与の点で最適なインスリン軌道を決定する際に、インスリン値を、所与の点での基礎インスリンプロファイル以上になるように制限するように構成されている、態様７０〜８０のいずれかに記載のシステム。
８４．事前定義されたグルコース閾値が、１３．７ｍｇ／ｄＬである、態様８３に記載のシステム。
８５．コントローラは、平均的な予測された生理的グルコースが事前定義されたグルコース閾値未満である場合に、最適なインスリン軌道を決定する際に、インスリン値を、所与の点での基礎プロファイル以上になるように制限するように構成されており、平均的な予測された生理的グルコース値が、所与の点の前の事前定義された数の点にわたって、最適なインスリン軌跡から決定される、態様７０〜８０のいずれかに記載のシステム。
８６．コントローラは、値が所与の時間での基礎プロファイル未満である場合に、所与の点での最適なインスリン軌道の値を修正するように構成されており、コントローラが、最適なインスリン値から基礎プロファイルを引いた量に因子を掛けたものを、基礎プロファイルに加算することにより、所与の点での新しい最適なインスリン値を計算するように構成されており、因子が１よりも大きい、態様７０〜８０のいずれかに記載のシステム。
８７．コントローラは、患者の推定された生理的グルコースが事前定義されたグルコース閾値よりも大きい場合に、インスリン投与量要求を、基礎プロファイル投与量以上に制限するように構成されている、態様７０〜８０のいずれかに記載のシステム。
８８．事前定義されたグルコース閾値が、１３．７ｍｇ／ｄＬである、態様８７に記載のシステム。
８９．コントローラは、平均的な生理的グルコースが事前定義されたグルコース閾値未満になった後に、第１の事前定義された期間、インスリン投与量要求を、基礎プロファイル以上に制限するように構成されており、平均的な予測された生理的グルコースが、過去の第２の事前定義された期間にわたる、選択された状態ベクトルの推定された生理的グルコースの平均である、態様７０〜８０のいずれかに記載のシステム。
９０．コントローラは、インスリン投与量要求が基礎投与量未満である場合に、インスリン投与量要求の値を修正するように構成されており、コントローラが、インスリン投与量要求から基礎投与量を引いた量に因子を掛けたものを、基礎投与量に加算することにより、新しいインスリン投与量要求を計算するように構成されており、因子が１よりも大きい、態様７０〜８０のいずれかに記載のシステム。
９１．食事データを受信するためのユーザインターフェースをさらに含み、食事データが、コントローラに通信され、各状態ベクトルおよびその関連付けられたモデルが、共分散行列と関連付けられ、共分散行列の対角要素が、グルコースデータおよびインスリン必要量データの関数として初期化され、状態ベクトルを伝搬することが、共分散行列およびグルコースデータを使用して、フィルタリングされた状態変数のフィルタリングされた状態ベクトルを生成する、カルマンフィルタをさらに含む、態様７０に記載のシステム。
９２．コントローラは、事前定義された期間に食事が消費されなかった場合に、グルコースデータおよびインスリンの総日投与量の所定の関数に基づいた値に、対角炭水化物項を設定し、かつ炭水化物対角値に合わせて、行および列要素をゼロに設定するように構成されている、態様９１に記載のシステム。
９３．コントローラは、事前定義された期間に食事が消費されていないと決定したことに応じて、グルコースデータおよびインスリンの総日投与量の所定の関数に基づいた値に、ボーラスインスリン対角項を設定し、かつボーラスインスリン対角値に合わせて、行および列要素をゼロに設定するように構成されている、態様９１に記載のシステム。
９４．各状態ベクトルおよびそのモデルが、共分散行列と関連付けられ、状態ベクトルを伝搬することが、共分散行列およびグルコースデータを使用して、フィルタリングされた状態変数のフィルタリングされた状態ベクトルを生成する、カルマンフィルタをさらに含み、コントローラが、そのフィルタリングされた状態変数の値に基づいて、フィルタリングされた状態変数のうちの１つを修正するように構成されている、態様７０に記載のシステム。
９５．コントローラが、フィルタリングされた状態変数を、所定の量以上になるように修正するように構成されている、態様９４に記載のシステム。
９６．コントローラが、インスリンのフィルタリングされた状態変数を、基礎投与量の所定の分率以上になるように修正するように構成されている、態様９４に記載のシステム。
９７．コントローラが、炭水化物のフィルタリングされた状態変数を、炭水化物のフィルタリングされていない状態変数未満である所定値以上になるように修正するように構成されている、態様９４に記載のシステム。
９８．コントローラが、インスリンのフィルタリングされた状態変数を、インスリンのフィルタリングされていない状態変数よりも大きい所定量以下になるように修正するように構成されている、態様９４に記載のシステム。
９９．
コントローラと通信し、かつ患者のグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様７０〜９８のいずれかに記載のシステム。
１００．患者の血糖を制御するためのシステムであって、
コントローラであって、
基礎投与量を含む患者データを受信することと、
グルコースデータを間隔で受信することと、
モデル予測コントローラアルゴリズムを実行して、受信したグルコースデータに部分的に基づいて、生理的グルコースを推定することと、
生理的グルコースが所定のグルコース閾値を超えた場合に、投与量要求を、基礎投与量以上に制限することと、を行うように構成されている、コントローラを含む、システム。
１０１．所定のグルコース閾値が、１３．７ｍｇ／ｄＬである、態様１００に記載のシステム。
１０２．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１００に記載のシステム。
１０３．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１００〜１０２のいずれかに記載のシステム。
１０４．患者の血糖を制御するためのシステムであって、
コントローラであって、
基礎投与量を含む患者データを受信することと、
グルコースデータを受信することと、
モデル予測コントローラアルゴリズムを実行して、受信したグルコースデータに部分的に基づいて、生理的グルコースを推定することと、
基礎投与量から最適な偏差を決定することと、
最適な偏差に因子を乗算することと、
最適な偏差が所定の閾値未満である場合に、因子が乗算された最適な偏差と基礎投与量の合計に等しい投与量要求を設定することと、
最適な偏差が所定の閾値以上である場合に、最適な偏差と基礎投与量の合計に等しい投与量要求を設定することと、を行うように構成されている、コントローラを含む、システム。
１０５．所定の閾値が、ゼロである、態様１０４に記載のシステム。
１０６．因子が１よりも大きい、態様１０４に記載のシステム。
１０７．因子が１．３よりも大きい、態様１０４に記載のシステム。
１０８．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１０４〜１０７のいずれかに記載のシステム。
１０９．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１０４〜１０８のいずれかに記載のシステム。
１１０．患者の血糖を制御するためのシステムであって、
コントローラであって、
基礎投与量を含む患者データを受信することと、
グルコースデータを間隔で受信することと、
平均インスリン投与量を計算することと、
過去の第２の期間の平均インスリン投与量が事前定義されたインスリン閾値未満である場合に、投与量要求を、第１の期間の基礎投与量以上になるように制限することと、を行うように構成されている、コントローラを含む、システム。
１１１．第１の期間が、第２の期間の半分未満である、態様１１０に記載のシステム。
１１２．過去の第２の期間が、１時間より長い、態様１１１に記載のシステム。
１１３．事前定義されたインスリン閾値が、１時間あたり０．１インスリン単位未満である、態様１１０に記載のシステム。
１１４．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１１０〜１１３のいずれかに記載のシステム。
１１５．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１１０〜１１４のいずれかに記載のシステム。
１１６．患者の血糖を制御するためのシステムであって、
インスリンを患者に送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースであって、患者データが、インスリンの総日投与量および食事データを含む、ユーザインターフェースと、
コントローラであって、
ユーザインターフェースから患者データを受信することと、
状態ベクトルおよび関連付けられたモデルを定義することであって、状態ベクトルが、患者のインスリン、炭水化物、および生理的グルコースの推定された値を含む、状態変数を含む、定義することと、
状態ベクトルを伝搬することと、
インスリンの量をインスリン状態変数に加算することにより、伝搬された状態ベクトルを補正することであって、加算されたインスリンの量が、インスリンの食事データおよび総日投与量に基づいている、補正することと、
補正された状態ベクトルを使用して、投与量要求を決定することと、
投与量要求を、インスリン送達デバイスに送信することと、を行うように構成されている、コントローラと、を含む、システム。
１１７．コントローラが、炭水化物の量を、食事データに基づく状態ベクトルの炭水化物値に加算することにより、伝搬された状態ベクトルを補正するようにさらに構成されている、態様１１６に記載のシステム。
１１８．食事データが食事告知である、態様１１６または１１７に記載のシステム。
１１９．食事データが、２つ以上の選択肢から選択された食事のサイズである、態様１１６または１１７に記載のシステム。
１２０．食事データが、炭水化物含有量の推定値を含む、態様１１６または１１７に記載のシステム。
１２１．患者の血糖の閉ループ制御を提供するためのシステムであって、
インスリンを患者に送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースであって、患者データが、基礎インスリンプロファイル、インスリンと炭水化物との比率、および食事データを含む、ユーザインターフェースと、
ユーザインターフェースおよびインスリン送達デバイスと通信し、かつグルコースデータを受信するように構成されている、コントローラと、を含み、コントローラは、
患者の活性インスリンの量を推定することであって、活性インスリンが、基礎インスリンプロファイルを含まない、推定することと、
食事データから食事炭水化物値を決定することと、
グルコースデータに部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定することと、
生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定することと、
食事データ、インスリンと炭水化物との比率、および決定された減衰因子に基づいて、食事ボーラスを決定することと、
患者の推定された活性インスリンの量に基づいて、決定された食事ボーラスを修正することと、
修正された食事ボーラスを、インスリン送達デバイスに送達するための要求を送信することと、を実行するようにさらに構成されている、システム。
１２２．コントローラが、
複数の状態ベクトルおよび関連付けられたモデルを定義することにより、食事ボーラス後の患者の血糖を制御することであって、各状態ベクトルが、患者のインスリン、炭水化物、および生理的グルコースの推定された値を含む状態変数を含み、各モデルが、状態ベクトルの伝搬を定義する式およびパラメータを含む、制御することと、
複数の状態ベクトルを伝搬することと、
カルマンフィルタおよびグルコースデータを使用して、伝搬された状態ベクトルをフィルタリングすることと、
現在および過去のグルコースデータに基づいて、状態ベクトルおよびその関連付けられたモデルを選択することと、
選択された状態ベクトルおよびその関連付けられたモデルを使用して、生理的グルコースを予測し、かつ最適なインスリン軌道の目的関数を解くことと、
最適なインスリン軌道から、インスリン投与量要求を決定することと、
投与量要求を、インスリン送達デバイスに送信することと、を行うように構成されている、態様１２１に記載のシステム。
１２３．コントローラが、最も最近選択された状態ベクトルの推定された生理的グルコースの値に基づいて、生理的グルコースの変化速度を決定するように構成されている、態様１２２に記載のシステム。
１２４．患者データが、インスリン必要量をさらに含み、コントローラが、減衰された食事ボーラスを、インスリン必要量の分率未満に制限するように構成されている、態様１２１に記載のシステム。
１２５．インスリン必要量が、インスリンの総日投与量である、態様１２４に記載のシステム。
１２６．分率が４分の１未満である、態様１２４に記載のシステム。
１２７．コントローラが、
体内のインスリンの量を推定することと、
推定された生理的グルコースに基づいて、補正ボーラスを決定することと、を行うようにさらに構成されており、
補正ボーラスは、推定された生理的グルコースが第１のグルコース閾値を下回る場合にゼロであり、
補正ボーラスは、推定された生理的グルコースが第１のグルコース閾値を超える場合に、患者の生理的グルコースおよびインスリンの量に基づいている、態様１２１に記載のシステム。
１２８．生理的グルコースが低い生理的グルコース閾値を超える場合に、補正ボーラスが、推定された生理的グルコースの増加に比例して増加し、かつ補正ボーラスが、患者の推定されたインスリンの増加に比例して減少する、態様１２７に記載のシステム。
１２９．推定された生理的グルコースが第１の生理的グルコース閾値を超える場合に、補正ボーラスが、第１の速度で推定された生理的グルコースの増加に比例して増加し、生理的グルコースが第２のグルコース閾値を超える場合に、補正ボーラスが、第２の速度での推定された生理的グルコースの増加に比例して増加し、第２のグルコース閾値が、第１の閾値よりも高く、第１の速度が、第２の速度よりも大きい、態様１２７に記載のシステム。
１３０．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１２１〜１２９のいずれかに記載のシステム。
１３１．患者の血糖の閉ループ制御を提供するためのシステムであって、
コントローラであって、
インスリンと炭水化物との比率および食事データを含む患者データを受信することと、
グルコースデータを受信することと、
食事データから食事炭水化物値を決定することと、
グルコースデータに部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定することと、
食事データ、およびインスリンと炭水化物との比率に基づいて、予備食事ボーラスを決定することと、
推定された生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定することと、
食事炭水化物値が所定の食事炭水化物閾値を超える場合に、食事炭水化物値に比例して、予備食事ボーラスを減衰させることと、
食事炭水化物値が所定の食事炭水化物閾値以下である場合に、食事炭水化物閾値に比例して、予備食事ボーラスを減衰させることと、
減衰された予備食事ボーラスに等しい投与量要求を設定することと、を行うように構成されている、コントローラを含む、システム。
１３２．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１３１に記載のシステム。
１３３．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１３１または１３２に記載のシステム。
１３４．患者の血糖の閉ループ制御を提供するためのシステムであって、
コントローラであって、
食事データを含む患者データを受信することと、
グルコースデータを受信することと、
グルコースデータに部分的に基づいて、生理的グルコース値および生理的グルコースの変化速度を決定することと、
生理的グルコースの変化速度がグルコース速度閾値よりも大きい場合に、薬剤投与量要求をゼロに設定することであって、グルコース速度閾値が、生理的グルコース値の所定の関数である、設定することと、
生理的グルコースの変化速度がグルコース速度閾値を超える場合に、生理的グルコース値および生理的グルコースの変化速度の所定の関数に基づいて、薬剤投与量要求を決定することと、
薬剤投与量要求を、薬剤送達デバイスに送信することと、のための制御ロジックを実行するように構成されている、コントローラを含む、システム。
１３５．コントローラが、運動データを受信し、かつ薬剤投与量要求を決定するために使用される生理的グルコース値を低減させるように構成されている、態様１３４に記載のシステム。
１３６．コントローラが、患者内の活性インスリンの量を決定し、かつ活性インスリンの量に部分的に基づいて、薬剤投与量要求を修正するように構成されている、態様１３４に記載のシステム。
１３７．コントローラは、血漿グルコースレベルが所定の値を超える場合に、薬剤投与量要求を、ゼロに設定するように構成されている、態様１３４に記載のシステム。
１３８．コントローラが、インスリン必要量データを受信し、インスリン必要量データに部分的に基づいて薬剤投与量要求を修正するように構成されている、態様１３４に記載のシステム。
１３９．コントローラは、複数の状態ベクトルおよびそれらの関連付けられたモデルから選択された状態ベクトルおよびその関連付けられたモデルで、生理的グルコース値を決定するように構成されており、状態ベクトルおよびその関連付けられたモデルの選択が、各状態ベクトルによって推定される現在および過去の生理的グルコース値と、過去および現在のグルコースデータに対するその関連付けられたモデルの比較に基づいている、態様１３４に記載のシステム。
１４０．薬剤投与量がグルカゴンを含む、態様１３４〜１３９のいずれかに記載のシステム。
１４１．
薬剤投与量要求に応じて、患者に薬剤投与量を送達するための薬剤送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１３４〜１４０のいずれかに記載のシステム。
１４２．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１３６〜１４１のいずれかに記載のシステム。
１４３．患者の血糖の閉ループ制御を提供するためのシステムであって、
コントローラであって、
グルコースデータを受信することと、
基礎インスリンプロファイルを受信することと、
マルチコンパートメントモデルおよびグルコースデータを使用して、生理的グルコース値、生理的グルコース値の変化速度、および患者の活性インスリンの量を決定することであって、活性インスリンが、基礎インスリンプロファイルを含まない、決定することと、
生理的グルコース値および生理的グルコース値の変化速度に基づいて、初期薬剤投与量を決定することと、
患者の活性インスリンの量に基づいて、初期薬剤投与量を修正して、薬剤投与量要求を決定することと、
薬剤投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１４４．コントローラは、事前定義された期間内に食事が消費された場合に、食事告知を受信し、かつ薬剤投与量要求を、ゼロに設定するように構成されている、態様１４３に記載のシステム。
１４５．生理的グルコース値が第１の所定のレベルを超える場合に、コントローラは、生理的グルコースの変化速度が所定の速度よりも大きい場合に、薬剤投与量要求を、第１の所定の値に設定し、かつ生理的グルコースの変化速度が所定の速度以下である場合に、薬剤投与量要求を、第２の所定の値に設定するように構成されている、態様１４３に記載のシステム。
１４６．
薬剤投与量要求に応じて、患者に薬剤を送達するための薬剤送達デバイスと、
基礎インスリンプロファイルを入力するためのユーザインターフェースと、をさらに含む、態様１４３〜１４５のいずれかに記載のシステム。
１４７．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１４３〜１４６のいずれかに記載のシステム。
１４８．患者の血糖の閉ループ制御を提供するためのシステムであって、
コントローラであって、
食事データを含む患者データを受信することと、
グルコースデータを受信することと、
グルコースデータに部分的に基づいて、生理的グルコース値および生理的グルコース値の変化速度を決定することと、
事前定義された期間内に食事が消費された場合に、薬剤投与量要求をゼロに設定することと、
事前定義された期間内に食事が消費されなかった場合に、薬剤投与量要求を、生理的グルコース値に基づいた値に設定することと、
薬剤投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１４９．
薬剤投与量要求に応じて、患者に薬剤を送達するための薬剤送達デバイスであって、薬剤がインスリンに対する逆調節剤である、薬剤送達デバイスと、
患者データを入力するためのユーザインターフェースと、をさらに含む、態様１４８に記載のシステム。
１５０．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１４８または１４９に記載のシステム。
１５１．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを間隔で受信することと、
モデル、状態変数、および共分散行列を定義することであって、モデルが状態変数の伝搬を制御し、状態変数が、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、共分散行列が、各状態変数と関連付けられた対角要素を含む、定義することと、
各間隔で、状態変数を時間内に伝搬し、かつカルマンフィルタを適用した共分散行列を使用して、伝搬された状態変数をフィルタリングして、フィルタリングされた状態変数を生成することと、
修正された状態変数と伝搬された状態変数との間の差を制限するために、必要に応じてフィルタリングされた状態変数のうちの１つを修正することと、
修正された状態変数を使用して、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１５２．コントローラが、炭水化物のフィルタリングされた状態変数を、炭水化物のフィルタリングされていない状態変数未満である所定値以上になるように修正するように構成されている、態様１５１に記載のシステム。
１５３．コントローラが、インスリンのフィルタリングされた状態変数を、インスリンのフィルタリングされていない状態変数よりも大きい所定量以下の値に修正するように構成されている、態様１５１に記載のシステム。
１５４．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１５１〜１５３のいずれかに記載のシステム。
１５５．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１５１〜１５４のいずれかに記載のシステム。
１５６．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを間隔で受信することと、
モデル、状態変数、および共分散行列を定義することであって、モデルが状態変数の伝搬を制御し、状態変数が、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、共分散行列が、各状態変数と関連付けられた対角要素を含む、定義することと、
各間隔で、状態変数を時間内に伝搬し、かつカルマンフィルタを適用した共分散行列を使用して、伝搬された状態変数をフィルタリングして、フィルタリングされた状態変数を生成することと、
フィルタリングされた状態変数を修正して、修正された状態変数と事前定義された値との間の差を制限することと、
修正された状態変数を使用して、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１５７．コントローラが、インスリンのフィルタリングされた状態変数を、基礎投与量の所定の分率以上になるように修正するように構成されている、態様１５６に記載のシステム。
１５８．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１５６または１５７に記載のシステム。
１５９．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１５６〜１５８のいずれかに記載のシステム。
１６０．患者の血糖を制御するためのシステムであって、
コントローラであって、
間隔で、グルコース測定デバイスからグルコースデータを受信することと、
モデル、状態変数、および共分散行列を定義することであって、モデルが状態変数の伝搬を制御し、状態変数が、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、共分散行列が、各状態変数と関連付けられた対角要素を含む、定義することと、
事前定義された量の時間で食事が発生しなかった場合に、炭水化物対角要素をグルコースデータおよびインスリン必要量データの所定の関数に基づく値に設定し、かつ炭水化物対角値の交差項をゼロに設定することと、
各間隔で、状態変数を時間内に伝搬し、かつカルマンフィルタを適用した共分散行列を使用して、伝搬された状態変数をフィルタリングして、フィルタリングされた状態変数を生成することと、
フィルタリングされた状態変数を使用して、投与量要求を決定することと、
投与量要求を、インスリン送達デバイスに送信することと、を行うように構成されている、コントローラを含む、システム。
１６１．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１６０に記載のシステム。
１６２．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１６０または１６１に記載のシステム。
１６３．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを間隔で受信することと、
モデル、状態変数、および共分散行列を定義することであって、モデルが状態変数の伝搬を制御し、状態変数が、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、共分散行列が、各状態変数と関連付けられた対角要素を含み、生理的グルコースおよび基礎インスリン対角要素が、グルコースデータおよびインスリン必要量データの関数として初期化される、定義することと、
炭水化物の合計が閾値を超え、かつ平均食事時間が低閾値と高閾値との間にある場合に、グルコースデータの所定の関数に基づいて、炭水化物対角要素を、非ゼロ値に設定し、かつボーラスインスリン対角要素を、インスリン必要量の所定の関数に基づいた値に設定することと、
状態変数を時間内に伝搬することと、
カルマンフィルタを適用した共分散行列を使用して、伝搬された状態変数をフィルタリングして、フィルタリングされた状態変数を生成することと、
フィルタリングされた状態変数を使用して、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１６４．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１６３に記載のシステム。
１６５．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１６３または１６４に記載のシステム。
１６６．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを間隔で受信することと、
グルコース目標を決定することと、
モデル予測コントローラアルゴリズムを実行して、生理的グルコース値を予測し、最適なインスリン軌道の目的関数を解くことであって、目的関数が、予測された生理的グルコースとグルコース目標との間の加重差の合計を含み、重み付けが、食事後の時間とともに増加し、食事後の所定の期間で一定値に達する、解くことと、
最適なインスリン軌道から、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１６７．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１６６に記載のシステム。
１６８．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１６６または１６７に記載のシステム。
１６９．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを、一定の間隔で受信することと、
モデル、状態変数、および共分散行列を定義することであって、モデルが状態変数の伝搬を制御し、状態変数が、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、共分散行列が、各状態変数と関連付けられた対角要素を含む、定義することと、
間隔の各分率で、状態変数を時間内に伝搬することと、
各完全な間隔で、状態変数を時間内に伝搬し、かつカルマンフィルタを適用した共分散行列を使用して、伝搬された状態変数をフィルタリングして、フィルタリングされた状態変数を生成することと、
フィルタリングされた状態変数を使用して、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１７０．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１６９に記載のシステム。
１７１．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１６９または１７０に記載のシステム。
１７２．患者の血糖を制御するためのシステムであって、
コントローラであって、
グルコースデータを間隔で受信することと、
モデル予測制御アルゴリズムで複数の状態ベクトルおよびそれらのモデルを使用することであって、状態ベクトルが、患者の推定されたインスリン、推定された炭水化物、および推定された生理的グルコースを含み、モデルが、状態ベクトルの伝搬を制御する、使用することと、
各間隔で、状態ベクトルを時間内に伝搬し、グルコースデータに基づいて、状態ベクトルをフィルタリングし、次いで、現在および過去のグルコースデータに基づいて、状態ベクトルおよびそのモデルを選択することと、
モデル予測制御アルゴリズムで選択されたモデルを使用して、投与量要求を決定することと、
投与量要求を送信することと、を行うように構成されている、コントローラを含む、システム。
１７３．
投与量要求に応じて、患者にインスリンを送達するためのインスリン送達デバイスをさらに含む、態様１７２に記載のシステム。
１７４．
コントローラと通信し、かつ患者のグルコース濃度を含むグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１７２または１７３に記載のシステム。
１７５．患者の血糖を制御するためのシステムであって、
薬剤投与量を患者に送達するように構成されている、薬剤送達デバイスと、
コントローラであって、
事前選択された間隔で、現在のグルコースデータを受信することと、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられており、各状態ベクトルが、体内グルコースレベルを含んでいる、定義することと、
関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬することと、
現在のグルコースデータに基づいて、伝搬された状態ベクトルをフィルタリングすることと、
伝搬された状態ベクトルおよびその関連付けられたモデルのうちの１つを選択することと、
選択された状態ベクトルおよびその関連付けられたモデルを使用して、予測期間中の体内グルコースレベルを予測することと、
予測期間中の最適な薬剤軌道の目的関数を解くことと、
最適な薬剤軌道から、薬剤投与量を決定することと、
薬剤投与量を、薬剤送達デバイスに送達する要求を送信することと、を実行するように構成されている、プロセッサを含む、コントローラと、を含む、システム。
１７６．薬剤が、インスリン、ＧＬＰ−１、プラムリンチド、アミリン、およびアミリン類似体を含む群から選択される、態様１７５に記載のシステム。
１７７．
コントローラと通信し、かつ患者のグルコースデータを測定するためのグルコース測定デバイスをさらに含む、態様１７５または１７６に記載のシステム。
１７８．患者の血糖を制御するための方法であって、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられており、各状態ベクトルが、生理的グルコースレベルを含んでいる、定義することと、

患者の現在のグルコース濃度を測定すること、
現在のグルコース濃度をコントローラに送信すること、
現在のグルコース濃度を受信すること、
関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬すること、
現在のグルコース濃度に基づいて、伝搬された状態ベクトルをフィルタリングすること、
伝搬された状態ベクトルおよび関連付けられたモデルのうちの１つを選択すること、
選択された状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の生理的グルコース軌道を予測すること、
生理的グルコース軌道を使用して、予測期間中の最適なインスリン軌道の目的関数を解くこと、ならびに
最適なインスリン軌道から、インスリン投与量を決定することを、事前選択された間隔で実行することと、を含む、方法。
１７９．
各状態ベクトルおよびグルコース濃度の生理的グルコースレベルをメモリに記憶するステップと、
メモリから、複数の過去の間隔の各状態ベクトルおよびグルコース濃度の生理的グルコースレベルを呼び戻すステップと、
伝搬された状態ベクトルおよび関連付けられたモデルのうちの１つの選択が、メモリから呼び戻された生理的グルコースレベルおよびグルコース濃度に基づくステップと、を事前選択された間隔で、さらに実行すること、をさらに含む、態様１７８に記載の方法。
１８０．
グルコース濃度に対する各状態ベクトルの生理的グルコースレベルの誤差を決定するステップと、
生理的グルコース誤差を、メモリに保存するステップと、
メモリから、複数の過去の間隔の各状態ベクトルの生理的グルコース誤差を呼び戻すステップと、
状態ベクトルおよび関連付けられたモデルのうちの１つの選択が、各状態ベクトルの生理的グルコース誤差の合計に基づくステップと、を事前選択された間隔で、さらに実行すること、をさらに含む、態様１７９に記載の方法。
１８１．
現在のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様１７８〜１８０のいずれかに記載の方法。
１８２．
インスリン送達デバイスに、インスリン投与量を送達する要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様１８１に記載の方法。
１８３．患者の血糖を制御するための方法であって、
コントローラで、グルコース濃度および基礎インスリン投与量を含む患者データを受信することと、
グルコース濃度に少なくとも部分的に基づいて、患者の生理的グルコースを推定することと、
基礎インスリン投与量から最適なインスリン偏差を決定することと、
最適なインスリン偏差が所定の閾値未満であると決定することと、
最適なインスリン偏差が所定の閾値未満であると決定したことに応じて、因子を、１よりも大きい値に設定することと、
基礎インスリン投与量を、最適なインスリン偏差に因子を掛けた値に加算することにより、インスリン投与量を決定することと、を含む、方法。
１８４．所定の閾値がゼロである、態様１８３に記載の方法。
１８５．因子が１．３より大きい、態様１８３に記載の方法。
１８６．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ユーザインターフェース、ならびにグルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースと通信するコントローラを提供することと、
患者データをユーザインターフェースに入力することと、をさらに含む、態様１８３〜１８５のいずれかに記載の方法。
１８７．
インスリン送達デバイスに、インスリン投与量を送達する要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様１８６に記載の方法。
１８８．患者の血糖を制御するための方法であって、
コントローラで、グルコース濃度および患者データを受信することと、
グルコース濃度に少なくとも部分的に基づいて、患者の生理的グルコースを推定することと、
推定された生理的グルコースに応じて、インスリン投与量を決定することと、
過去の第２の期間の平均インスリン投与量が事前定義されたインスリン閾値未満であると決定することと、
過去の第２の期間の平均インスリン投与量が事前定義されたインスリン閾値未満であると決定したことに応じて、インスリン投与量を、第１の期間の基礎インスリン投与量以上になるように制限することと、を含む、方法。
１８９．第１の期間が、過去の第２の期間の半分未満である、態様１８８に記載の方法。
１９０．過去の第２の期間が、１時間より長い、態様１８９に記載の方法。
１９１．事前定義されたインスリン閾値が、１時間あたり０．１インスリン単位未満である、態様１８８に記載の方法。
１９２．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ユーザインターフェース、ならびにグルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースと通信するコントローラを提供することと、
基礎インスリン投与量を含む患者データを、ユーザインターフェースに入力することと、をさらに含む、態様１８８〜１９１のいずれかに記載の方法。
１９３．
インスリン送達デバイスに、インスリン投与量を送達する要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様１９２に記載の方法。
１９４．患者の血糖を制御するための方法であって、
コントローラで、グルコース濃度、インスリンの総日投与量、および食事データを受信することと、
状態ベクトルおよびモデルを定義することであって、状態ベクトルが、１つ以上のインスリン状態変数、１つ以上の炭水化物状態変数、および生理的グルコース状態変数を含む、定義することと、
モデルに基づいて、状態ベクトルを時間内に伝搬することと、
グルコース濃度に基づいて、伝搬された状態ベクトルをフィルタリングすることと、
インスリンの量を少なくとも１つのインスリン状態変数に加算することであって、加算されたインスリンの量が、インスリンの食事データおよび総日投与量に基づいている、加算することと、
状態ベクトルおよび関連付けられたモデルに基づいて、インスリン投与量を決定することと、を含む、方法。
１９５．
食事データに基づいて、ある量の炭水化物を、炭水化物状態変数のうちの少なくとも１つに加算すること、をさらに含む、態様１９４に記載の方法。
１９６．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ユーザインターフェース、ならびにグルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースと通信するコントローラを提供することと、
患者データをユーザインターフェースに入力することであって、患者データが、食事データおよびインスリンの総日投与量を含む、入力することと、をさらに含む、態様１９４または１９５に記載の方法。
１９７．
インスリン送達デバイスに、インスリン投与量を送達する要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様１９６に記載の方法。
１９８．患者の血糖の閉ループ制御を提供するための方法であって、
コントローラで、基礎インスリン投与量、食事データ、およびインスリンと炭水化物との比率を受信することと、
患者の活性インスリンを推定することであって、患者の活性インスリンが、基礎インスリン投与量を含まない、推定することと、
グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定することと、
食事データから食事炭水化物値を決定することと、
推定された生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定することと、
食事データ、インスリンと炭水化物との比率、および減衰因子に基づいて、食事ボーラスを決定することと、
患者の活性インスリンに基づいて、食事ボーラスを修正することと、を含む、方法。
１９９．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースを提供すること、をさらに含み、コントローラが、グルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースと通信する、態様１９８に記載の方法。
２００．
インスリン送達デバイスに、修正された食事ボーラスを送達する要求を送信することと、
インスリン送達デバイスで、患者に修正された食事ボーラスを送達することと、をさらに含む、態様１９９に記載の方法。
２０１．患者の血糖の閉ループ制御を提供するための方法であって、
グルコース濃度、基礎インスリン投与量、および食事データを、コントローラに送信するステップと、
患者の活性インスリンを推定することであって、患者の活性インスリンが、基礎インスリン投与量を含まない、推定するステップと、
グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定するステップと、
食事データから食事炭水化物値を決定するステップと、
推定された生理的グルコースおよび生理的グルコースの変化速度に基づいて、減衰因子を決定するステップと、
食事データ、インスリンと炭水化物との比率、および減衰因子に基づいて、食事ボーラスを決定するステップと、を含み、
食事炭水化物値が所定の食事炭水化物閾値を超える場合に、食事ボーラスが、食事炭水化物値に比例して減衰され、
食事炭水化物値が所定の食事炭水化物閾値以下である場合に、食事ボーラスが、所定の食事炭水化物閾値に比例して減衰される、方法。
２０２．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ユーザインターフェース、ならびにグルコース測定デバイス、インスリン送達デバイス、およびユーザインターフェースと通信するコントローラを提供することと、
患者データをユーザインターフェースに入力することであって、患者データが、食事データおよび基礎インスリン投与量を含む、入力することと、をさらに含む、態様２０１に記載の方法。
２０３．
インスリン送達デバイスに、食事ボーラスを送達する要求を送信することと、
インスリン送達デバイスで、患者に食事ボーラスを送達することと、をさらに含む、態様２０２に記載の方法。
２０４．患者の血糖の閉ループ制御を提供するための方法であって、
グルコース濃度をコントローラに送信するステップと、
患者の生理的グルコースおよび生理的グルコースの変化速度を推定するステップと、
推定された生理的グルコースに基づいて、グルコース速度閾値を決定するステップと、
生理的グルコースの変化速度がグルコース速度閾値を超える場合に、薬剤投与量要求をゼロに設定するステップと、
生理的グルコースの変化速度がグルコース速度閾値を超える場合に、生理的グルコースおよび生理的グルコースの変化速度の所定の関数に基づいて、薬剤投与量要求を決定するステップと、を含む、方法。
２０５．
患者のグルコース濃度を測定するためのグルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースを提供すること、をさらに含み、コントローラが、グルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースと通信する、態様２０４に記載の方法。
２０６．
薬剤送達デバイスに、薬剤投与量要求を送信することと、
薬剤送達デバイスで、患者に薬剤投与量を送達することと、をさらに含む、態様２０５に記載の方法。
２０７．患者の血糖の閉ループ制御を提供するための方法であって、
グルコース濃度、基礎インスリン投与量、および食事データを、コントローラに送信するステップと、
生理的グルコース値、生理的グルコース値の変化速度、および患者の活性インスリンの量を決定することであって、患者の活性インスリンが、基礎インスリンプロファイルを含まない、決定するステップと、
決定された生理的グルコース値および生理的グルコース値の変化速度に基づいて、薬剤投与量を決定するステップと、
患者の活性インスリンの量に基づいて、薬剤投与量を修正するステップと、を含む、方法。
２０８．
患者のグルコース濃度を測定するためのグルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースを提供することであって、コントローラが、グルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースと通信する、提供することと、
患者データをユーザインターフェースに入力することであって、患者データが、食事データおよび基礎インスリン投与量を含む、入力することと、をさらに含む、態様２０７に記載の方法。
２０９．
薬剤送達デバイスに、修正された薬剤投与量を送信することと、
薬剤送達デバイスで、患者に修正された薬剤投与量を送達することと、をさらに含む、態様２０８に記載の方法。
２１０．患者の血糖の閉ループ制御を提供するための方法であって、
グルコース濃度および食事データを、コントローラに送信するステップと、
グルコース濃度に部分的に基づいて、患者の生理的グルコースおよび生理的グルコースの変化速度を推定するステップと、
事前定義された期間内に食事が消費された場合に、薬剤投与量をゼロに設定するステップと、
事前定義された期間内に食事が消費されなかった場合に、生理的グルコースに基づいて、薬剤投与量を決定するステップと、を含む、方法。
２１１．
患者のグルコース濃度を測定するためのグルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースを提供することであって、コントローラが、グルコース測定デバイス、薬剤送達デバイス、およびユーザインターフェースと通信する、提供することと、
患者データをユーザインターフェースに入力することであって、患者データが、食事データを含む、入力することと、をさらに含む、態様２１０に記載の方法。
２１２．
薬剤送達デバイスに、薬剤投与量を送信することと、
薬剤送達デバイスで、患者に薬剤投与量を送達することと、をさらに含む、態様２１１に記載の方法。
２１３．患者の血糖を制御するための方法であって、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルおよび異なる共分散行列と関連付けられ、複数の状態ベクトルが、１つ以上のインスリン状態変数、１つ以上の炭水化物状態変数、および生理的グルコース状態変数を含む、定義することと、
関連付けられたモデルに基づいて、複数の状態ベクトルを時間内に伝搬することと、
関連付けられた共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された複数の状態ベクトルをフィルタリングすることと、
少なくとも１つのフィルタリングされた状態ベクトルのインスリン状態変数のうちの１つを修正して、少なくとも１つのフィルタリングされた状態ベクトルと少なくとも１つのフィルタリングされていない状態ベクトルとの間の状態変数の差を制限することと、
フィルタリングされた状態ベクトルおよび関連付けられたモデルのうちの１つを選択することと、
選択されたフィルタリングされた状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の生理的グルコース軌道を予測することと、
生理的グルコース軌道を使用して、予測期間中の最適なインスリン軌道の目的関数を解くことと、
最適なインスリン軌道から、インスリン投与量要求を決定することと、を含む、方法。
２１４．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２１３に記載の方法。
２１５．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２１４に記載の方法。
２１６．患者の血糖を制御するための方法であって、
状態ベクトル、モデルおよび共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含む、定義することと、
モデルに基づいて、状態ベクトルを時間内に伝搬することと、
共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすることと、
フィルタリングされた状態ベクトルの１つの状態変数を修正して、フィルタリングされた状態ベクトルとフィルタリングされていない状態ベクトルとの間の状態変数の差を制限することと、
修正およびフィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定することと、を含む、方法。
２１７．１つの状態変数が、炭水化物状態変数であり、かつ炭水化物状態変数を、炭水化物のフィルタリングされていない状態変数よりも低い所定値以上に制限するように修正される、態様２１６に記載の方法。
２１８．１つの状態変数が、インスリン状態変数であり、かつインスリン状態変数を、インスリンのフィルタリングされていない状態変数を超える所定量以下に制限するように修正される、態様２１６に記載の方法。
２１９．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２１６〜２１８のいずれかに記載の方法。
２２０．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２１９に記載の方法。
２２１．患者の血糖を制御するための方法であって、
状態ベクトル、モデルおよび共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含む、定義することと、
モデルに基づいて、状態ベクトルを時間内に伝搬することと、
共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすることと、
フィルタリングされた状態ベクトルの１つの状態変数を修正して、フィルタリングされた状態変数と事前定義された値との間の差を制限することと、
修正およびフィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定することと、を含む、方法。
２２２．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２２１に記載の方法。
２２３．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２２２に記載の方法。
２２４．患者の血糖を制御するための方法であって、
状態ベクトル、モデルおよび共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含み、共分散行列が、各状態変数と関連付けられた対角要素、および各対角要素と関連付けられた交差項を含む、定義することと、
過去の所定の期間内に食事が発生しなかった場合に、炭水化物対角要素および関連付けられた交差項を、ゼロに設定することにより、共分散行列を修正することと、
モデルに基づいて、状態ベクトルを時間内に伝搬することと、
修正された共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすることと、
フィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定することと、を含む、方法。
２２５．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２２４に記載の方法。
２２６．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２２５に記載の方法。
２２７．患者の血糖を制御するための方法であって、
状態ベクトル、モデルおよび共分散行列を定義することであって、状態ベクトルが、インスリン状態変数、炭水化物状態変数、および生理的グルコース状態変数を含み、共分散行列が、各状態変数と関連付けられた対角要素、および各対角要素と関連付けられた交差項を含む、定義することと、
炭水化物の合計が閾値を超え、かつ平均食事時間が低閾値と高閾値との間にある場合に、炭水化物対角要素を、非ゼロ値に設定することにより、共分散行列を修正することと、
炭水化物の合計が閾値を超え、かつ平均食事時間が低閾値と高閾値との間にある場合に、ボーラスインスリン対角要素を、非ゼロ値に設定することにより、共分散行列を修正することと、
モデルに基づいて、状態ベクトルを時間内に伝搬することと、
修正された共分散行列およびグルコース濃度を使用して、カルマンフィルタで伝搬された状態ベクトルをフィルタリングすることと、
フィルタリングされた状態ベクトルに基づいて、インスリン投与量要求を決定することと、を含む、方法。
２２８．
患者のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２２７に記載の方法。
２２９．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２２８に記載の方法。
２３０．患者の血糖を制御するための方法であって、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられており、各状態ベクトルが、生理的グルコースレベルを含んでいる、定義することと、
事前定義された間隔で、患者の現在のグルコース濃度を測定することと、
事前定義された間隔で、グルコース濃度を受信することと、
事前定義された間隔の分率で、関連付けられたモデルに基づいて、各状態ベクトルを時間内に伝搬することと、
事前定義された間隔で、関連付けられたモデルに基づいて、状態ベクトルを時間内に伝搬することと、
事前定義された間隔で、現在のグルコース濃度に基づいて、各伝搬された状態ベクトルをフィルタリングすることと、
事前定義された間隔で、各状態ベクトルの生理的グルコース値および現在のグルコース濃度に部分的に基づいて、フィルタリングされ、かつ伝搬された状態ベクトル、および関連付けられたモデルのうちの１つを選択することと、
事前定義された間隔で、選択された状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の生理的グルコース軌道を予測することと、
事前定義された間隔で、生理的グルコース軌道を使用して、予測期間中の最適なインスリン軌道の目的関数を解くことと、
事前定義された間隔で、最適なインスリン軌道から、インスリン投与量要求を決定することと、を含む、方法。
２３１．
患者の現在のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２３０に記載の方法。
２３２．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２３１に記載の方法。
２３３．患者の血糖を制御するための方法であって、
複数の状態ベクトルを定義することであって、各状態ベクトルが、異なるモデルと関連付けられており、かつ生理的グルコース値を含んでいる、定義することと、
第１の事前定義された間隔で、患者の現在のグルコース濃度を測定することと、
第１の事前定義された間隔で、グルコース濃度を受信することと、
第１の事前定義された間隔で、関連付けられたモデルに基づいて、各状態ベクトルを時間内に伝搬することと、
第１の事前定義された間隔で、現在のグルコース濃度に基づいて、各状態ベクトルをフィルタリングすることと、
第２の事前定義された間隔で、各状態ベクトルの生理的グルコース値および現在のグルコース濃度に部分的に基づいて、状態ベクトルおよび関連付けられたモデルのうちの１つを選択することであって、第２の事前定義された間隔が、第１の事前定義された間隔より長い、選択することと、
第２の事前定義された間隔で、選択された状態ベクトルおよび関連付けられたモデルを使用して、予測期間中の生理的グルコース軌道を予測することと、
第２の事前定義された間隔で、生理的グルコース軌道を使用して、予測期間中の最適なインスリン軌道の目的関数を解くことと、
第２の事前定義された間隔で、最適なインスリン軌道から、インスリン投与量要求を決定することと、を含む、方法。
２３４．
患者の現在のグルコース濃度を測定するためのグルコース測定デバイス、インスリン送達デバイス、ならびにグルコース測定デバイスおよびインスリン送達デバイスと通信するコントローラを提供すること、をさらに含む、態様２３３に記載の方法。
２３５．
インスリン送達デバイスに、インスリン投与量要求を送信することと、
インスリン送達デバイスで、患者にインスリン投与量を送達することと、をさらに含む、態様２３４に記載の方法。
２３６．患者の血糖を制御するためのシステムであって、
薬剤投与量を患者に送達するように構成されている、薬剤送達デバイスと、
少なくとも１つのユーザ入力に基づいて、ユーザデータを生成するように構成されている、ユーザインターフェースと、
グルコース測定値およびユーザデータに応じて、薬剤投与量を決定する手段と、を含む、システム。
本開示から逸脱することなく、当業者によって様々な代替および修正が考案され得る。したがって、本開示は、そのようなすべての代替、修正、および変更を包含することを意図している。さらに、本開示のいくつかの実施形態が図面に示され、および／または本明細書で説明されているが、本開示は、本開示が当技術分野が許容する範囲内で広範であり、かつ本明細書も同様に読まれることが意図されているので、それらに限定されることを意図していない。したがって、上記の説明は、限定するものとして解釈されるべきではなく、特定の実施形態の単なる例示として解釈されるべきである。
さらに、説明または特許請求の範囲で使用される「第１」、「第２」、「第３」などの用語は、類似の要素を区別するために提供され、必ずしも順序または時系列を説明するためのものではない。そのように使用される用語は、適切な状況下で交換可能であり（特に明確に開示されていない限り）、本明細書に記載の開示の実施形態は、本明細書に記載または図示されているもの以外の他のシーケンスおよび／または配置で動作可能であることを理解されたい。

Claims (36)

  1. 患者のグルコースを制御するためのシステムであって、
    薬剤投与量を前記患者に送達するように構成されている薬剤送達デバイスと、
    前記薬剤送達デバイスに動作可能に結合されたコントローラであって、
    １組の値を有する複数のモデルパラメータを各々含む、複数のモデルを実行することにより、少なくとも部分的にマルチモデル予測コントローラアルゴリズムを実行することと、ここで、前記複数のモデルを実行することは複数の状態ベクトルを伝搬することを含み、
    以前に測定されたグルコース値と前記伝搬した状態ベクトルのグルコース値との間の差に少なくとも部分的に基づき、前記複数の実行されたモデルのうちの１つを選択することと、
    前記選択したモデルを用いて基礎偏差を計算することと、ここで、前記基礎偏差は事前定義された基礎プロファイルを超える又は下回る投与量であり、
    前記計算された基礎偏差および前記事前定義された基礎プロファイルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと
    を行うように動作可能である制御ロジックを含む前記コントローラと
    を含む前記システム。
  2. 前記制御ロジックが、前記選択された実行されたモデルに少なくとも部分的に基づいて、前記患者の将来のグルコースレベルを予測することを行うようにさらに動作可能であり、
    前記第１の薬剤投与量の前記決定が、前記予測された将来のグルコースレベルに少なく
    とも部分的に基づいている、請求項１に記載のシステム。
  3. 前記制御ロジックが、前記予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することを行うようにさらに動作可能であり、
    前記第１の薬剤投与量の前記決定が、前記予測された将来のグルコースレベルと前記公称の目標グルコース値との間の前記差に少なくとも部分的に基づいている、請求項２に記載のシステム。
  4. 将来のグルコースレベルの前記予測が、前記基礎プロファイルに少なくとも部分的に基づいている、請求項２または３に記載のシステム。
  5. 将来のグルコースレベルの前記予測が、前記基礎プロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、請求項２または３に記載のシステム。
  6. 前記複数の実行されたモデルのうちの１つを選択することを行うように動作可能である前記制御ロジックは、間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じて、前記複数の実行されたモデルのうちの１つを選択することを行うように動作可能である制御ロジックを含む、請求項１に記載のシステム。
  7. 前記間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、請求項６に記載のシステム。
  8. 前記複数の実行されたモデルのうちの１つを選択することを行うように動作可能である前記制御ロジックは、公称の目標グルコース値に少なくとも部分的に基づいて、前記複数の実行されたモデルのうちの１つを選択することを行うように動作可能である制御ロジックを含む、請求項１に記載のシステム。
  9. 前記公称の目標グルコース値が、運動告知に応じて増加する、請求項８に記載のシステム。
  10. 前記公称の目標グルコース値が、食事告知に応じて増加する、請求項８に記載のシステム。
  11. 前記制御ロジックが、
    前記マルチモデル予測コントローラアルゴリズムを再実行すること、
    前記複数の実行されたモデルのうちの異なる１つを選択すること、および
    前記選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定すること
    を行うようにさらに動作可能である、請求項１に記載のシステム。
  12. 前記制御ロジックが、
    前記複数のモデルパラメータおよび前記１組の値を使用して、前記複数のモデルを再実行することを含む、前記マルチモデル予測コントローラアルゴリズムを再実行すること、
    前記複数の実行されたモデルのうちの異なる１つを選択すること、
    前記選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定すること
    を行うようにさらに動作可能である、請求項１に記載のシステム。
  13. 前記複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定
    数、センサ時定数、インスリンと炭水化物との比率、ユーザインターフェースからの入力、およびコントローラゲイン値のうちの少なくとも１つを含む、請求項１に記載のシステム。
  14. 前記複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、およびインスリンと炭水化物との比率を含む、請求項１に記載のシステム。
  15. 前記複数のモデルの各々が、生理的グルコースおよび間質グルコースのレベルを計算する、１組の線形微分方程式を含む、請求項１に記載のシステム。
  16. 前記１組の線形微分方程式が、前記患者におけるインスリンの貯蔵および輸送をモデル化する、請求項１５に記載のシステム。
  17. 前記薬剤送達デバイスが、インスリンを含み、前記薬剤送達デバイスが、前記決定された第１および／または第２の薬剤投与量に少なくとも部分的に基づいて、前記患者に前記インスリンを送達するように構成されている、請求項１〜１６のいずれかに記載のシステム。
  18. 前記コントローラに動作可能に結合され且つ前記患者からの入力を受信するように構成されているユーザインターフェースをさらに含む請求項１〜１７のいずれかに記載のシステム。
  19. 前記コントローラに動作可能に結合されており、かつ前記患者と関連付けられたグルコースデータを測定するように構成されているグルコース測定デバイスをさらに含み、
    前記第１の薬剤投与量の前記決定が、前記測定されたグルコースデータに少なくとも部分的に基づいている、請求項１〜１８のいずれかに記載のシステム。
  20. 患者のグルコースを制御するためのシステムにおいて使用される１つ以上のコントローラの作動方法であって、
    １つ以上のコントローラによって、１組の値を有する複数のモデルパラメータを各々含む複数のモデルを実行し且つ複数の状態ベクトルを伝搬することにより、マルチモデル予測コントローラアルゴリズムを実行することと、
    前記１つ以上のコントローラによって、以前に測定されたグルコース値と前記伝搬した状態ベクトルのグルコース値との間の差に少なくとも部分的に基づき、前記複数の実行されたモデルのうちの１つを選択することと、
    前記１つ以上のコントローラによって、前記選択したモデルを用いて基礎偏差を計算することと、ここで、前記基礎偏差は事前定義された基礎プロファイルを超える又は下回る投与量であり、
    前記１つ以上のコントローラによって、前記計算された基礎偏差および前記事前定義された基礎プロファイルに少なくとも部分的に基づいて、第１の薬剤投与量を決定することと
    を含む前記作動方法。
  21. 前記１つ以上のコントローラによって、前記選択された実行されたモデルに少なくとも部分的に基づいて、前記患者の将来のグルコースレベルを予測することをさらに含み、
    前記第１の薬剤投与量の前記決定が、前記予測された将来のグルコースレベルに少なくとも部分的に基づいている、請求項２０に記載の作動方法。
  22. 前記１つ以上のコントローラによって、前記予測された将来のグルコースレベルと公称の目標グルコース値との間の差を決定することをさらに含み、
    前記第１の薬剤投与量の前記決定が、前記予測された将来のグルコースレベルと前記公称の目標グルコース値との間の前記差に少なくとも部分的に基づいている、請求項２１に記載の作動方法。
  23. 将来のグルコースレベルの前記予測が、前記事前定義された基礎プロファイルに少なくとも部分的に基づいている、請求項２１または２２に記載の作動方法。
  24. 将来のグルコースレベルの前記予測が、前記事前定義された基礎プロファイルに少なくとも部分的に基づいており、かつ食事ボーラスを伴わない、請求項２１または２２に記載の作動方法。
  25. 前記１つ以上のコントローラによって、前記マルチモデル予測コントローラアルゴリズムを再実行すること、
    前記１つ以上のコントローラによって、前記複数の実行されたモデルのうちの異なる１つを選択すること、および
    前記１つ以上のコントローラによって、前記選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定すること
    をさらに含む請求項２０に記載の作動方法。
  26. 前記１つ以上のコントローラによって、前記複数のモデルパラメータおよび前記１組の値を使用して、前記複数のモデルを再実行することを含む、前記マルチモデル予測コントローラアルゴリズムを再実行すること、
    前記１つ以上のコントローラによって、前記複数の実行されたモデルのうちの異なる１つを選択すること、
    前記１つ以上のコントローラによって、前記選択された実行されたモデルに少なくとも部分的に基づいて、第２の薬剤投与量を決定すること
    をさらに含む請求項２０に記載の作動方法。
  27. 前記複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、インスリンと炭水化物との比率、ユーザインターフェースからの入力、およびコントローラゲイン値のうちの少なくとも１つを含む、請求項２０に記載の作動方法。
  28. 前記複数のモデルパラメータが、インスリン感受性、インスリン時定数、食事行動時定数、センサ時定数、およびインスリンと炭水化物との比率を含む、請求項２０に記載の作動方法。
  29. 前記複数のモデルを実行することが、１組の線形微分方程式を実行して、生理的グルコースおよび間質グルコースのレベルを計算することを含む、請求項２０に記載の作動方法。
  30. 前記１組の線形微分方程式が、前記患者におけるインスリンの貯蔵および輸送をモデル化する、請求項２９に記載の作動方法。
  31. 前記複数の実行されたモデルのうちの１つを選択することが、間質グルコースの計算されたレベルと、間質グルコースの測定されたレベルとの比較に応じることである、請求項２０に記載の作動方法。
  32. 前記間質グルコースの測定されたレベルが、間質グルコースの複数の過去の測定されたレベルを含む、請求項３１に記載の作動方法。
  33. 前記複数の実行されたモデルのうちの１つを選択することが、公称の目標グルコース値に少なくとも部分的に基づいている、請求項２０に記載の作動方法。
  34. 前記公称の目標グルコース値が、運動告知に応じて増加する、請求項３３に記載の作動方法。
  35. 前記公称の目標グルコース値が、食事告知に応じて増加する、請求項３３に記載の作動方法。
  36. 前記コントローラに動作可能に結合されたグルコース測定デバイスによって、前記患者と関連付けられたグルコースデータを測定することをさらに含み、前記第１の薬剤投与量の前記決定が、前記測定されたグルコースデータに少なくとも部分的に基づいている、請求項２０〜３５のいずれかに記載の作動方法。
JP2019558688A 2017-05-05 2018-05-03 生理的グルコースの閉ループ制御 Active JP6874155B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2021071574A JP7431773B2 (ja) 2017-05-05 2021-04-21 生理的グルコースの閉ループ制御

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201762501976P 2017-05-05 2017-05-05
US62/501,976 2017-05-05
US201762536541P 2017-07-25 2017-07-25
US62/536,541 2017-07-25
PCT/US2018/030771 WO2018204568A1 (en) 2017-05-05 2018-05-03 Closed loop control of physiological glucose

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021071574A Division JP7431773B2 (ja) 2017-05-05 2021-04-21 生理的グルコースの閉ループ制御

Publications (2)

Publication Number Publication Date
JP2020518340A JP2020518340A (ja) 2020-06-25
JP6874155B2 true JP6874155B2 (ja) 2021-05-19

Family

ID=62528829

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019558688A Active JP6874155B2 (ja) 2017-05-05 2018-05-03 生理的グルコースの閉ループ制御
JP2021071574A Active JP7431773B2 (ja) 2017-05-05 2021-04-21 生理的グルコースの閉ループ制御

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021071574A Active JP7431773B2 (ja) 2017-05-05 2021-04-21 生理的グルコースの閉ループ制御

Country Status (9)

Country Link
US (2) US11878145B2 (ja)
EP (4) EP4671882A3 (ja)
JP (2) JP6874155B2 (ja)
CN (2) CN116531603A (ja)
AU (3) AU2018261124B2 (ja)
CA (2) CA3198598A1 (ja)
DK (1) DK3618713T3 (ja)
ES (2) ES2903174T3 (ja)
WO (1) WO2018204568A1 (ja)

Families Citing this family (81)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8417311B2 (en) 2008-09-12 2013-04-09 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
CA2702116C (en) 2007-10-10 2021-01-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US7959598B2 (en) 2008-08-20 2011-06-14 Asante Solutions, Inc. Infusion pump systems and methods
US9561324B2 (en) 2013-07-19 2017-02-07 Bigfoot Biomedical, Inc. Infusion pump system and method
GB2523989B (en) 2014-01-30 2020-07-29 Insulet Netherlands B V Therapeutic product delivery system and method of pairing
CN111905188B (zh) 2015-02-18 2022-07-22 英赛罗公司 流体输送和输注装置及其使用方法
WO2017123525A1 (en) 2016-01-13 2017-07-20 Bigfoot Biomedical, Inc. User interface for diabetes management system
HK1256995A1 (zh) 2016-01-14 2019-10-11 Bigfoot Biomedical, Inc. 药物输送设备、系统和方法中的阻塞解决方案
US10806859B2 (en) 2016-01-14 2020-10-20 Bigfoot Biomedical, Inc. Adjusting insulin delivery rates
US12383166B2 (en) 2016-05-23 2025-08-12 Insulet Corporation Insulin delivery system and methods with risk-based set points
US20170348479A1 (en) 2016-06-03 2017-12-07 Bryan Choate Adhesive system for drug delivery device
US10765807B2 (en) 2016-09-23 2020-09-08 Insulet Corporation Fluid delivery device with sensor
US11096624B2 (en) 2016-12-12 2021-08-24 Bigfoot Biomedical, Inc. Alarms and alerts for medication delivery devices and systems
US10758675B2 (en) 2017-01-13 2020-09-01 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US10500334B2 (en) 2017-01-13 2019-12-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
EP3568860B1 (en) 2017-01-13 2025-12-10 Insulet Corporation Insulin delivery methods, systems and devices
US10583250B2 (en) 2017-01-13 2020-03-10 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
US11033682B2 (en) 2017-01-13 2021-06-15 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
US10881792B2 (en) 2017-01-13 2021-01-05 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
USD872734S1 (en) 2017-03-14 2020-01-14 Insulet Corporation Display screen with a graphical user interface
USD872733S1 (en) 2017-03-14 2020-01-14 Insulet Corporation Display screen with a graphical user interface
USD928199S1 (en) 2018-04-02 2021-08-17 Bigfoot Biomedical, Inc. Medication delivery device with icons
US11565043B2 (en) 2018-05-04 2023-01-31 Insulet Corporation Safety constraints for a control algorithm based drug delivery system
US12562251B1 (en) 2018-05-09 2026-02-24 Bigfoot Biomedical, Inc. Computing architecture for assuring the provenance of medication therapy related parameters, and related systems, methods and devices
US11725741B2 (en) 2018-07-17 2023-08-15 Insulet Corporation Low force valves for drug delivery pumps
AU2019347755B2 (en) 2018-09-28 2023-02-02 Insulet Corporation Activity mode for artificial pancreas system
EP3864668A1 (en) 2018-10-11 2021-08-18 Insulet Corporation Event detection for drug delivery system
WO2020127936A1 (en) * 2018-12-21 2020-06-25 Université de Nantes Method for estimating glycemia and/or controlling an insulin injection device
USD920343S1 (en) 2019-01-09 2021-05-25 Bigfoot Biomedical, Inc. Display screen or portion thereof with graphical user interface associated with insulin delivery
DE102019205430A1 (de) * 2019-04-15 2020-10-15 Eyesense Gmbh Verfahren zum Bestimmen eines aktuellen Glukosewerts in einem Transportfluid
EP3968847A4 (en) * 2019-05-14 2023-06-07 University Of Virginia Patent Foundation SYSTEM AND METHOD FOR ARTIFICIAL PANCREAS WITH MULTI-STAGE MODEL PREDICTIVE CONTROL
US11969576B2 (en) * 2019-07-03 2024-04-30 Tandem Diabetes Care, Inc. Methods of incorporating CGM data into diabetes therapy
EP3997712A4 (en) * 2019-07-09 2023-07-12 Eli Lilly And Company METHOD AND SYSTEM FOR DETERMINING A VARIATION IN GLYCEMIA IN A SUBJECT
US20220211941A1 (en) * 2019-07-19 2022-07-07 Medtrum Technologies Inc. Integrated drug infusion device
US11801344B2 (en) 2019-09-13 2023-10-31 Insulet Corporation Blood glucose rate of change modulation of meal and correction insulin bolus quantity
US11935637B2 (en) 2019-09-27 2024-03-19 Insulet Corporation Onboarding and total daily insulin adaptivity
EP4069082B1 (en) 2019-12-06 2024-06-05 Insulet Corporation Techniques and devices providing adaptivity and personalization in diabetes treatment
US11833329B2 (en) 2019-12-20 2023-12-05 Insulet Corporation Techniques for improved automatic drug delivery performance using delivery tendencies from past delivery history and use patterns
EP4076154A1 (en) * 2019-12-20 2022-10-26 Insulet Corporation Techniques for improved automatic drug delivery performance using delivery tendencies from past delivery history and use patterns
JP7512395B2 (ja) 2020-01-06 2024-07-08 インスレット コーポレイション 持続する残差に基づく食事および／または運動行為の予測
CN111261256A (zh) * 2020-01-19 2020-06-09 湖南盈赛缇思人工智能公共数据平台有限公司 一种基于大数据的胰岛素给药方法、存储介质及系统
WO2021150442A1 (en) * 2020-01-23 2021-07-29 Insulet Corporation Meal insulin determination for improved post prandial response
EP4100958A1 (en) 2020-02-03 2022-12-14 Insulet Corporation Use of fuzzy logic in predicting user behavior affecting blood glucose concentration
US11796465B2 (en) * 2020-02-06 2023-10-24 Samsung Electronics Co., Ltd. Method and system for predicting blood compound concentration of a target
US11551802B2 (en) 2020-02-11 2023-01-10 Insulet Corporation Early meal detection and calorie intake detection
US11986630B2 (en) 2020-02-12 2024-05-21 Insulet Corporation Dual hormone delivery system for reducing impending hypoglycemia and/or hyperglycemia risk
US11547800B2 (en) * 2020-02-12 2023-01-10 Insulet Corporation User parameter dependent cost function for personalized reduction of hypoglycemia and/or hyperglycemia in a closed loop artificial pancreas system
US11324889B2 (en) 2020-02-14 2022-05-10 Insulet Corporation Compensation for missing readings from a glucose monitor in an automated insulin delivery system
US12495994B2 (en) 2020-02-20 2025-12-16 Insulet Corporation Meal bolus subcategories in model based insulin therapy
US11305333B2 (en) 2020-03-31 2022-04-19 Insulet Corporation Methods for forming low stress component for medical devices
US11607493B2 (en) 2020-04-06 2023-03-21 Insulet Corporation Initial total daily insulin setting for user onboarding
WO2021236864A1 (en) * 2020-05-22 2021-11-25 Eli Lilly And Company Insulin delivery systems, methods, and devices
EP4154260A1 (en) * 2020-05-22 2023-03-29 Eli Lilly and Company Tdd tracking approaches for insulin delivery systems, methods, and devices
EP4165649A2 (en) * 2020-06-10 2023-04-19 Bigfoot Biomedical, Inc. Closed-loop diabetes treatment system detecting meal or missed bolus
US12121700B2 (en) 2020-07-22 2024-10-22 Insulet Corporation Open-loop insulin delivery basal parameters based on insulin delivery records
US11684716B2 (en) 2020-07-31 2023-06-27 Insulet Corporation Techniques to reduce risk of occlusions in drug delivery systems
CN114099846A (zh) * 2020-08-26 2022-03-01 上海移宇科技股份有限公司 闭环人工胰腺胰岛素输注控制系统
EP4204044A4 (en) * 2020-08-26 2024-05-22 Medtrum Technologies Inc. CLOSED-LOOP ARTIFICIAL PANCREAS INSULIN INFUSION CONTROL SYSTEM
KR20260019029A (ko) 2020-08-27 2026-02-09 인슐렛 코포레이션 웨어러블 미소 투여 약물 전달 디바이스
US20220062546A1 (en) * 2020-08-31 2022-03-03 Insulet Corporation Adjusting settings to different degrees of aggressiveness in an automated insulin delivery system based on quality of blood glucose level control by a user
US12569619B2 (en) 2020-09-21 2026-03-10 Insulet Corporation Techniques for determining automated insulin delivery dosages
EP4696344A3 (en) 2020-09-30 2026-04-15 Insulet Corporation Drug delivery device with integrated optical-based glucose monitor
US12115351B2 (en) 2020-09-30 2024-10-15 Insulet Corporation Secure wireless communications between a glucose monitor and other devices
US12491310B2 (en) 2021-01-12 2025-12-09 Insulet Corporation Wearable drug delivery device with removal element
US11160925B1 (en) * 2021-01-29 2021-11-02 Insulet Corporation Automatic drug delivery system for delivery of a GLP-1 therapeutic
EP4305636A1 (en) * 2021-03-10 2024-01-17 Insulet Corporation A medicament delivery device with an adjustable and piecewise analyte level cost component to address persistent positive analyte level excursions
US11904140B2 (en) * 2021-03-10 2024-02-20 Insulet Corporation Adaptable asymmetric medicament cost component in a control system for medicament delivery
US12592306B2 (en) 2021-04-28 2026-03-31 Insulet Corporation Devices and methods for initialization of drug delivery devices using measured analyte sensor information
US12496398B2 (en) 2021-05-28 2025-12-16 Insulet Corporation Threshold based automatic glucose control response
EP4101482A1 (en) 2021-06-07 2022-12-14 Insulet Corporation Exercise safety prediction based on physiological conditions
US12514980B2 (en) 2021-06-30 2026-01-06 Insulet Corporation Adjustment of medicament delivery by a medicament delivery device based on menstrual cycle phase
US12521486B2 (en) 2021-07-16 2026-01-13 Insulet Corporation Method for modification of insulin delivery during pregnancy in automatic insulin delivery systems
WO2023049900A1 (en) 2021-09-27 2023-03-30 Insulet Corporation Techniques enabling adaptation of parameters in aid systems by user input
US11439754B1 (en) 2021-12-01 2022-09-13 Insulet Corporation Optimizing embedded formulations for drug delivery
US20230165490A1 (en) 2021-12-01 2023-06-01 Medtronic Minimed, Inc. Real-time meal detection based on sensor glucose and estimated plasma insulin levels
WO2023117164A1 (de) * 2021-12-22 2023-06-29 Hochschule Fulda Verfahren, vorrichtung und system zum ermitteln eines gesundheitszustands eines patienten
EP4243030A1 (en) 2022-03-09 2023-09-13 Insulet Corporation Adjusting medicament delivery parameters in an open loop medicament delivery mode
ES2932844B2 (es) * 2022-07-28 2023-04-18 Univ Valencia Politecnica Metodo para mejorar el control de la glucemia con un controlador hibrido, modulo complementario para su incorporacion a un sistema de pancreas artificial para realizar el metodo y sistema de pancreas artificial que incorpora el modulo complementario
EP4646726A1 (en) 2023-01-06 2025-11-12 Insulet Corporation Automatically or manually initiated meal bolus delivery with subsequent automatic safety constraint relaxation
KR20250009618A (ko) * 2023-07-10 2025-01-20 이오플로우(주) 다중 약액 주입 시스템
NL1044854B1 (en) * 2024-04-03 2025-10-16 Simon Lucas Goede Ir A Method and System for Closed Loop Pulse Modulated Hormone Delivery Adapted to the Specific Half-Life Properties

Family Cites Families (280)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU546785B2 (en) 1980-07-23 1985-09-19 Commonwealth Of Australia, The Open-loop controlled infusion of diabetics
US5956501A (en) 1997-01-10 1999-09-21 Health Hero Network, Inc. Disease simulation system and method
US5853364A (en) 1995-08-07 1998-12-29 Nellcor Puritan Bennett, Inc. Method and apparatus for estimating physiological parameters using model-based adaptive filtering
US5792062A (en) 1996-05-14 1998-08-11 Massachusetts Institute Of Technology Method and apparatus for detecting nonlinearity in an electrocardiographic signal
US6558351B1 (en) 1999-06-03 2003-05-06 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
US5954643A (en) 1997-06-09 1999-09-21 Minimid Inc. Insertion set for a transcutaneous sensor
US7267665B2 (en) 1999-06-03 2007-09-11 Medtronic Minimed, Inc. Closed loop system for controlling insulin infusion
US6269314B1 (en) 1997-08-19 2001-07-31 Omron Corporation Blood sugar measuring device
JPH11296598A (ja) 1998-04-07 1999-10-29 Seizaburo Arita 血糖値の予測システム及び予測方法並びにこの方法を記録した記録媒体
US8480580B2 (en) 1998-04-30 2013-07-09 Abbott Diabetes Care Inc. Analyte monitoring device and methods of use
US6175752B1 (en) 1998-04-30 2001-01-16 Therasense, Inc. Analyte monitoring device and methods of use
US6554798B1 (en) 1998-08-18 2003-04-29 Medtronic Minimed, Inc. External infusion device with remote programming, bolus estimator and/or vibration alarm capabilities
CA2352295C (en) 1998-11-30 2008-07-15 Novo Nordisk A/S A method and a system for assisting a user in a medical self treatment, said self treatment comprising a plurality of actions
US7806886B2 (en) 1999-06-03 2010-10-05 Medtronic Minimed, Inc. Apparatus and method for controlling insulin infusion with state variable feedback
US7395216B2 (en) 1999-06-23 2008-07-01 Visicu, Inc. Using predictive models to continuously update a treatment plan for a patient in a health care location
US6459939B1 (en) 1999-06-29 2002-10-01 Alan J. Hugo Performance assessment of model predictive controllers
US6923763B1 (en) 1999-08-23 2005-08-02 University Of Virginia Patent Foundation Method and apparatus for predicting the risk of hypoglycemia
US7890295B2 (en) 2000-02-23 2011-02-15 Medtronic Minimed, Inc. Real time self-adjusting calibration algorithm
US6885883B2 (en) 2000-05-16 2005-04-26 Cygnus, Inc. Methods for improving performance and reliability of biosensors
GB0014855D0 (en) 2000-06-16 2000-08-09 Isis Innovation Combining measurements from different sensors
AU2001291189A1 (en) 2000-09-22 2002-04-02 Knobbe, Lim And Buckingham Method and apparatus for real-time estimation and control of pysiological parameters
US7460130B2 (en) 2000-09-26 2008-12-02 Advantage 3D Llc Method and system for generation, storage and distribution of omni-directional object views
KR20030014387A (ko) 2001-02-08 2003-02-17 인버니스 메디칼 리미티드 개인 건강상태 관리 시스템
US6544212B2 (en) 2001-07-31 2003-04-08 Roche Diagnostics Corporation Diabetes management system
US6691043B2 (en) 2001-08-28 2004-02-10 Maxi-Med, Llc Bolus calculator
US6740072B2 (en) 2001-09-07 2004-05-25 Medtronic Minimed, Inc. System and method for providing closed loop infusion formulation delivery
US6827702B2 (en) 2001-09-07 2004-12-07 Medtronic Minimed, Inc. Safety limits for closed-loop infusion pump control
US8152789B2 (en) 2001-10-23 2012-04-10 Medtronic Minimed, Inc. System and method for providing closed loop infusion formulation delivery
US10080529B2 (en) 2001-12-27 2018-09-25 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US7399277B2 (en) 2001-12-27 2008-07-15 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US20050027182A1 (en) 2001-12-27 2005-02-03 Uzair Siddiqui System for monitoring physiological characteristics
US7022072B2 (en) 2001-12-27 2006-04-04 Medtronic Minimed, Inc. System for monitoring physiological characteristics
US9247901B2 (en) 2003-08-22 2016-02-02 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US20080172026A1 (en) 2006-10-17 2008-07-17 Blomquist Michael L Insulin pump having a suspension bolus
US8504179B2 (en) 2002-02-28 2013-08-06 Smiths Medical Asd, Inc. Programmable medical infusion pump
US6852104B2 (en) 2002-02-28 2005-02-08 Smiths Medical Md, Inc. Programmable insulin pump
GB0206792D0 (en) 2002-03-22 2002-05-01 Leuven K U Res & Dev Normoglycemia
JP4764626B2 (ja) 2002-05-06 2011-09-07 ベクトン・ディキンソン・アンド・カンパニー 薬剤の薬物動力学を制御する方法およびデバイス
US7278983B2 (en) 2002-07-24 2007-10-09 Medtronic Minimed, Inc. Physiological monitoring device for controlling a medication infusion device
US20040068230A1 (en) 2002-07-24 2004-04-08 Medtronic Minimed, Inc. System for providing blood glucose measurements to an infusion device
WO2004023972A2 (en) 2002-09-11 2004-03-25 Becton, Dickinson And Company Monitoring blood glucose including convenient display of measurement values ________________________________________________________
US7404796B2 (en) * 2004-03-01 2008-07-29 Becton Dickinson And Company System for determining insulin dose using carbohydrate to insulin ratio and insulin sensitivity factor
DE60328039D1 (de) 2002-10-11 2009-07-30 Becton Dickinson Co Insulinabgabesystem mit Sensor
US9872890B2 (en) 2003-03-19 2018-01-23 Paul C. Davidson Determining insulin dosing schedules and carbohydrate-to-insulin ratios in diabetic patients
US20040248204A1 (en) 2003-04-01 2004-12-09 Piet Moerman Method and device for utilizing analyte levels to assist in the treatment of diabetes, insulin resistance and metabolic syndrome
US8718943B2 (en) 2003-04-01 2014-05-06 Abbott Diabetes Care Inc. Method and device for utilizing analyte levels to assist in the treatment of diabetes
US8060173B2 (en) 2003-08-01 2011-11-15 Dexcom, Inc. System and methods for processing analyte sensor data
US7986986B2 (en) 2003-08-01 2011-07-26 Dexcom, Inc. System and methods for processing analyte sensor data
US20100168657A1 (en) 2003-08-01 2010-07-01 Dexcom, Inc. System and methods for processing analyte sensor data
US7591801B2 (en) 2004-02-26 2009-09-22 Dexcom, Inc. Integrated delivery device for continuous glucose sensor
DE10343863A1 (de) 2003-09-23 2005-04-14 Roche Diagnostics Gmbh Verfahren und Gerät zur laufenden Überwachung der Konzentration eines Analyten
DE10345836A1 (de) 2003-10-02 2005-04-21 Bayer Technology Services Gmbh Verfahren zur Simulation der Wechselwirkung von chemischen Substanzen mit lebenden Organismen
EP1683058A2 (en) * 2003-10-29 2006-07-26 Novo Nordisk A/S Medical advisory system
US7565194B2 (en) 2004-05-12 2009-07-21 Zoll Medical Corporation ECG rhythm advisory method
WO2005113036A1 (en) 2004-05-13 2005-12-01 The Regents Of The University Of California Method and apparatus for glucose control and insulin dosing for diabetics
US7727147B1 (en) 2004-05-14 2010-06-01 Flint Hills Scientific Llc Method and system for implantable glucose monitoring and control of a glycemic state of a subject
US8788044B2 (en) 2005-01-21 2014-07-22 Michael Sasha John Systems and methods for tissue stimulation in medical treatment
US8825166B2 (en) 2005-01-21 2014-09-02 John Sasha John Multiple-symptom medical treatment with roving-based neurostimulation
US7547281B2 (en) 2005-02-01 2009-06-16 Medtronic Minimed, Inc. Algorithm sensor augmented bolus estimator for semi-closed loop infusion system
US8956291B2 (en) 2005-02-22 2015-02-17 Admetsys Corporation Balanced physiological monitoring and treatment system
US7590443B2 (en) 2005-04-27 2009-09-15 Pacesetter, Inc System and method for detecting hypoglycemia based on a paced depolarization integral using an implantable medical device
EP1881786B1 (en) * 2005-05-13 2017-11-15 Trustees of Boston University Fully automated control system for type 1 diabetes
EP1728468A1 (de) 2005-06-04 2006-12-06 Roche Diagnostics GmbH Bewertung von Werten der Blutglucosekonzentration zur Einstellung der Insulindosierung
US8965509B2 (en) 2005-08-31 2015-02-24 Michael Sasha John Methods and systems for semi-automatic adjustment of medical monitoring and treatment
CA2620586A1 (en) 2005-08-31 2007-03-08 Boris P. Kovatchev Improving the accuracy of continuous glucose sensors
US9089713B2 (en) 2005-08-31 2015-07-28 Michael Sasha John Methods and systems for semi-automatic adjustment of medical monitoring and treatment
CN101257840B (zh) 2005-09-09 2013-04-24 霍夫曼-拉罗奇有限公司 用于糖尿病护理的系统、工具和装置
US7766829B2 (en) 2005-11-04 2010-08-03 Abbott Diabetes Care Inc. Method and system for providing basal profile modification in analyte monitoring and management systems
US7704226B2 (en) 2005-11-17 2010-04-27 Medtronic Minimed, Inc. External infusion device with programmable capabilities to time-shift basal insulin and method of using the same
US7963917B2 (en) 2005-12-05 2011-06-21 Echo Therapeutics, Inc. System and method for continuous non-invasive glucose monitoring
US7941200B2 (en) 2005-12-08 2011-05-10 Roche Diagnostics Operations, Inc. System and method for determining drug administration information
JP2009532768A (ja) 2006-03-23 2009-09-10 ベクトン・ディキンソン・アンド・カンパニー 改良された糖尿病データ管理のためのシステムおよび方法、および使用法
JP4943728B2 (ja) 2006-03-30 2012-05-30 テルモ株式会社 血糖計
US8140312B2 (en) 2007-05-14 2012-03-20 Abbott Diabetes Care Inc. Method and system for determining analyte levels
US8478557B2 (en) 2009-07-31 2013-07-02 Abbott Diabetes Care Inc. Method and apparatus for providing analyte monitoring system calibration accuracy
GB2436873A (en) 2006-04-07 2007-10-10 Univ Cambridge Tech Blood glucose monitoring systems
US8548544B2 (en) 2006-06-19 2013-10-01 Dose Safety System, method and article for controlling the dispensing of insulin
EP2037983A1 (en) 2006-06-30 2009-03-25 Novo Nordisk A/S Perfusion device with compensation of medical infusion during wear-time
US8114023B2 (en) 2006-07-28 2012-02-14 Legacy Emanuel Hospital & Health Center Analyte sensing and response system
US8932216B2 (en) 2006-08-07 2015-01-13 Abbott Diabetes Care Inc. Method and system for providing data management in integrated analyte monitoring and infusion system
CA2665121C (en) 2006-09-16 2013-11-26 Terence Gilhuly Modeling and control for highly variable and nonlinear processes
WO2008067284A2 (en) 2006-11-27 2008-06-05 University Of Virginia Patent Foundation Method, system, and computer program for detection of conditions of a patient having diabetes
US7734323B2 (en) 2007-01-24 2010-06-08 Smiths Medical Asd, Inc. Correction factor testing using frequent blood glucose input
US10154804B2 (en) * 2007-01-31 2018-12-18 Medtronic Minimed, Inc. Model predictive method and system for controlling and supervising insulin infusion
US8930203B2 (en) 2007-02-18 2015-01-06 Abbott Diabetes Care Inc. Multi-function analyte test device and methods therefor
US8732188B2 (en) 2007-02-18 2014-05-20 Abbott Diabetes Care Inc. Method and system for providing contextual based medication dosage determination
US20080206799A1 (en) 2007-02-27 2008-08-28 Michael Blomquist Carbohydrate ratio testing using frequent blood glucose input
US20080228056A1 (en) 2007-03-13 2008-09-18 Michael Blomquist Basal rate testing using frequent blood glucose input
WO2009081262A1 (en) 2007-12-18 2009-07-02 Insuline Medical Ltd. Drug delivery device with sensor for closed-loop operation
US20080269714A1 (en) 2007-04-25 2008-10-30 Medtronic Minimed, Inc. Closed loop/semi-closed loop therapy modification system
US20100145262A1 (en) 2007-05-03 2010-06-10 Novo Nordisk A/S Safety system for insulin delivery advisory algorithms
US8417311B2 (en) 2008-09-12 2013-04-09 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
US8221345B2 (en) 2007-05-30 2012-07-17 Smiths Medical Asd, Inc. Insulin pump based expert system
EP2166946B1 (en) 2007-06-21 2019-11-20 University Of Virginia Patent Foundation Lqg artificial pancreas control system and related method
WO2009001349A1 (en) 2007-06-25 2008-12-31 Medingo Ltd. Tailored basal insulin delivery system
EP2174248B1 (en) 2007-06-25 2016-10-05 Roche Diabetes Care GmbH A method system and device for assessing insulin sensitivity
EP2201490A2 (en) 2007-09-04 2010-06-30 Koninklijke Philips Electronics N.V. Multi-treatment planning apparatus and method
US7717903B2 (en) 2007-09-06 2010-05-18 M2 Group Holdings, Inc. Operating an infusion pump system
US7879026B2 (en) 2007-09-07 2011-02-01 Asante Solutions, Inc. Controlled adjustment of medicine dispensation from an infusion pump device
US7935076B2 (en) 2007-09-07 2011-05-03 Asante Solutions, Inc. Activity sensing techniques for an infusion pump system
CA2702116C (en) 2007-10-10 2021-01-05 Optiscan Biomedical Corporation Fluid component analysis system and method for glucose monitoring and control
GB0719969D0 (en) * 2007-10-12 2007-11-21 Cambridge Entpr Ltd Substance monitoring and control in human or animal bodies
US8377031B2 (en) 2007-10-23 2013-02-19 Abbott Diabetes Care Inc. Closed loop control system with safety parameters and methods
WO2009059187A1 (en) 2007-11-02 2009-05-07 University Of Virginia Patent Foundation Predictive control based system and method for control of insulin delivery in diabetes using glucose sensing
US20090163402A1 (en) 2007-12-19 2009-06-25 Eastman Chemical Company Fabric softener
WO2009081403A2 (en) 2007-12-26 2009-07-02 Medingo Ltd. Maintaining glycemic control during exercise
US20090177147A1 (en) 2008-01-07 2009-07-09 Michael Blomquist Insulin pump with insulin therapy coaching
US20090177142A1 (en) 2008-01-09 2009-07-09 Smiths Medical Md, Inc Insulin pump with add-on modules
US8112375B2 (en) 2008-03-31 2012-02-07 Nellcor Puritan Bennett Llc Wavelength selection and outlier detection in reduced rank linear models
US9220456B2 (en) 2008-04-04 2015-12-29 Hygieia, Inc. Systems, methods and devices for achieving glycemic balance
TWI394580B (zh) 2008-04-28 2013-05-01 Halozyme Inc 超快起作用胰島素組成物
EP2277123B1 (en) 2008-04-29 2019-08-07 Roche Diabetes Care GmbH A method for selecting bolus doses and bolus delivery patterns in a drug delivery device
US8876755B2 (en) 2008-07-14 2014-11-04 Abbott Diabetes Care Inc. Closed loop control system interface and methods
US9943644B2 (en) 2008-08-31 2018-04-17 Abbott Diabetes Care Inc. Closed loop control with reference measurement and methods thereof
US20100057040A1 (en) 2008-08-31 2010-03-04 Abbott Diabetes Care, Inc. Robust Closed Loop Control And Methods
US8622988B2 (en) 2008-08-31 2014-01-07 Abbott Diabetes Care Inc. Variable rate closed loop control and methods
US8734422B2 (en) 2008-08-31 2014-05-27 Abbott Diabetes Care Inc. Closed loop control with improved alarm functions
US8287487B2 (en) 2008-10-15 2012-10-16 Asante Solutions, Inc. Infusion pump system and methods
US20100174228A1 (en) 2008-10-24 2010-07-08 Bruce Buckingham Hypoglycemia prediction and control
US8527208B2 (en) 2008-11-17 2013-09-03 Roche Diagnostics International Ag Prandial blood glucose excursion optimization method via computation of time-varying optimal insulin profiles and system thereof
US9918635B2 (en) 2008-12-23 2018-03-20 Roche Diabetes Care, Inc. Systems and methods for optimizing insulin dosage
US9330237B2 (en) 2008-12-24 2016-05-03 Medtronic Minimed, Inc. Pattern recognition and filtering in a therapy management system
US20100160740A1 (en) 2008-12-24 2010-06-24 Gary Cohen Use of Patterns in a Therapy Management System
US8974439B2 (en) 2009-01-02 2015-03-10 Asante Solutions, Inc. Infusion pump system and methods
US8560082B2 (en) 2009-01-30 2013-10-15 Abbott Diabetes Care Inc. Computerized determination of insulin pump therapy parameters using real time and retrospective data processing
JP5677321B2 (ja) 2009-02-04 2015-02-25 サノフィ−アベンティス・ドイチュラント・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング 血糖コントロール用の情報を提供するための医療デバイス及び方法
DK2396056T3 (da) 2009-02-13 2019-08-19 Hoffmann La Roche Insulinleveringssikkerhed
US8562587B2 (en) 2009-02-25 2013-10-22 University Of Virginia Patent Foundation CGM-based prevention of hypoglycemia via hypoglycemia risk assessment and smooth reduction of insulin delivery
EP2413781B1 (en) 2009-03-31 2019-07-24 Abbott Diabetes Care Inc. Overnight closed-loop insulin delivery with model predictive control and glucose measurement error model
US8467972B2 (en) 2009-04-28 2013-06-18 Abbott Diabetes Care Inc. Closed loop blood glucose control algorithm analysis
US9579456B2 (en) 2009-05-22 2017-02-28 Abbott Diabetes Care Inc. Methods for reducing false hypoglycemia alarm occurrence
WO2010135686A2 (en) * 2009-05-22 2010-11-25 Abbott Diabetes Care Inc. Adaptive insulin delivery system
US8597274B2 (en) 2009-05-22 2013-12-03 Abbott Diabetes Care Inc. Usability features for integrated insulin delivery system
WO2010135670A2 (en) 2009-05-22 2010-11-25 Abbott Diabetes Care Inc. Safety layer for integrated insulin delivery system
US8257300B2 (en) 2009-05-22 2012-09-04 Abbott Diabetes Care Inc. Safety features for integrated insulin delivery system
EP2435962B1 (en) 2009-05-29 2023-04-19 University of Virginia Patent Foundation System coordinator and modular architecture for open-loop and closed-loop control of diabetes
US9687194B2 (en) 2009-06-17 2017-06-27 Medtronic Minimed, Inc. Closed-loop glucose and/or insulin control system
JP5654587B2 (ja) 2009-06-30 2015-01-14 ライフスキャン・インコーポレイテッドＬｉｆｅｓｃａｎ，Ｉｎｃ． 基礎インスリン療法を算出する分析物試験方法及び装置
WO2011033509A1 (en) 2009-09-18 2011-03-24 Medingo Ltd. Devices, systems and methods for quantifying bolus doses according to user parameters
JP5728767B2 (ja) 2009-09-30 2015-06-03 ドリームド・ダイアベティス・リミテッド インスリン送達の管理のための監視システム、方法、およびコンピュータプログラム
US8690820B2 (en) 2009-10-06 2014-04-08 Illinois Institute Of Technology Automatic insulin pumps using recursive multivariable models and adaptive control algorithms
WO2011050337A1 (en) 2009-10-22 2011-04-28 Abbott Diabetes Care Inc. Methods for modeling insulin therapy requirements
EP2335755A1 (en) 2009-12-17 2011-06-22 Sanofi-Aventis Deutschland GmbH Device and method for delivery of two or more drug agents
EP2338552B1 (en) 2009-12-28 2017-07-19 F. Hoffmann-La Roche AG Ambulatory infusion device with bolus administration delay
DK2525863T3 (en) 2010-01-20 2019-01-21 Hoffmann La Roche METHOD AND DEVICE FOR IMPROVING Glycemic Control
US8843321B2 (en) 2010-01-26 2014-09-23 Roche Diagnostics Operations, Inc. Methods and systems for processing glucose data measured from a person having diabetes
JP5750123B2 (ja) 2010-02-11 2015-07-15 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア 生物学的因子又は薬物を被検者に送達するためのシステム、装置及び方法
US9089292B2 (en) 2010-03-26 2015-07-28 Medtronic Minimed, Inc. Calibration of glucose monitoring sensor and/or insulin delivery system
EP4183326B1 (en) 2010-03-26 2026-01-28 University Of Virginia Patent Foundation Method, system, and computer program product for improving the accuracy of glucose sensors using insulin delivery observation in diabetes
US8532933B2 (en) 2010-06-18 2013-09-10 Roche Diagnostics Operations, Inc. Insulin optimization systems and testing methods with adjusted exit criterion accounting for system noise associated with biomarkers
US10561785B2 (en) 2010-06-22 2020-02-18 Medtronic Minimed, Inc. Method and/or system for closed-loop control of glucose to a treatment range
US20110313680A1 (en) 2010-06-22 2011-12-22 Doyle Iii Francis J Health Monitoring System
US20120006100A1 (en) 2010-07-06 2012-01-12 Medtronic Minimed, Inc. Method and/or system for determining blood glucose reference sample times
US8945094B2 (en) 2010-09-08 2015-02-03 Honeywell International Inc. Apparatus and method for medication delivery using single input-single output (SISO) model predictive control
ES2544874T3 (es) 2010-10-12 2015-09-04 The Regents Of The University Of California Dispositivo de administración de insulina
US8615366B2 (en) 2010-10-15 2013-12-24 Roche Diagnostics Operations, Inc. Handheld diabetes management device with bolus calculator
ES2755497T3 (es) 2010-10-31 2020-04-22 Univ Boston Sistema de control de glucosa en sangre
EP2463795A1 (en) 2010-12-09 2012-06-13 Fresenius Medical Care Deutschland GmbH A method for calculating or approximating one or more values representing parameters of a patient and devices
US9445757B2 (en) 2010-12-29 2016-09-20 Medtronic Minimed, Inc. Glycemic health metric determination and application
WO2012108938A1 (en) 2011-02-11 2012-08-16 Abbott Diabetes Care Inc. Software applications residing on handheld analyte determining devices
WO2012122520A1 (en) * 2011-03-10 2012-09-13 Abbott Diabetes Care Inc. Multi-function analyte monitor device and methods of use
EP2691894B1 (en) 2011-03-30 2021-03-17 Novo Nordisk A/S System for optimizing a patient's drug dosage regimen over time
US9636461B2 (en) 2011-05-06 2017-05-02 Novo Nordisk A/S System for optimizing a drug dosage regimen over time
US9808577B2 (en) 2011-05-10 2017-11-07 Insuline Medical Ltd. Device, system and method for facilitating syringe based drug delivery and management thereof
AU2012272668B2 (en) 2011-06-23 2017-02-02 University Of Virginia Patent Foundation Unified platform for monitoring and control of blood glucose levels in diabetic patients
GB2493712B (en) 2011-08-12 2014-07-02 Gene Onyx Ltd Insulin pump
EP2748747B1 (en) * 2011-08-26 2020-08-26 University Of Virginia Patent Foundation Method, system and computer readable medium for adaptive advisory control of diabetes
EP2798546B1 (en) 2011-09-13 2020-12-23 Novo Nordisk A/S Adaptive system for optimizing a drug dosage regimen over time
EP4060673A1 (en) 2011-09-28 2022-09-21 Abbott Diabetes Care, Inc. Methods, devices and systems for analyte monitoring management
EP2765911A1 (en) 2011-10-11 2014-08-20 Novo Nordisk A/S Dual purpose advisory device
EA027744B1 (ru) 2011-10-31 2017-08-31 Ксерис Фармасьютикалс, Инк. Лекарственные формы для лечения сахарного диабета
US9622691B2 (en) 2011-10-31 2017-04-18 Abbott Diabetes Care Inc. Model based variable risk false glucose threshold alarm prevention mechanism
EP2788909A4 (en) 2011-12-06 2015-08-12 Dianovator Ab MEDICAL ARRANGEMENTS AND METHOD FOR PREDICTING A VALUE ASSOCIATED WITH A MEDICAL CONDITION
WO2013090709A1 (en) 2011-12-16 2013-06-20 Hospira, Inc. System for monitoring and delivering medication to a patient and method of using the same to minimize the risks associated with automated therapy
TW201333870A (zh) 2011-12-21 2013-08-16 艾登工具股份有限公司 決定病人胰島素療法的系統及方法
US10694983B2 (en) 2012-01-19 2020-06-30 Medtronic Minimed, Inc. Method and/or system for assessing a patient's glycemic response
WO2013110118A1 (en) 2012-01-27 2013-08-01 The University Of Sydney Estimating arousal states
US20130231543A1 (en) 2012-03-05 2013-09-05 Andrea Facchinetti Method to improve safety monitoring in type-1 diabetic patients by detecting in real-time failures of the glucose
US9883834B2 (en) 2012-04-16 2018-02-06 Farid Amirouche Medication delivery device with multi-reservoir cartridge system and related methods of use
KR101945341B1 (ko) 2012-04-17 2019-02-08 삼성전자주식회사 운동량을 고려한 인슐린 자동 공급장치 및 그 방법
US10391242B2 (en) 2012-06-07 2019-08-27 Medtronic Minimed, Inc. Diabetes therapy management system for recommending bolus calculator adjustments
US9861744B2 (en) 2012-06-25 2018-01-09 International Business Machines Corporation Managing blood glucose levels
US9757510B2 (en) 2012-06-29 2017-09-12 Animas Corporation Method and system to handle manual boluses or meal events for closed-loop controllers
US20150328403A1 (en) 2012-07-03 2015-11-19 Edwards Lifesciences Corporation Glucose consumption monitor
US9990581B2 (en) 2012-07-11 2018-06-05 Roche Diabetes Care, Inc. Insulin dosage assessment and recommendation system
US8756043B2 (en) 2012-07-26 2014-06-17 Rimidi Diabetes, Inc. Blood glucose meter and computer-implemented method for improving glucose management through modeling of circadian profiles
US9623179B2 (en) 2012-08-30 2017-04-18 Medtronic Minimed, Inc. Safeguarding techniques for a closed-loop insulin infusion system
US10130767B2 (en) 2012-08-30 2018-11-20 Medtronic Minimed, Inc. Sensor model supervisor for a closed-loop insulin infusion system
US9526834B2 (en) 2012-08-30 2016-12-27 Medtronic Minimed, Inc. Safeguarding measures for a closed-loop insulin infusion system
US10496797B2 (en) 2012-08-30 2019-12-03 Medtronic Minimed, Inc. Blood glucose validation for a closed-loop operating mode of an insulin infusion system
US9849239B2 (en) 2012-08-30 2017-12-26 Medtronic Minimed, Inc. Generation and application of an insulin limit for a closed-loop operating mode of an insulin infusion system
US9878096B2 (en) 2012-08-30 2018-01-30 Medtronic Minimed, Inc. Generation of target glucose values for a closed-loop operating mode of an insulin infusion system
US9662445B2 (en) 2012-08-30 2017-05-30 Medtronic Minimed, Inc. Regulating entry into a closed-loop operating mode of an insulin infusion system
US9171343B1 (en) 2012-09-11 2015-10-27 Aseko, Inc. Means and method for improved glycemic control for diabetic patients
US9901677B2 (en) 2012-10-16 2018-02-27 Bigfoot Biomedical, Inc. Infusion pump system and methods
US9119528B2 (en) 2012-10-30 2015-09-01 Dexcom, Inc. Systems and methods for providing sensitive and specific alarms
US9833191B2 (en) 2012-11-07 2017-12-05 Bigfoot Biomedical, Inc. Computer-based diabetes management
US9486578B2 (en) * 2012-12-07 2016-11-08 Animas Corporation Method and system for tuning a closed-loop controller for an artificial pancreas
US9907909B2 (en) 2012-12-20 2018-03-06 Animas Corporation Method and system for a hybrid control-to-target and control-to-range model predictive control of an artificial pancreas
WO2014109898A1 (en) 2013-01-14 2014-07-17 The Regents Of University Of California Model-based personalization scheme of an artificial pancreas for type i diabetes applications
WO2014110541A1 (en) 2013-01-14 2014-07-17 The Regents Of University Of California Daily periodic target-zone modulation in the model predictive control problem for artificial pancreas for type i diabetes applications
US9227014B2 (en) 2013-02-07 2016-01-05 The Board Of Trustees Of The Laland Stanford Junior University Kalman filter based on-off switch for insulin pump
EP4603003A3 (en) 2013-02-20 2025-10-29 DexCom, Inc. Retrospective retrofitting method to generate a continuous glucose concentration profile
US20150045641A1 (en) 2013-03-13 2015-02-12 Optiscan Biomedical Corporation Method and apparatus for analyte measurement, display, and annotation
US9795737B2 (en) 2013-03-15 2017-10-24 Animas Corporation Method and system for closed-loop control of an artificial pancreas
US9492608B2 (en) 2013-03-15 2016-11-15 Tandem Diabetes Care, Inc. Method and device utilizing insulin delivery protocols
US9517306B2 (en) 2013-03-15 2016-12-13 Animas Corporation Method and system for closed-loop control of an artificial pancreas
EP2973095B1 (en) 2013-03-15 2018-05-09 Animas Corporation Insulin time-action model
US10016561B2 (en) 2013-03-15 2018-07-10 Tandem Diabetes Care, Inc. Clinical variable determination
US9486171B2 (en) 2013-03-15 2016-11-08 Tandem Diabetes Care, Inc. Predictive calibration
HK1219631A1 (zh) 2013-04-16 2017-04-13 Bigfoot Biomedical, Inc. 自由剂量胰岛素输送系统和方法
ES2877551T3 (es) 2013-04-24 2021-11-17 Fresenius Kabi Deutschland Gmbh Procedimiento de funcionamiento de un dispositivo de control para controlar un dispositivo de infusión
US9047089B2 (en) 2013-05-20 2015-06-02 Rovi Guides, Inc. Energy-saving systems and methods for updating media information
US10112011B2 (en) 2013-07-19 2018-10-30 Dexcom, Inc. Time averaged basal rate optimizer
US9474855B2 (en) 2013-10-04 2016-10-25 Animas Corporation Method and system for controlling a tuning factor due to sensor replacement for closed-loop controller in an artificial pancreas
JP6643558B2 (ja) 2013-11-14 2020-02-12 リージェンツ オブ ザ ユニバーシティー オブ カリフォルニア グルコース率増加検出器及びそれを含む人工膵臓、差し迫った有害事象のリアルタイム予測のためのヘルスモニタリングシステム並びにヘルスモニタリングシステム用の食事検出モジュール
US9861747B2 (en) 2013-12-05 2018-01-09 Lifescan, Inc. Method and system for management of diabetes with a glucose monitor and infusion pump to provide feedback on bolus dosing
EP3076855A1 (en) 2013-12-06 2016-10-12 Cardiac Pacemakers, Inc. Heart failure event prediction using classifier fusion
US20150164414A1 (en) 2013-12-10 2015-06-18 Grant Matthews Recursive Real-time Determination of Glucose Forcing in a Diabetic patient for use in a Closed Loop Insulin Delivery system
US9750877B2 (en) 2013-12-11 2017-09-05 Medtronic Minimed, Inc. Predicted time to assess and/or control a glycemic state
US9750878B2 (en) 2013-12-11 2017-09-05 Medtronic Minimed, Inc. Closed-loop control of glucose according to a predicted blood glucose trajectory
US9849240B2 (en) 2013-12-12 2017-12-26 Medtronic Minimed, Inc. Data modification for predictive operations and devices incorporating same
US10925536B2 (en) 2014-01-03 2021-02-23 University Of Virginia Patent Foundation Systems of centralized data exchange for monitoring and control of blood glucose
EP3089667B1 (en) 2014-01-31 2022-04-13 Trustees of Boston University Offline glucose control based on preceding periods
US9861748B2 (en) 2014-02-06 2018-01-09 Medtronic Minimed, Inc. User-configurable closed-loop notifications and infusion systems incorporating same
US9399096B2 (en) 2014-02-06 2016-07-26 Medtronic Minimed, Inc. Automatic closed-loop control adjustments and infusion systems incorporating same
EP3128913B1 (en) 2014-04-10 2019-05-08 Dexcom, Inc. Determining a user's urgency index associated with a physiological condition
US10232113B2 (en) 2014-04-24 2019-03-19 Medtronic Minimed, Inc. Infusion devices and related methods and systems for regulating insulin on board
US10007765B2 (en) 2014-05-19 2018-06-26 Medtronic Minimed, Inc. Adaptive signal processing for infusion devices and related methods and systems
US10274349B2 (en) 2014-05-19 2019-04-30 Medtronic Minimed, Inc. Calibration factor adjustments for infusion devices and related methods and systems
US10152049B2 (en) 2014-05-19 2018-12-11 Medtronic Minimed, Inc. Glucose sensor health monitoring and related methods and systems
EP4233936A3 (en) 2014-06-10 2023-11-01 Bigfoot Biomedical, Inc. Insulin delivery systems and methods
US9724470B2 (en) 2014-06-16 2017-08-08 Icu Medical, Inc. System for monitoring and delivering medication to a patient and method of using the same to minimize the risks associated with automated therapy
EP2966582A1 (en) 2014-07-11 2016-01-13 Sanofi-Aventis Deutschland GmbH Titration of basal insulin with two modes
WO2016014987A2 (en) 2014-07-24 2016-01-28 Thomas Jefferson University Long-term implantable monitoring system & methods of use
WO2016019133A1 (en) 2014-07-30 2016-02-04 Tandem Diabetes Care, Inc. Temporary suspension for closed-loop medicament therapy
US20160029931A1 (en) 2014-07-31 2016-02-04 Sano Intelligence, Inc. Method and system for processing and analyzing analyte sensor signals
CN106714874B (zh) 2014-08-06 2019-10-08 加利福尼亚大学董事会 用于控制应用的滚动时域状态初始化器
WO2016025874A1 (en) 2014-08-14 2016-02-18 University Of Virginia Patent Foundation Improved accuracy continuous glucose monitoring method, system, and device
CA2953577A1 (en) 2014-09-22 2016-03-31 Dexcom, Inc. System and method for mode switching
WO2016061308A1 (en) 2014-10-17 2016-04-21 Kahlbaugh Bradley E Human metabolic condition management
US9861310B2 (en) 2014-10-17 2018-01-09 Fitscript Llc Algorithms for diabetes exercise therapy
CN105688308A (zh) 2014-11-13 2016-06-22 上海泽生科技开发有限公司 注射泵控制方法、控制单元及注射泵
US10456090B2 (en) 2014-11-22 2019-10-29 Bigfoot Biomedical, Inc. Method to determine individualized insulin sensitivity and optimal insulin dose by linear regression, and related systems
US9943645B2 (en) 2014-12-04 2018-04-17 Medtronic Minimed, Inc. Methods for operating mode transitions and related infusion devices and systems
US10265031B2 (en) 2014-12-19 2019-04-23 Medtronic Minimed, Inc. Infusion devices and related methods and systems for automatic alert clearing
US10307535B2 (en) 2014-12-19 2019-06-04 Medtronic Minimed, Inc. Infusion devices and related methods and systems for preemptive alerting
US9717848B2 (en) 2015-01-22 2017-08-01 Medtronic Minimed, Inc. Data derived pre-bolus delivery
CN104667379B (zh) 2015-03-06 2017-08-15 上海交通大学 动态闭环控制的胰岛素泵
JP2016167152A (ja) 2015-03-09 2016-09-15 セイコーエプソン株式会社 状態提示装置、状態提示システム、状態提示方法及び状態提示プログラム
US10617363B2 (en) 2015-04-02 2020-04-14 Roche Diabetes Care, Inc. Methods and systems for analyzing glucose data measured from a person having diabetes
US9878097B2 (en) 2015-04-29 2018-01-30 Bigfoot Biomedical, Inc. Operating an infusion pump system
EP3295342B1 (en) 2015-05-13 2021-08-25 Ascensia Diabetes Care Holdings AG Blood glucose management device for calculating bolus insulin
US10646650B2 (en) 2015-06-02 2020-05-12 Illinois Institute Of Technology Multivariable artificial pancreas method and system
JP6853198B2 (ja) 2015-06-28 2021-03-31 ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ １型糖尿病に適用するための人工膵臓の速度重み付けモデル予測制御
WO2017027459A1 (en) 2015-08-07 2017-02-16 Trustees Of Boston University Glucose control system with automatic adaptation of glucose target
WO2017031440A1 (en) 2015-08-20 2017-02-23 Aseko, Inc. Diabetes management therapy advisor
US10463297B2 (en) 2015-08-21 2019-11-05 Medtronic Minimed, Inc. Personalized event detection methods and related devices and systems
US10664569B2 (en) 2015-08-21 2020-05-26 Medtronic Minimed, Inc. Data analytics and generation of recommendations for controlling glycemic outcomes associated with tracked events
US10657224B2 (en) 2015-09-25 2020-05-19 Accenture Global Solutions Limited Monitoring and treatment dosage prediction system
CN108883227B (zh) 2016-01-12 2022-10-25 哈佛大学校董委员会 使用过去的预测的用于人工胰腺的预测控制模型
US10806859B2 (en) 2016-01-14 2020-10-20 Bigfoot Biomedical, Inc. Adjusting insulin delivery rates
HK1256995A1 (zh) 2016-01-14 2019-10-11 Bigfoot Biomedical, Inc. 药物输送设备、系统和方法中的阻塞解决方案
US12383166B2 (en) 2016-05-23 2025-08-12 Insulet Corporation Insulin delivery system and methods with risk-based set points
US10297350B2 (en) 2016-06-01 2019-05-21 Roche Diabetes Care, Inc. Risk-based control-to-range
US10332633B2 (en) 2016-06-01 2019-06-25 Roche Diabetes Care, Inc. Control-to-range aggressiveness
US10332632B2 (en) 2016-06-01 2019-06-25 Roche Diabetes Care, Inc. Control-to-range failsafes
US10456086B2 (en) 2016-08-31 2019-10-29 University Of Virginia Patent Foundation Method, system and computer readable medium for predictive hypoglycemia detection for mild to moderate exercise
US10561788B2 (en) 2016-10-06 2020-02-18 Medtronic Minimed, Inc. Infusion systems and methods for automated exercise mitigation
US11097051B2 (en) 2016-11-04 2021-08-24 Medtronic Minimed, Inc. Methods and apparatus for detecting and reacting to insufficient hypoglycemia response
US10709834B2 (en) 2016-12-21 2020-07-14 Medtronic Minimed, Inc. Medication fluid infusion set component with integrated physiological analyte sensor, and corresponding fluid infusion device
US10854322B2 (en) 2016-12-21 2020-12-01 Medtronic Minimed, Inc. Infusion systems and methods for patient activity adjustments
US11033682B2 (en) 2017-01-13 2021-06-15 Bigfoot Biomedical, Inc. Insulin delivery methods, systems and devices
EP3568860B1 (en) 2017-01-13 2025-12-10 Insulet Corporation Insulin delivery methods, systems and devices
US10881792B2 (en) 2017-01-13 2021-01-05 Bigfoot Biomedical, Inc. System and method for adjusting insulin delivery
EP3586145A1 (en) 2017-02-21 2020-01-01 Abbott Diabetes Care Inc. Methods, devices, and systems for physiological parameter analysis
US11229406B2 (en) 2017-03-24 2022-01-25 Medtronic Minimed, Inc. Patient-specific glucose prediction systems and methods
US10729849B2 (en) 2017-04-07 2020-08-04 LifeSpan IP Holdings, LLC Insulin-on-board accounting in an artificial pancreas system
US11147920B2 (en) 2017-04-18 2021-10-19 Lifescan Ip Holdings, Llc Diabetes management system with automatic basal and manual bolus insulin control
US10755392B2 (en) 2017-07-13 2020-08-25 Mediatek Inc. High-dynamic-range video tone mapping

Also Published As

Publication number Publication date
CN116531603A (zh) 2023-08-04
CN110582231B (zh) 2023-05-16
JP7431773B2 (ja) 2024-02-15
WO2018204568A1 (en) 2018-11-08
EP3618713A1 (en) 2020-03-11
AU2018261124B2 (en) 2021-01-28
CN110582231A (zh) 2019-12-17
US11878145B2 (en) 2024-01-23
ES3060256T3 (en) 2026-03-25
ES2903174T3 (es) 2022-03-31
AU2018261124A1 (en) 2019-10-17
EP3618713B1 (en) 2021-12-15
AU2021202523A1 (en) 2021-05-27
US20200197605A1 (en) 2020-06-25
EP3970611A1 (en) 2022-03-23
EP3970611B1 (en) 2023-12-06
EP4671882A3 (en) 2026-01-28
JP2021106947A (ja) 2021-07-29
EP4290320B8 (en) 2026-03-04
AU2023214330B2 (en) 2025-01-23
CA3059985A1 (en) 2018-11-08
DK3618713T3 (da) 2022-01-24
EP4671882A2 (en) 2025-12-31
CA3059985C (en) 2023-08-08
EP4290320B1 (en) 2025-12-24
EP4290320A2 (en) 2023-12-13
EP4290320A3 (en) 2024-02-21
CA3198598A1 (en) 2018-11-08
AU2023214330A1 (en) 2023-08-31
JP2020518340A (ja) 2020-06-25
US20240108806A1 (en) 2024-04-04
AU2021202523B2 (en) 2023-05-11

Similar Documents

Publication Publication Date Title
JP6874155B2 (ja) 生理的グルコースの閉ループ制御
AU2024216308B2 (en) Insulin and pramlintide delivery systems, methods, and devices
JP7457072B2 (ja) 生理的グルコースの閉ループ制御

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191028

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191028

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201126

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210303

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210323

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210421

R150 Certificate of patent or registration of utility model

Ref document number: 6874155

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250