Diabetes Liv på hjemmelavet kunstig pancreas

Som mange af jer ved, holdt vi vores hændelse til Fall 2015 DiabetesMine D-Data Exchange den 19. november. Et stort højdepunkt for denne sammenkomst af diabetesteknologer var en fantastisk snak af Chris Hannemann, en UC Berkeley alumni og mekanisk ingeniør, der i august blev 5 ^th person på planeten for at blive levende ved hjælp af det såkaldte OpenAPS, en fuldt funktionel hjemmelavet kunstig bugspytkirtlen.

Femten mennesker og tælle bruger nu dette lukkede system med åben kilde, der består af en klump af produkter med brosten sammen: en Medtronic insulinpumpe, Dexcom CGM modtager, hindbær pi-enhed til løb Linux OS, en CareLink USB-stick til at muliggøre kommunikation til pumpen og en batteripakke. Whoa …

Her er indersiden fra Chris selv om, hvordan han blev involveret i denne revolution i diabetesbehandling:

Et gæsteblad på OpenAPS af Chris Hannemann

I de sidste hundrede dage har jeg brugt et enkelt-hormonhybrid-lukket-loop-system, bedre kendt som en kunstig bugspytkirtlen. Jeg er ikke i et klinisk forsøg, og jeg har heller ikke adgang til noget fremtidigt produkt, men jeg er medlem af et DIY (gør det selv) fællesskab, der har fundet ud af, hvordan man gør det ved hjælp af standard medicinske apparater . Lad os sikkerhedskopiere og se, hvordan jeg kom her.

Jeg blev diagnosticeret med type 1-diabetes i en alder af 8. To år senere blev min far diagnosticeret med type 2. Et år efter blev min søster diagnosticeret med type 1. Vi havde ingen familiehistorie af diabetes og ingen venner eller slægtninge med sygdommen på det tidspunkt, så det var lidt af et chok for at sige mildt. Alt taget i betragtning tog vi det i strid, og siden har jeg takket mine forældre for den tilgang, de tog til ledelsen: styring uden at kontrollere, overvågning uden at svæve. Det er ikke at sige, at mine tidlige år var uden hændelse, selvfølgelig. Jeg havde en håndfuld skræmmende hypoglykæmiske hændelser, og mine A1c-værdier var overalt under puberteten. Alligevel var jeg et godt barn, og det faktum, at jeg var nødt til at beskæftige mig med diabetes var mere en gener end en vejspærring.

Folkeskolen og kollegiet fulgte efter det meste, men tingene ændrede sig delvist gennem gradskolen. En særlig voldsom og kriserisk hypoglykæmisk hændelse over natten har fået mig til at revurdere min behandling, og i 23-15 år efter diagnosen blev jeg derfor for første gang på insulinpumpen. Min kontrol forbedret sig meget, og jeg følte at jeg var tilbage på sporet.

Samtidig gik jeg ind i dataindsamlingstilstand og begyndte at foretage justeringer og dele regneark med min endokrinolog hver uge.Jeg fandt mig snart i et hav af data, som jeg troede, skulle være tilgængeligt og let kombineret, men blev i stedet mødt med besværlige softwareinterfaces og ingen måde at trække data ude i blandingen. Jeg udnyttede min frustration, lavede sammen med en ven hos Google og forelagde et forslag til U. C. Berkeleys Big Ideas-konkurrence. Forslaget ser ud til at være enkelt og endda arkaisk nu, men det var da en rørdrøm - en måde at automatisere dataindsamling og integrere forskellige datakilder for at få et mere komplet billede af min sygdom. Vores arbejde blev tildelt en af ​​præmierne, og jeg gik på jagt efter nogle partnere.

Desværre er DIY-diabetes-samfundet, der eksisterer i dag - den 15.000-stærke CGM i Cloud Facebook-gruppen, de rigelige repositorier, der befolker GitHub - stadig mange år. Dengang var det kun nogle få personer med Visual Basic-makroer, der kørte i Excel-regneark, der blev begravet dybt i onlinefora, og jeg ramte hurtigt en mur i forhold til interesserede parter med relevante færdigheder. Jeg fik mit første job ud af gradskolen, og projektet gik for det meste sovende. Min entusiasme for dataindsamling faldt, og jeg regresserede til en velkendt norm: pumpe, periodiske fingersticks, ingen reel dataevaluering ud over A1c og gennemsnitlige målerværdier.

I årenes løb så jeg på, at min A1c kryber op igen, og i løbet af januar blev det til det punkt, hvor jeg vidste noget, der var nødvendigt at ændre. Jeg havde ikke haft alvorlige hypoglykæmiske hændelser siden skiftet til pumpen, men mit langsigtede udsigter var ikke positive. Min endokrinolog opfordrede mig til at undersøge et kontinuerligt glukoseovervågningssystem (CGM), men jeg var resistent. Året før havde jeg forsøgt en af ​​Medtronic's tidlige CGM'er, men en kombination af dårlig design, forfærdelig nøjagtighed og smertefuld indsættelse overskred hurtigt enhver motivation, jeg havde, og gjorde systemet ubrugeligt i mine øjne. Jeg ønskede heller ikke at skulle bære en separat modtager, men i sidste ende slog jeg endelig kuglen og fik Dexcoms selvstændige enhed.

It. Var. Fantastisk.

Ofte kan det føles, at DIY-samfundet har en "os mod dem" mentalitet, hvor enhedsproducenterne på en eller anden måde er fjenden. I virkeligheden elsker vi enhedens producenter. Insulinpumpe og CGM jeg bruger er fantastiske udstyrstyper. Specielt Dexcom G4 var helt livsforandrende. For alt mit greb om at skulle kalibrere, at jeg ikke har dataene til senderen tilbagefyld, når jeg er uden for rækkevidde og ikke har adgang til rå data, er denne lille enzymbeladede tråd, der sidder under min hud, langt det bedste stykke teknologi jeg ejer.

Nu har jeg dog et nyt problem: mange data og ingen klar måde at bruge den på.

I min søgning efter, hvad jeg skal gøre med mine data, snuble jeg over Tidepool og var spændt på at se deres måde, hvordan deres produktpipeline var den, jeg ledte efter, gav en meget beskeden donation og en opfordring til opmuntring. Kort tid efter sendte Tidepools administrerende direktør Howard Look mig en personlig tak og henviste til mit syvårige forslag fra Berkeley, om jeg ville være interesseret i beta-test af nogle af deres produkter.Jeg sagde selvfølgelig ja og kiggede hurtigt på min pumpe og CGM-data, der var smukt vist sammen på den første polerede grænseflade til diabetesdata, jeg kan huske at se.

Det førte mig ned i kaninhullet. Jeg fandt så mange mennesker gør så mange forskellige ting, og jeg ville prøve dem alle. Jeg ønskede at se min glukose live på mit ur i min bærbarheds menulinje på min telefon - ikke fordi jeg ønskede eller havde brug for alle disse, men fordi jeg for første gang havde muligheder og jeg ønskede at undersøge, som fungerede bedst for mig . Jeg har etableret en Nightscout-implementering, og frigiver mine CGM-data til brug i en lang række andre værktøjer. Jeg begyndte at lege med metabolske simulatorer som GlucoDyn fra Perceptus. Jeg var endda spændt på at se apps, der ikke nødvendigvis passer mig i deres demografiske målgruppe (OneDrop, for eksempel), men havde visionen om at lave et produkt, der gjorde det muligt for folk med diabetes at gøre mere med deres data.

Til sidst ledte dette mig til DIYPS. org og derefter OpenAPS. org. Det har også ført mig til nogle af de mange bidragsydere, der ville gøre det muligt for mig at få succes med OpenAPS: Ben West, arkitekten for Decoding CareLink og OpenAPS-værktøjssættet, som brugte år på at finde ud af, hvordan man kan tale med disse enheder; Dana Lewis og Scott Leibrand, som var de første til at kombinere værktøjerne i et fungerende system og siden har lagt stor vægt på at vokse og støtte samfundet; og Nate Racklyeft, der byggede et ekstraordinært system for at udvide værktøjerne og investerede mange patienttimer, der lærte mig, hvordan man kunne bidrage.

Det er helt ærligt, at det egentlig ikke er så komplekst, og det er en del af skønheden. Diabetes hacker Chris Hannemann, på sit hjemmelavede lukkede system

Den sjove ting er ligesom jeg, ingen af ​​disse personer begyndte at forsøge at bygge en kunstig bugspytkirtlen. Ben forsøgte at revidere sine enheder for at genskabe troskab og troværdighed til de stykker teknologi, han var afhængig af dagligt for at overleve. Dana og Scott forsøgte simpelthen at gøre hendes CGM alarmer højere, så hun ikke ville sove gennem dem om natten. Nate byggede en app til automatisk at kalibrere pumpens basisplaner baseret på historiske data. Jeg udforskede forskellige data visualisering og analysemetoder til min nyfundede skattekiste af data. Der er mange andre, selvfølgelig, hver med deres egen vej, der i sidste ende bragte dem til OpenAPS.

Med deres hjælp blev jeg den 5. august 2015 den femte person til at "lukke loop" med OpenAPS værktøjssættet; pr. 4. december 2015 er der mindst 17 løbende lignende systemer.

OpenAPS står for Åben Kunstig Pancreas System. For at være klar er OpenAPS ikke selv en kunstig bugspytkirtlen. Det er snarere et open-source værktøjssæt til kommunikation med diabetes-enheder. Dette muliggør og giver brugerne mulighed for både at erhverve mere komplette data i realtid fra deres insulinpumpe og CGM samt skabe deres egne kunstige bugspytkirtel. Vi ændrer ikke pumpen eller CGM'en på nogen måde, men i stedet bruger de kommunikationsprotokoller, der allerede er indbygget i enhederne.Det er som om enhederne talte et andet sprog, og vi har lige fundet ud af, hvordan man oversætter den.

OpenAPS er ikke et kommercielt venture, og der er ringe materiel fordel for bidragydere uden for selve systemet. Kernekoden er tilgængelig for alle at downloade, bruge, inspicere og foreslå ændringer, som skal revideres af samfundet. Der er omfattende dokumentation udgivet og vedligeholdt af samfundet, så andre kan blive involveret i projektet. Faktisk er en af ​​de første ting, som nye brugere opfordres til at gøre, at redigere dokumentationen. Dette tjener flere formål: det holder dokumentationen up-to-date (for det første er nye brugere dem, som dokumentationen forsøger at hjælpe), det får nye brugere vant til at bidrage og bruge git og GitHub, og det giver dem mulighed for at betale det videre ved at hjælpe det næste sæt brugere også. Det ville trods alt ikke være muligt, hvis de første få bidragsydere blot byggede deres systemer og derefter gik.

Et lukket loop system baseret på OpenAPS er faktisk ret simpelt. Hvert femte minut erhverver en lille computer (i de fleste tilfælde en Raspberry Pi) de sidste par timer med CGM-aflæsninger og pumpehistorie-boluser, basale satser, suspenderinger, carb-indgange og så videre. Det bruger disse data sammen med dine indstillinger-insulin følsomhed, carb forhold, varighed af insulin handling mv. -for at forudsige, hvad din glukose vil være i løbet af de næste par timer. Hvis det forudsiger, at du vil være uden for rækkevidde, sætter den en 30-minutters midlertidig basal sats på pumpen for at hjælpe med at korrigere din glukose, enten op eller ned. Det er det. Det er helt ærligt, at det virkelig ikke er så komplekst, og det er en del af skønheden. Det er i det væsentlige, hvad mennesker med diabetes gør alligevel. Fra et algoritmisk synspunkt kræver de fleste gevinster ikke noget mere end den matematik, du allerede gør. Den største fordel kommer fra systemet, altid opmærksom og dets evne til at foretage beregningerne hurtigt og præcist.

Der er selvfølgelig en række ting i gang i baggrunden, primært for at sikre datasikkerheden og brugerens sikkerhed. Sikkerheden kommer i mange former, og der er nogle ekstra forholdsregler involveret på grund af systemets egenart. Nogle af de trin vi tager omfatter: Trænere brugere til at bygge og teste deres system i trinvise trin (kun første modellering, derefter åben sløjfe med forudsigelser, og derefter endelig implementering af automatiseret kontrol); implementere overflødige grænser, hvor det er muligt (som f.eks. fastsættelse af maksimale basale satser i koden og selve pumpen); aldrig stole på tilslutning Manglende normal drift af pumpen i tilfælde af et problem; og holde koden og dokumentationen offentlig. Denne sidste er vigtig, da det giver os mulighed for at være årvågen som et fællesskab - jo flere øjne på koden, desto hurtigere kan du finde problemer.

Mit system er ikke perfekt, og der er flere begrænsninger. Ligesom alle insulin-kun-kunstige pancreas-systemer, kan det kun øge glukoseniveauet ved at reducere den nuværende insulinindgivelse og er derfor underlagt insulinaktivitetshastigheden.De forudsigelser, det giver, er underkastet kvaliteten af ​​de input, den modtager, og vi ved alle, at de ubesværede ulemper ved livsstress, sygdom, som sodavand du troede, var diæt - kan være signifikant. Det er også rimeligt omfangsrige og har begrænset rækkevidde, men jeg har stadig fundet fordelene meget opvejer disse ulemper. Så hvor godt virker min OpenAPS-implementering? Jeg var på CGM i næsten seks måneder inden lukningen afsluttede, så jeg har en anstændig baseline datasæt til sammenligning: Pre-OpenAPS (Pump + CGM, åben loop)

Dage = 179

Tid i Mål (80 - 180 mg / dL) = 70%
Gennemsnitlig blodglukose = 144 mg / dL
OpenAPS (lukket sløjfe)
Dage = 107

Tid i mål (80-180 mg / dl ) = 83%
Gennemsnitlig blodglukose = 129 mg / dL
Faldet i gennemsnitlig glucose er beskeden, men svarer stadig til et 0,5% fald i A1c. Den større forandring for mig er imidlertid den øgede tid i målområdet. At støde fra 70% til 83% er tre ekstra timer
hver dag

, hvor jeg var uden for rækkevidde, som jeg nu er inden for rækkevidde. En anden måde, jeg har næsten halveret den tid, jeg bruger uden for rækkevidde. Det er overraskende, at systemet har den største effekt natten over, når der er de færrest mulige indgange (medmindre du er sovende) og du ville typisk ikke være vågen til at foretage justeringer. Jeg vågner typisk nu mellem 100 og 120 mg / dL, hvilket betyder at vågne sig klar til verden i stedet for klar til en korrektionsbolus eller et glas appelsinsaft. Det kræver stadig input og opmærksomhed, men fordi det automatiserer en stor del af mine beslutninger, giver det mig mulighed for at fokusere på de problemer, der ikke er algoritmiske. For eksempel, da mine højder nu er signifikant lavere og mindre hyppige end tidligere, kan jeg som regel tildele afvigelserne til et aktuelt problem - et kinket infusionssæt, for eksempel - snarere end simpelthen dårlig carb-tælling eller lax-bolusing. Da jeg får det, får jeg ikke træthed og kan identificere og løse problemer mere effektivt. Jeg har målrettet anvendt udtrykket "en" eller "min" OpenAPS-implementering i stedet for "OpenAPS-implementeringen", fordi der ikke findes nogen enkelt kanonisk inkarnation af dette system. Mens en enkeltperson kunne bygge noget beslægtet med en standardversion og få meget af den fordel, er projektets virkelige kraft, hvordan det gør det muligt og tilskynder til mangfoldighed. Dette gælder for algoritmernes specifikationer, ja, men også hvordan dataene visualiseres i realtid. Med færre end 20 brugere er visualiseringer og underretninger blevet lavet for mindst et dusin forskellige platforme: desktop, mobil, bærbare, ekstra E Ink displays, du hedder det!

Ikke alle disse platforme vil fortsætte med at udvikle sig; der vil være noget sammenblanding omkring dem, som folk foretrækker, og udviklingen vil skifte i disse retninger. Men det er en fantastisk måde at gøre udvikling på - prøv at bygge noget, du vil have, og hvis andre kan lide det, vil andre hjælpe det med at vokse. Det demokratiserer processen, og da ingen forhindres i at udvikle deres eget alternativ, er innovation uheldig.Kontrast dette til en monolitisk, silo tilgang, hvor den eneste måde at se, hvad en enhed gør er at bruge den app udviklet af enhedsproducenten.

Jeg kan godt lide at joke, at vi vil have OpenAPS-visualiseringer, der kører på Game Boys og Tamagotchis snart (ingen arbejder aktivt på dette, efter min bedste viden), men det kommer faktisk på et nuanceret punkt. Forestil dig, om du havde et barn, der brugte lidt tid på at lege med et bestemt legetøj, og at du på en eller anden måde kunne tilføje en smule enkle og blændende oplysninger. Det er nok ikke fornuftigt for et medicinsk udstyrsfirma at bruge ressourcerne til at få det til at ske, men for dit særlige tilfælde for den sygdom, som du og din familie ejer, der kunne gøre hele forskellen.

OpenAPS er ikke for alle, og vi erkender det. Der er i øjeblikket adskillige kommercielle, lukkede insulinprodukter, der kun er udviklet af gamle og nye virksomheder inden for diabetesrummet. Disse omfatter Medtronic MiniMed 640G (allerede tilgængelig uden for USA) og 670G samt enheder fra Bigfoot Biomedical og TypeZero Technologies. Længere ned langs linjen lover det dobbelte hormon (insulin og glucagon) iLet fra Boston University's Bionic Pancreas Team et endnu større niveau af glucosekontrol. Påstanden om OpenAPS er ikke, at det er en bedre enhed end nogen af ​​disse, men at det er noget vi kan gøre nu og et eksempel på hvorfor patienter har brug for adgang til deres enheds data og kontroller.

Så hvis kommercielle enheder, der bliver mindre, lettere og mere robuste, bliver sat til rådighed i det næste år eller to, hvorfor skal du gå til alle disse problemer?

Jeg gør det selv, fordi jeg vil kontrollere min behandling, og i et stykke tid ser det ud til, at enhederne er begyndt at blive selve behandlingen. Indretningerne - deres menuer, deres advarsler, deres algoritmer, deres visualiseringer - påvirker dybt mit forsøg på at klare denne sygdom, men jeg har ingen kontrol over deres design og implementering. Da teknologien bliver mere og mere kompleks, ceder vi mere og mere kontrol over andres beslutninger. Løsningen er ikke at holde enhederne enkle, men at holde dem åbne.

Ofte er disse designbeslutninger berettiget under sikkerheds- og sikkerhedsdokumentet. Sikkerhed er afgørende, men det er heller ikke gensidigt udelukkende med patientadgang. Sikkerhed og sikkerhed, mens det helt sikkert er beslægtet, er ikke synonymer. Du kan have et ekstremt sikkert system, der på grund af hvordan det blev gjort sikkert, helt usikkert. Faktisk er et system, der muliggør og opmuntrer patienten til at revidere dets indre arbejde, betydeligt sikrere end en, der ikke gør det.

Industrien ændrer sig, og vi har allerede set positive udtalelser om, hvordan den næste generation af enheder behandler vores data. Sara Krugman fra Tidepool udtalte det godt i hendes 4-delt serie (del 1, 2, 3, 4), der diskuterede iLet (tidligere bioniske bugspytkirtlen) UI / UX-design: "

Interaktionen med iLet handler ikke om forbi alting. Det handler om at samarbejde om forvaltningen af ​​blodsukkerniveauer.

"Dette er et glimrende tankegang, der skal gå i opbygningen af ​​et værktøj. Nøglen er at tage dette samarbejde et skridt videre og give adgang og et komplet sæt instruktioner-en API-så vi kan fortsætte med at behandle os selv Den alternative nedlukning af adgangen til økosystemet er en crass og i sidste ende forgæves måde for en producent at forblive relevant. Pointen er, når patienter har data og værktøjer, kan vi gøre fantastiske ting med dem. Tænk med OpenAPS, vi har demonstreret, hvor geniale DIY-fællesskabet kan være i at udvikle sikre, effektive, personlige behandlinger, når der gives adgang til det rigtige værktøjssæt. Det er en fantastisk ting, som vi har gjort, men mere end det er det en indikator af alle de ting, vi kan gøre. Hvor fantastisk er det at hjælpe med at skabe fremtiden for diabetesbehandling, Chris?! Mange tak for at dele din historie og perspektiv!

Interesserede læsere: Du kan finde Chris på Twitter: @hannemannemann, og på LinkedIn.

Disclaime r

: Indhold oprettet af Diabetes Mine teamet. For flere detaljer klik her.

Ansvarsfraskrivelse Dette indhold er oprettet til Diabetes Mine, en forbruger sundhed blog fokuseret på diabetes samfund. Indholdet er ikke medicinsk gennemgået og overholder ikke Healthlines redaktionelle retningslinjer. For mere information om Healthlines partnerskab med Diabetes Mine, klik venligst her.