استفاده از الگوریتم یادگیری تقویتی (RL) در کنترل گلوکز خون در دیابت

یادگیری تقویتی(RL) یک رویکرد محاسباتی برای درک و خودکار سازی یادگیری و تصمیم گیری هدفمند است. این الگوریتم برای مسائلی طراحی شده است که شامل تعامل یک عامل یادگیری با محیط خود برای رسیدن به یک هدف است. به عنوان مثال کنترل گلوکز خون(BG) در دیابت شیرین (DM) که در آن عامل یادگیری و محیط به ترتیب کنترل کننده و بدن بیمار هستند. الگوریتم های RL می توانند برای طراحی یک کنترل کننده حلقه بسته استفاده شوند، که به طور کامل یک رژیم دوز انسولین شخصی سازی شده بر اساس داده های خود بیمار ارائه می دهند. هدف: در این بررسی هدف ما ارزیابی رویکردهای پیشرفته RL برای طراحی الگوریتم های کنترل BG (گلوکز خون) در بیماران مبتلا به DM (دیابت شیرین) است. الگوریتم های RL در سیستم های حلقه بسته(closed-loop)، برای نزریق انسولین، پشتیبانی تصمیم گیری و بازخورد شخصی سازی شده با موفقیت پیاده سازی شده اند. روش ها: یک جستجوی جامع در پایگاه های داده آنلاین مختلف انجام شد و موارد مربوطه از سال ۱۹۹۰ تا ۲۰۱۹ مورد تحلیل قرار گرفت. در مرحله اول، مجموعه ای از معیارهای انتخاب تعیین شد تا بهترین مقالات مربوطه براساس عنوان، کلمات کلیدی و چکیده انتخاب شوند. در مرحله دوم، سوالات تحقیق تعیین شدند و با استفاده از اطلاعات استخراج شده از مقالات انتخاب شده در مرحله اول، پاسخ داده شدند.نتایج: جستجوی اولیه با استفاده از عنوان، کلمات کلیدی و چکیده به مجموعه ای متشکل از ۴۰۴ مقاله منجر شد. پس از حذف تکرارها از رکوردها، ۳۴۷ مقاله باقی ماند. تجزیه و تحلیل مستقل و پالایش رکوردها در مقابل معیارهای درج و حذف مشخص شده در بخش روش ها، منجر به حذف ۲۹۶ مقاله شد، ۵۱ مقاله مرتبط باقی ماندند. ارزیابی متن کامل بر روی مقالات مرتبط باقی مانده انجام شد، که منجر به بررسی ۲۹ مقاله مرتبط شدکه به صورت انتقادی مورد تجزیه و تحلیل قرار گرفت. توافق میان ارزیابان با استفاده از آزمون کاپا کوهن(Cohen Kappa test) اندازه گیری شد، و اختلافات از طریق بحث حل شدند. نتیجه گیری: پیشرفت های در حوزه فناوری های بهداشت و دستگاه های همراه، اجرای الگوریتم های RL برای تنظیم بهینه قند خون در دیابت را تسهیل کرده است. با این حال، تعداد مقالات محدودی وجود دارد که به برنامه های این الگوریتم ها برای مسئله کنترل گلوکز خون متمرکز هستند. علاوه بر این، چنین الگوریتم هایی برای وظایف کنترلی مانند تنظیم BG طراحی شده اند و کاربرد آنها به تازگی در حوزه تحقیقات دیابت افزایش یافته است، بنابراین پیش بینی می شود که الگوریتم های RL در سال های آینده برای کنترل BG به طور متداول تر استفاده خواهند شد. علاوه بر این، در مقالات عدم تمرکز بر جنبه هایی که بر سطح BG تاثیر می گذارند، مانند مصرف وعده های غذایی و فعالیت های بدنی و فعالیت های فیزیکی (PA) وجود دارد که باید در مسئله کنترل در نظر گرفته شوند. در نهایت، نیاز به انجام اعتبارسنجی بالینی الگوریتم ها وجود دارد.

کلیدواژه ها:

یادگیری تقویتی(RL) ، کنترل گلوکز خون(Blood glucose control) ، پانکراس مصنوعی ، تزریق انسولین ، حلقه بسته(closed-loop).