Kunstig bukspyttkjertel 2.0: Hva automatiske insulinleveringssystemer ikke kan gjøre ennå – og hvordan fikse det

Diabetes Technology & Therapeutics publiserte en gjennomgang av en internasjonal gruppe ingeniører og klinikere om hullene som hindrer automatiserte insulinleveringssystemer (AID) i å bli en virkelig «fullstendig lukket sløyfe». Forfatterne hevder ærlig at nåværende apparater reduserer HbA1c, forbedrer livskvaliteten og håndterer sukker tryggere – men de fungerer best om natten, og om dagen krever de at brukeren deklarerer måltider og fysisk aktivitet for å unngå hyper- og hypoglykemi. I tillegg er mange systemer ennå ikke designet for gravide og eldre. Gjennomgangen viser resultatene av nye algoritmer som gjenkjenner mat og trening automatisk, og tidlige data om bruk av AID i «komplekse» grupper. Hovedkonklusjon: neste evolusjonsrunde er kunstig intelligens og adaptiv kontroll, inkludert for multihormonelle konfigurasjoner (insulin ± glukagon).

Bakgrunn for studien

Automatiserte insulinleveringssystemer (AID-er) er en kombinasjon av en kontinuerlig glukosemåler (CGM), en insulinpumpe og en kontrollalgoritme som justerer insulintilførselen i sanntid. I de senere årene har «hybrid»-kretser redusert HbA1c betydelig, økt tid innen rekkevidde og redusert nattlig hypoglykemi hos personer med type 1-diabetes. Men «full autopilot» er ennå ikke tilgjengelig: i løpet av dagen, når glukose konstant påvirkes av mat, stress og bevegelse, krever de fleste systemer fortsatt manuell karbohydratinntak og en aktivitetsadvarsel – ellers kan ikke algoritmen kompensere for raske sukkertopper.

Klinisk praksis har vist andre mangler. Algoritmer fungerer best under søvn, når stoffskiftet er mer stabilt, men topper etter måltider, trening og bolusforsinkelser er fortsatt akilleshælen. Noen systemer er ennå ikke utviklet for gravide (forskjellige glykemiske mål, høye feilkostnader) og eldre (polymorbiditet, økt risiko for hypoglykemi), hvor det er behov for tilpassede sikkerhetsmoduser og grensesnitt som reduserer kognitiv belastning.

Teknisk sett er neste utfordring å redusere den «menneskelige faktoren». For å oppnå dette utvikles algoritmer for automatisk gjenkjenning av matinntak og fysisk aktivitet basert på CGM-mønstre og bærbare sensorer; multihormonelle kretser (insulin ± glukagon) testes som «forsikring» mot hypoglykemi; adaptive/AI-modeller implementeres som tilpasser seg brukerens individuelle rytmer og dagens kontekst. Parallelt trenger industrien interoperabilitet og cybersikkerhetsstandarder slik at systemene oppdateres «over-the-air», og data utveksles sikkert mellom enheter og klinikker.

Til slutt er det ikke bare sukkerkontroll som er viktig, men også livsbekvemmelighet: mindre angst og manuelle handlinger, stabil søvn, tilgjengelighet av teknologien for mennesker med ulike nivåer av digitale ferdigheter og inntekt. Derfor er «kunstig bukspyttkjertel 2.0» ikke bare en «raskere» algoritme, men et økosystem som fungerer like pålitelig dag og natt, krever et minimum av inngrep og dekker brede pasientgrupper.

Hvorfor er dette viktig?

Automatiserte kretser er et av de største gjennombruddene innen diabetologi de siste tiårene, og deres bidrag gjenspeiles offisielt i moderne standarder for diabetesbehandling. Men «full autonomi» er fortsatt uoppnåelig: brukeren legger fortsatt inn karbohydrater «manuelt», og med en aktiv livsstil er algoritmer ofte for sent ute. Gjennomgangen systematiserer hvor de skal bevege seg slik at AID-er blir mer tilgjengelige og smartere – og for de som er gravide, over 65 år, driver med sport, eller rett og slett ikke kan telle karbohydrater med noen få timers mellomrom.

Hva AID kan gjøre nå – og hvor fremgangen stopper opp

Dagens hybride «bukspyttkjertel» er utmerkede til å opprettholde tid innenfor rekkevidde (TIR) og redusere tid under rekkevidde (TBR), spesielt under søvn. Men i løpet av dagtid dukker det opp «utfordringer» – mat, stress, trening – svake punkter:

• Mat-/treningsmeldinger er påkrevd. Uten dem har ikke kretsen tid til å "fange opp" den postprandiale økningen eller forhindre hypoglykemi etter aktivitet.
• Begrenset «sivil» egnethet. En rekke systemer er ikke beregnet på gravide og eldre, der målene og risikoene er forskjellige.
• Ustabilitet på dagtid. Apparatene er mest effektive om natten; glukosenivåene varierer mer i løpet av dagen.
• «Menneskelig faktor» – Karbohydrattelling og manuelle trinn er kjedelige, noe som gjør det vanskelig å følge opp behandlingen – dette understrekes av kliniske oversikter og praksis.

Hva forfatterne av anmeldelsen foreslår

Forskerne peker på områder der det har kommet oppmuntrende resultater de siste årene – og hvor det er behov for innsats:

• Automatisk gjenkjenning av mat og aktivitet. Algoritmer som, uten brukerinndata, kan vurdere faktum og omfang av matinntak/trening og dosere insulin deretter.
• Multihormonale kretser. Å legge til glukagon som en "sikkerhetspedal" mot hypoglykemi er en egen gren av utviklingen.
• Nye målgrupper. Studier hos eldre og under graviditet med tilpasning av mål og beskyttende barrierer.
• AI og adaptiv kontroll: Personlige modeller som «lærer» av hverdagsdata fjerner noe av det manuelle arbeidet og forenkler tilgangen til teknologien.

Hvor du skal lete etter utviklere og regulatorer

For å få AID til å fungere i en «full sløyfe» for alle, må vi i tillegg til algoritmer også løse «systemiske» problemer:

• Interoperabilitet og oppdateringsmuligheter. Standarder for datautveksling og sikre eksterne programvareoppdateringer.
• "Virkelige" fordelsmålinger. I tillegg til HbA1c - TIR/TBR, årvåkenhetsbelastning, nattesøvn, brukerkognitiv belastning.
• Tilgang og rettferdighet: Forenkle grensesnittet og gjøre systemene billigere slik at AID-er kan tilgås av de som ikke bruker dem i dag.
• Nettsikkerhet og personvern. Spesielt i sammenheng med stadig mer smarte og nettverkstilkoblede enheter.

Hva dette betyr for personer med diabetes – nå

Selv uten å være «fullstendig autonome», gir moderne AID-er allerede fordeler innen sukker og sikkerhet – dette bekreftes av randomiserte og observasjonsstudier. Hvis man bruker en kontur i dag, er den viktigste «livshacken» høyt engasjement (rettidige kunngjøringer av mat/mengder, sensorlading/tilkobling, riktig innstilling av mål). Og for de som nettopp vurderer en AID, gir gjennomgangen en klar vektor: i kommende generasjoner vil enheter kreve færre manuelle handlinger og takle dagen bedre, og ikke bare natten.

Hvor går grensene, og hva skjer videre?

Dette er en gjennomgang – den erstatter ikke kliniske studier, men den setter dagsordenen: intellektualisering av konturer og utvidelse av indikasjoner. Hjemmestudier av systemer som uavhengig doserer rundt mat og belastning er allerede i gang; multihormonelle løsninger utvikles parallelt. Neste trinn er multisenterstudier hos eldre, gravide, personer med en «uforutsigbar» timeplan, samt arbeid med tilgjengelighet og implementering.

En kort jukselapp: hva hindrer en «full sløyfe» og hva som vil bringe den nærmere

Det forstyrrer:

• behovet for manuell inntasting av karbohydrater og aktivitetsdeklarasjoner;
• redusert stabilitet i løpet av dagen (mat, sport, stress);
• mangel på moduser for graviditet og eldre i noen systemer.

Tilnærmet:

• automatisk deteksjon av mat/last og adaptive algoritmer;
• multihormonale kretser (insulin ± glukagon);
• enhetlige datastandarder, sikkerhet og tilgjengelighet.

Konklusjon

Gjennomgangen formulerer tydelig målet med «versjon 2.0» for den kunstige bukspyttkjertelen: å redusere brukerens rolle til et minimum, få kretsene til å fungere like pålitelig dag og natt, og åpne tilgang for de som for øyeblikket er igjen – inkludert gravide og eldre. Veien til dette går gjennom AI-algoritmer, adaptiv kontroll og multihormonelle ordninger – og det finnes allerede innledende resultater som viser at dette er reelt. Nå er det opp til kliniske studier og ingeniører å gjøre disse ideene om til pålitelige enheter «for alle og hver dag».

Forskningskilde: Jacobs PG et al. Forskningshull, utfordringer og muligheter i automatiserte insulinleveringssystemer. Diabetes Technology & Therapeutics 27(S3):S60-S71. https://doi.org/10.1089/dia.2025.0129