Digital-Twins: Methodik zur Identifizierung eines personalisierten Modells aus Typ-1-Diabetes-Daten und zur Simulation von Glukosekonzentrationen zur Bewertung alternativer Therapien

Frank Best, Essen

Dazu gibt es hier einen spannenden Podcast

Die Entwicklung und Bewertung neuer Therapien für die Behandlung von Menschen mit Typ-1-Diabetes (T1D) kann durch In-silico-Simulationen erheblich erleichtert werden. Eine italienische Arbeitsgruppe hat eine Simulationsmethode (ReplayBG) publiziert [1], die es ermöglicht, basierend auf bereits gesammelten Daten, Glucosekonzentrationsverläufe, die als Reaktion auf alternative Insulin-/Kohlenhydrattherapien erhalten wurde, „wiederzugeben“ und die Wirksamkeit solcher Therapien zu bewerten. Dieser Ansatz basiert auf dem Konzept von „digitalen Zwillingen“ und funktioniert in zwei Schritten: Zunächst wird ein personalisiertes Modell der Glucose-Insulin-Dynamik anhand von Daten der Insulin-, Kohlenhydrat- und CGM-Überwachung (CGM) erstellt. Anschließend wird dieses Modell verwendet, um die Glucosekonzentration zu simulieren, die durch „Wiederholen“ desselben Teils der Daten unter Verwendung einer anderen Therapie erhalten worden wäre. Die Validität der Methodik wurde anhand von Daten von 100 virtuellen Probanden bewertet, die mit dem UVa/Padova T1D Simulator (T1DS) generiert wurden. Insbesondere wurden die von ReplayBG simulierten Glucosekonzentrationsverläufe mit denen von T1DS in fünf verschiedenen Szenarien von Änderungen der Mahlzeiten- und Insulinmenge verglichen.

Zur weiteren Bewertung der Methodik wurde ReplayBG in zwei Fallstudien mit realen Daten eingesetzt, um konkrete Beispiele für die Verwendung davon zu erreichen. Dabei zeigte sich, dass dieser Methode die Auswirkungen der betrachteten Änderungen der Insulin- und Kohlenhydratbehandlung mit hoher Genauigkeit simuliert. Die gute Leistung von ReplayBG in den beiden Fallstudien mit realen Daten unterstützt die Simulationsergebnisse.

Fazit: Dieser Ansatz scheint ein zuverlässiges und robustes Tool zur retrospektiven Untersuchung der Auswirkungen neuer Behandlungsmethoden für Menschen mit T1D zu sein. Das verwendete Programm ist als Open-Source-Software unter https://github.com/gcappon/replay-bg frei verfügbar.

1. Cappon G, Vettoretti M, Sparacino G, Favero SD, Facchinetti A. ReplayBG: A Digital Twin-Based Methodology to Identify a Personalized Model From Type 1 Diabetes Data and Simulate Glucose Concentrations to Assess Alternative Therapies. IEEE Trans Biomed Eng. 2023;70(11):3227-38. Epub 20231019. doi: 10.1109/tbme.2023.3286856. PubMed PMID: 37368794.