PREDICTION DU NIVEL DE GLUCOSE EN UTILISANT DES RESEAUX DE NEURONNES E. IANCU1, I.IANCU2, D.ISTRATE3, M. MOTA4 (1) Département Automatique/Université de Craiova, 107 Rue Decebal, 200440 Craiova, Roumanie Département de physiologie, informatique médical et bio-statistiques/Université de Médecine et Pharmacie de Craiova, 4, Rue Petru Rares, 200349 Craiova, Roumanie (3) LRIT /ESIGETEL, 1, Rue du Port de Valvins, 77210 Avon, France (2) Département de diabète et maladies de nutrition/Université de Médecine et Pharmacie de Craiova, 4, Rue Petru Rares, 200349 Craiova, Roumanie [email protected] [email protected] (2) Mots clés: niveau de glucose, contrôle automatique, réseau de neurones 1. Introduction Le but de ces travaux de recherche est de réaliser la prédiction du niveau de glucose dans le sang pour un système de contrôle automatique. Les méthodes actuelles de traitement du diabète dépendant de l’insuline consistent dans une injection sous-cutanée d’insuline ou dans une injection continue d’insuline à travers une pompe. Dans ce type de traitement le patient doit s’injecter l’insuline 5 fois par jour et la quantité est déterminée par une mesure du niveau de glucose complétée par une approximation du contenu de glucose du repas [1-2]. La pompe d’insuline par rapport à l’injection permet un débit constant et prédictible. Le control prédictive est différent du contrôle en boucle fermé où la différence entre le point d’opération désiré est comparée avec la concentration actuelle de glucose et envoyée comme contre-réaction au système. Les problèmes du contrôle prédictif sont définis dans le domaine temporel et leurs solutions nécessitent l’analyse de l’évolution future pour optimiser les performances [3-4]. Utilisant la théorie du control prédictif les déviations du niveau de glucose dans le sang par rapport au niveau normal peuvent être minimisées sans utiliser des grandes quantités d’insuline en mode préventif. L’efficacité du système de control prédictif est mesurée comme étant la capacité à garder le niveau de glucose dans le sang le plus proche possible du niveau normal. Cela est essentiel pour prévenir des complications du diabète. Idéalement, ce niveau doit se situer entre 60 et 120 mg/dl avant les repas et plus petit que 180 mg/dl deux heures après le début du repas. 2. Le contrôle du niveau de glucose dans le sang Par rapport à la technique classique du contrôle du glucose par injection d’insuline si le niveau du glucose est surveillé et l’insuline est délivrée suivant une loi proche de celle de l’organisme. Dans un organisme en bonne santé, les cellules B délivrent l’insuline dans le sang à deux débits : Un débit basal continu et basal qui contrôle la génération de glucose par le foie ; Des quantités plus importantes mais de courtes durées d’insuline pendant les repas pour l’absorption intestinale du glucose. La thérapie avec une pompe d’insuline est recommandée comme étant la méthode la plus efficace et physiologique dans le cas des diabètes sucrée de type I (dépendant d’insuline). Il y a des auteurs qui considèrent que le système à boucle fermée (pancréas artificiel) représente une solution très efficace [5]. Cette solution utilise un capteur de glucose extracorporelle qui est couplé au contrôleur programmable (PLC) qui calcule et commande le débit de l’infusion d’insuline sous cutané pour maintenir un niveau normal de glycémie. Ce type de système est très efficace dans le maintien de la glycémie dans les limites normales pour quelques jours mais a des désavantages majeurs dans l’utilisation à long terme. Des infusions prolongées augmentent le risque de thrombose et infection. Dans cette étude, le capteur extracorporelle de glucose est couplé à une unité logique qui est composée d’un réseau de neurones et d’un module de prise de décisions (Figure 1). Le réseau de neurones prédit la nouvelle valeur de glycémie en se basant sur les valeurs précédentes. Le module de prise de décision inclut un modèle mathématique du patient. Ce module reçoit autant la valeur actuelle du niveau de glucose que la valeur prédite comme valeur future par le réseau de neurones. En se basant sur le modèle du patient une estimation de la quantité d’insuline nécessaire est réalisée et le débit d’insuline de la pompe est commandé en conséquence. 5. Conclusion Un réseau de neurone non-linéaire autorégressif avec 2 niveaux a été utilisé pour prédire l’évolution du niveau de glucose dans le sang. Le premier niveau contient 10 neurones et utilise une fonction de transfert de type tansig. Le 2ème niveau contient un seul neurone et a une fonction de transfert de type pureline. Le système proposé utilise 5 mesures consécutives du niveau de glucose dans le sang qui représente 25 minutes d’historique pour prédire la valeur future. Cela donne une avance de 5 minutes dans la commande de la pompe à insuline. L’erreur de prédiction est faible ce qui nous encourage à continuer nos recherches sur cette voie. References Figure 1: La structure du système prédictif pour le control du niveau d’insuline 3. L’architecture du réseau de neurones Le réseau de neurones non récurrent, du point de vue système, représente une cartographie statique entre les entrées et les sorties [6]. Le réseau de neurones utilisé est non récurrent à deux niveaux et il reçoit en entrée les 5 dernières valeurs du niveau de glucose et prédit la 6ème. 4. Résultats Dans cette étude nous avons utilisé les données de 22 sujets adultes (12 femmes et 10 hommes) avec diabète dépendant d’insuline et 8 personnes en bonne santé. Parmi les 22, 16 patients ont suivi un traitement à injection d’insuline et 6 avec une pompe. L’évolution du niveau de glucose a été enregistrée pour chaque patient, chaque 5 minutes pendant 3 jours. Chaque patient a eu une vie normale avec repas et activités autant à la maison qu’au bureau. Trois cas ont été pris en compte : un patient avec un traitement classique à base d’injection (P1), un patient avec un traitement basé sur la pompe à insuline (P2) et une personne en bonne santé (P3). Pour P1, une grande variabilité du niveau de glucose a été mesurée, pour P2 la variabilité est plus réduite mais encore importante par rapport à la personne en bonne santé. L’apprentissage du réseau de neurones a été effectué pour chaque patient sur une période de 24h et le test a été effectué sur une autre période de 24h. L’erreur de prédiction sur les 3 patients a été plus faible que 10 mg/dl. [1] Anne Peters Harmel, Ruchi Mathur, Diabetes Mellitus. Diagnosis and Treatment, Saunders – Elsevier Science, 5th edition, Philadelphia, USA, 2004, pp. 109 – 145. [2] Ernest Mazzaferri and collaborators, Year Book of Endocrinology 2007, Elsevier – Mosby, Philadelphia, USA, 2007, pp. 11-30. [3] Zarita Zainuddin, Ong Pauline and Cernal Ardil, A Neural Network Approach in Predicting the Blood Glucose Level for Diabetic Patients International Journal of Computational Intellingence, 5:1, 2009, pp. 72-79. [4] Scott M. Pappada, Brent D. Cameron, Paul M. Rosnan, Development of a Neural Network for Prediction of Glucose Concentration in Type 1 Diabetes Patients, Journal of Diabetes Science and Technology, Vol. 2, N°. 5, September 2008, pp.792-793. [5] B. Wayne Bequette, A critical Assessment and Challengeles in the Development of a ClosedLoop Artificial Pancreas, Diabetes Technology & Therapeutics, Vol. 7, N°. 1, 2005, pp. 28-47. [6] Raed Abu Zitar, Abdulkareem Al-Jabali, Towards Neural Network Model for Insulin/Glucose in Diabetics-II, Informatica 29, 2005, pp. 227-232. Remerciements Ces travaux font partie du projet « The development of automated systems for blood-glucose control at insulin-dependent patients. The implementation of evolved algorithms for computer assisted monitoring and diagnosis » de l’Université de Médecine et Pharmacie de Craiova, soutenu par le Conseil National de Recherche Universitaire.