人工胰腺是一种用于自动向患有胰岛素依赖型糖尿病的人输送胰岛素的系统，包括葡萄糖监测，胰岛素泵和决策中心（例如AIAPS应用程序）。
AIAPS是一种应用程序-IPG的控制中心，其目的是调节血糖并将其保持在目标范围内。为了实现这些目标，该系统使用线性逻辑和神经网络来建立血糖预测。
在开发应用程序时，项目团队特别强调使用系统的安全性。
本文专门讨论的AIAPS功能是碳水化合物吸收的自适应（也称为动态）模型。
初始点
让我们从一个事实开始：九个月前，根据不同类型碳水化合物的分解时间，将一种碳水化合物作用模型引入了AIAPS中，即：
类型1-持续时间为60分钟且峰值为25分钟的碳水化合物，
其中包括可口可乐，棒棒糖，糖等等
类型2-持续时间为120分钟且峰值为40分钟的碳水化合物
。例如，它可以是糖果或白面包。
第3类-持续时间为180分钟，峰值为60分钟的碳水化合物。
这是一种复杂的食物，例如肉类与荞麦。
4类-持续时间为240分钟，峰值为70分钟的碳水化合物，
脂肪和蛋白质食品大量摄入。
我们对这种模式进行了6个月的测试，并不断注意其持续时间，但很快遇到了以下挑战（除了使记录碳水化合物更加困难之外）。
首先，例如，我复杂的午餐中含有荞麦和肉，其中包含100多种碳水化合物（对您而言是大量的碳水化合物），我们注意到在这种情况下，指出180分钟的碳水化合物持续时间是不正确的。在这180分钟之后，葡萄糖的增加将继续，并且显然-碳水化合物是这种增加的触发因素。
其次，饭后一段时间后，血糖开始急剧下降（尽管根据模型，船上仍然有足够的碳水化合物），这表明碳水化合物已经被人体吸收
我们还注意到，进餐后碳水化合物吸收在不同的时间间隔开始，相对于模型，这可能导致更长的碳水化合物吸收时间。
第三，我们计算出，尽管碳水化合物很复杂，但从您开始服用碳水化合物的那一刻起，它们的峰值大约为25-30分钟。这一点不合适，复杂性写在顶部，这只是我们的假设。
此外，我们发现有些餐点中不包含一个峰，而是几个峰，或者可能具有波分解而不是线性分解的作用。
所有这些导致了修改先前提出的模型的想法，尽管如此，该模型还是取得了很好的结果。
新解决方案
我们决定进行一些研究，并看到碳水化合物降解的真实模型。
为此，我们已经实现了自适应碳水化合物同化模型或自适应碳水化合物模型（MAU）。
在下面，您可以看到一个自适应分区反射的第一个渲染示例。
图1：显示碳水化合物分解的程序截图，
请注意标准模型（紫色，每分钟读取1次）和消化的碳水化合物（绿色，每5分钟读取1次）之间的差异。该模型是不同的，它是碳水化合物实际上如何工作的一个很好的例子。
我们还得出结论，碳水化合物的寿命比我们想象的更长。
这将帮助我们绘制这样的碳水化合物模型，该模型可以实际使用并正确地计算系数。
计算如何完成
第一阶段是根据当前的比率，船上的胰岛素和碳水化合物来预测葡萄糖，
第二阶段是获取葡萄糖值。
接下来，我们计算预测值与实际值之间的差异并获得UIA增量。
收到UIA增量后，我们将其添加：
- 碳水化合物
- 他们缺席
- 要活动。
收到值并得出结论后，您可以根据获得的数据开始调整葡萄糖。
根据接收到的数据进行的调整将在以下变型中进行。
- 碳水化合物的作用已经开始，允许供应分配给碳水化合物分解的胰岛素。
- 碳水化合物的作用不能按时开始，在这种情况下，它们的作用可以延长1.5小时。
- 动作开始了，但没有达到预期的量，在这种情况下，实际上将根据碳水化合物的下沉量来提供剩余的胰岛素。
发展目标是什么
自适应碳水化合物模型旨在减轻用户的繁琐任务，例如：
- 准确计算碳水化合物
- 蛋白质计数
- 数小吃
还有一种更安全地注射胰岛素的方法。
技术细节
现在可以在具有Android OS（版本高于6.0）的设备上安装和使用人造胰腺AIAPS，并且很快将在IOS平台上实现。碳水化合物分解的虚拟化正在测试中，并作为单独的程序安装在Windows上。该系统已经过用户在三星，小米设备上的测试，但是我们认为在其他设备上工作没有障碍。
我们将很快从自适应碳水化合物同化模型中获得第一个结果，并将新功能添加到AIAPS中。
订阅我们的电报聊天和instagram并参与应用程序的开发：
t.me/aiaps
instagram.com/diabet_type_1