Gestützte Entscheidungsunterstützung: Reinforcement Learning verbessert Diabetes‑Kontrolle

Die Behandlung von Typ‑1‑Diabetes erfordert eine ständige Anpassung von Insulin und Lebensstil, um den Blutzucker im sicheren Bereich zu halten. Trotz Fortschritten bei automatisierten Insulin‑Lieferungen (AID) erreichen viele Patienten weiterhin nicht die empfohlenen klinischen Ziele. Um dieses Problem anzugehen, wurde das neue Framework GUIDE entwickelt, das Reinforcement Learning (RL) nutzt, um neben der Insulinverabreichung auch Verhaltensempfehlungen zu geben.

GUIDE generiert strukturierte Aktionen, die den Typ der Intervention, die Größe und den Zeitpunkt umfassen – von Bolus‑Insulin bis hin zu Kohlenhydrateinnahme. Das System integriert einen patientenspezifischen Glukosevorhersager, der auf realen kontinuierlichen Glukosemessdaten trainiert wurde, und unterstützt sowohl offline als auch online RL‑Algorithmen in einer einheitlichen Umgebung.

In einer Evaluation mit 25 Personen mit Typ‑1‑Diabetes wurden verschiedene RL‑Methoden getestet. Der CQL‑BC‑Algorithmus erzielte dabei die höchste durchschnittliche Zeit im Zielbereich (85,49 %) und zeigte gleichzeitig niedrige Hypoglykämie‑Expositionen. Eine Analyse der Verhaltensähnlichkeit bestätigte, dass die erlernte CQL‑BC‑Politik die wesentlichen strukturellen Merkmale des individuellen Patientenverhaltens beibehält.

GUIDE demonstriert damit, wie KI‑gestützte Entscheidungsunterstützung die Blutzuckerkontrolle bei Typ‑1‑Diabetes nachhaltig verbessern kann, indem sie sowohl medizinische als auch verhaltensbezogene Empfehlungen in Echtzeit liefert.