MELISSA Projekt MobilE artificiaL Intelligence Solution for DiabeteS Adapted care

Für die überwiegende Mehrheit der Menschen mit Typ-1- oder Typ-2-Diabetes, die mit intensivem Insulin behandelt werden, ist es trotz der in den letzten Jahrzehnten erzielten Fortschritte bei der Insulinverabreichung und der Glukoseüberwachungstechnologie nach wie vor schwierig, eine nahezu normale Blutzuckereinstellung zu erreichen. Der tägliche Insulinbedarf von Diabetikern ist dynamisch, da bekannte Faktoren wie die Kohlenhydratzufuhr, körperliche Aktivität, gleichzeitige Gesundheitszustände und verschiedene unbekannte Faktoren wie die Stimmung und die Variabilität der Insulinresorption einen großen Einfluss haben. Während die Auswirkungen einiger der bekannten Faktoren teilweise dadurch gemildert werden können, dass die Patienten ihre tägliche Insulindosierung anpassen, stellen die Auswirkungen anderer (bekannter und unbekannter) Faktoren nach wie vor ein Hindernis für das Erreichen einer optimalen glykämischen Kontrolle und Lebensqualität dar, da sie zu hyper- und hypoglykämischen Exkursionen aufgrund einer "falschen" Insulindosierung führen. Infolgedessen erreichen viele Patienten mit Diabetes die empfohlenen Blutzuckerziele nicht und bleiben einem erhöhten Risiko ausgesetzt, verheerende Spätkomplikationen zu entwickeln. Derzeit beschränken sich Systeme zur Entscheidungshilfe bei der täglichen Insulindosierung für Patienten, die mit mehrfach täglichen Injektionen (MDI) behandelt werden, auf die Deckung des Basalinsulinbedarfs und auf einfache Bolusrechner für die mahlzeitenbezogene Insulinverabreichung, die mit festen Algorithmen arbeiten, die auf der Kohlenhydratzufuhr, Korrekturfaktoren und dem mitgeführten Insulin basieren. Die Verbesserung der Algorithmen durch künstliche Intelligenz (KI) könnte ein beträchtliches Potenzial haben, die tägliche Entscheidungsfindung für viele Menschen mit Diabetes weiter zu qualifizieren, indem die Auswirkungen von Faktoren, die der Patient nicht beeinflussen kann, auf den Insulinbedarf kompensiert werden. Vorläufige Arbeiten auf der Grundlage von In-silico-Simulationen (präklinische Validierung) haben gezeigt, dass der KI-gestützte adaptive Basal-Bolus-Algorithmus der MELISSA-Plattform die glykämischen Ergebnisse von Menschen mit bereits einigermaßen gut eingestelltem Typ-1-Diabetes erheblich verbessert.

Das vorgeschlagene MELISSA-Projekt umfasst eine groß angelegte randomisierte kontrollierte klinische Studie, die in mehreren europäischen Ländern durchgeführt wird. Das primäre Ziel der MELISSA-Studie ist der Nachweis der Überlegenheit der glykämischen Kontrolle im Vergleich zur Standardversorgung ohne KI-gestützte Entscheidungsfindung, wobei der primäre Endpunkt die Verbesserung der Zeit im Bereich und eine Reihe von klinisch relevanten sekundären Endpunkten ist.

Achieving near-normal glycaemic control remains to be challenging for the vast majority of people with type 1 or type 2 diabetes on intensive insulin treatment, despite advances in insulin delivery and glucose monitoring technology over the past decades. Daily insulin requirements of people with diabetes are dynamic due to major influence of known factors such as carbohydrate intake, physical activity, concurrent health conditions and various unknown factors including mood and variability in insulin absorption. While the effect of some of the known factors can partly be mitigated by the patients adjusting their daily insulin dosing, the effect of other (known and unknown) factors remain an obstacle to achievement of optimal glycaemic control and quality of life due to hyper- and hypoglycaemic excursions resulting from ‘erroneous’ insulin dosing. Consequently, many patients with diabetes do not reach recommended glycaemic targets and remain at increased risk of developing devastating late-diabetic complications. At present, systems for decision support with regards to daily insulin dosing for patients treated with Multiple Daily Injections (MDI) are limited to the coverage of basal insulin requirements and to simple bolus calculators of meal-related insulin administration working with fixed algorithms based on carbohydrate intake, correction factors and insulin on board. Enhancement of algorithms by Artificial Intelligence (AI) may have a considerable potential to further qualify daily decision-making for many people with diabetes by compensating for the effect of factors, which are not manageable to the patient, affecting the insulin need. Preliminary work based on in-silico simulations (preclinical validation) has shown that the AI-powered adaptive basal bolus algorithm in the MELISSA platform considerably improved glycaemic outcomes of people with already reasonably-well controlled type 1 diabetes.

The proposed MELISSA project entails a large-scale randomised controlled clinical trial conducted in several European countries. The primary objective of the MELISSA study is to demonstrate superiority of glycaemic control as compared to the standard(s) of care not using AI-powered decision making with the primary endpoint being improvement of time-in-range and a range of clinically relevant secondary endpoints.