Nya publikationer
Konstgjord bukspottkörtel 2.0: Vad automatiska insulinleveranssystem inte kan göra ännu – och hur man åtgärdar det
Senast recenserade: 23.08.2025

Allt iLive-innehåll är mediekontrollerat eller faktiskt kontrollerat för att säkerställa så mycket faktuell noggrannhet som möjligt.
Vi har strikta sourcing riktlinjer och endast länk till välrenommerade media webbplatser, akademiska forskningsinstitut och, när det är möjligt, medicinsk peer granskad studier. Observera att siffrorna inom parentes ([1], [2] etc.) är klickbara länkar till dessa studier.
Om du anser att något av vårt innehåll är felaktigt, omodernt eller på annat sätt tveksamt, välj det och tryck på Ctrl + Enter.

Diabetes Technology & Therapeutics publicerade en granskning av en internationell grupp ingenjörer och kliniker om de brister som hindrar automatiserade insulinleveranssystem (AID) från att bli en verkligt "helt sluten slinga". Författarna konstaterar ärligt att nuvarande apparater minskar HbA1c, förbättrar livskvaliteten och hanterar socker säkrare – men de fungerar bäst på natten, och under dagen kräver de att användaren deklarerar måltider och fysisk aktivitet för att undvika hyper- och hypoglykemi. Dessutom är många system ännu inte utformade för gravida kvinnor och äldre. Granskningen visar resultaten av nya algoritmer som automatiskt känner igen mat och motion, och tidiga data om användningen av AID i "komplexa" grupper. Viktig slutsats: nästa utvecklingsrunda är artificiell intelligens och adaptiv kontroll, inklusive för multihormonella konfigurationer (insulin ± glukagon).
Bakgrund till studien
Automatiserade insulinleveranssystem (AID) är en kombination av en kontinuerlig glukosmätare (CGM), en insulinpump och en kontrollalgoritm som justerar insulindosen i realtid. På senare år har "hybridkretsar" avsevärt minskat HbA1c, ökat Time in Range (tid inom intervallet) och minskat nattlig hypoglykemi hos personer med typ 1-diabetes. Men "full autopilot" är ännu inte tillgänglig: under dagen, när glukos ständigt påverkas av mat, stress och rörelse, kräver de flesta system fortfarande manuell kolhydratinmatning och en aktivitetsvarning – annars kan algoritmen inte kompensera för snabba sockertoppar.
Klinisk praxis har visat på andra luckor. Algoritmer fungerar bäst under sömn, när ämnesomsättningen är mer stabil, men postprandiala toppar, träning och bolusfördröjningar är fortfarande akilleshäl. Vissa system är ännu inte utformade för gravida kvinnor (olika glykemiska mål, hög kostnad för fel) och äldre (polymorbiditet, ökad risk för hypoglykemi), där anpassade säkerhetslägen och gränssnitt som minskar kognitiv belastning behövs.
Tekniskt sett är nästa gräns att minska den "mänskliga faktorn". För detta ändamål utvecklas algoritmer för automatisk igenkänning av matintag och fysisk aktivitet baserat på CGM-mönster och bärbara sensorer; multihormonella kretsar (insulin ± glukagon) testas som "försäkring" mot hypoglykemi; adaptiva/AI-modeller implementeras som anpassar sig till användarens individuella rytmer och dagens sammanhang. Parallellt behöver branschen interoperabilitet och cybersäkerhetsstandarder så att systemen uppdateras "tvärs över luften" och data utbyts säkert mellan enheter och kliniker.
Slutligen är det inte bara sockerkontroll som är viktigt, utan även bekvämlighet i livet: mindre ångest och manuella åtgärder, stabil sömn, tillgänglighet till tekniken för personer med olika nivåer av digital kompetens och inkomst. Därför är den "artificiella bukspottkörteln 2.0" inte bara en "snabbare" algoritm, utan ett ekosystem som fungerar lika tillförlitligt dag som natt, kräver ett minimum av insatser och täcker breda patientgrupper.
Varför är detta viktigt?
Automatiserade kretsar är ett av de största genombrotten inom diabetologi under de senaste decennierna, och deras bidrag återspeglas officiellt i moderna standarder för diabeteshantering. Men "fullständig autonomi" är fortfarande ouppnåelig: användaren matar fortfarande in kolhydrater "manuellt", och med en aktiv livsstil är algoritmer ofta sena. Granskningen systematiserar vart man ska röra sig så att AID blir mer tillgängliga och smartare - och för de som är gravida, över 65, idrottar eller helt enkelt inte kan räkna kolhydrater med några timmars mellanrum.
Vad AID kan göra nu – och var framstegen stannar av
Dagens hybrida "pankreas" är utmärkta på att upprätthålla tid inom intervallet (TIR) och minska tid under intervallet (TBR), särskilt under sömn. Men under dagtid uppstår "utmaningar" - mat, stress, träning - svaga punkter:
- Mat-/träningsmeddelanden krävs. Utan dem har kretsen inte tid att "fånga" den postprandiala ökningen eller förhindra hypoglykemi efter aktivitet.
- Begränsad "civil" lämplighet. Ett antal system är inte avsedda för gravida kvinnor och äldre, där målen och riskerna är olika.
- Instabilitet på dagtid. Apparaterna är mest effektiva på natten; glukosnivåerna varierar mer under dagen.
- "Mänsklig faktor" - Kolhydraträkning och manuella steg är tråkiga, vilket gör det svårt att följa instruktionerna - detta betonas av kliniska recensioner och praxis.
Vad författarna till recensionen föreslår
Forskarna pekar ut områden där uppmuntrande resultat har framkommit under senare år – och där insatser behövs:
- Automatisk mat- och aktivitetsidentifiering. Algoritmer som, utan användarinmatning, kan bedöma faktumet och omfattningen av matintag/träning och dosera insulin därefter.
- Multihormonala kretsar. Att lägga till glukagon som en "säkerhetspedal" mot hypoglykemi är en separat gren av utvecklingen.
- Nya målgrupper. Studier på äldre och under graviditet med anpassning av mål och skyddsbarriärer.
- AI och adaptiv styrning: Personliga modeller som "lär sig" av vardagsdata tar bort en del av det manuella arbetet och förenklar åtkomsten till tekniken.
Var man ska leta efter utvecklare och tillsynsmyndigheter
För att få AID till en "full loop" för alla, måste vi utöver algoritmer också lösa "systemiska" problem:
- Interoperabilitet och uppdateringsbarhet. Standarder för datautbyte och säkra fjärruppdateringar av programvara.
- Nyttomått i verkliga livet. Utöver HbA1c - TIR/TBR, vakenhetsbörda, nattsömn, användarkognitiv belastning.
- Tillgång och rättvisa: Förenkla gränssnittet och göra systemen billigare så att AID kan nås av dem som inte använder dem idag.
- Cybersäkerhet och integritet. Särskilt i samband med alltmer smarta och nätverksuppkopplade enheter.
Vad detta innebär för personer med diabetes – nu
Även utan att vara "helt autonoma" ger moderna AID redan fördelar inom socker och säkerhet – detta bekräftas av randomiserade och observationsstudier. Om man använder en kontur idag är det viktigaste "livshacket" högt engagemang (snabb meddelanden om mat/laddningar, sensorladdning/anslutning, korrekt inställning av mål). Och för de som precis funderar på en AID ger granskningen en tydlig vektor: i kommande generationer kommer enheter att kräva färre manuella åtgärder och klara dagen bättre, och inte bara natten.
Var går gränserna och vad händer härnäst?
Detta är en granskning – den ersätter inte kliniska prövningar, men den sätter agendan: intellektualisering av konturer och utvidgning av indikationer. Hemprövningar av system som oberoende doserar kring mat och belastning pågår redan; multihormonella lösningar utvecklas parallellt. Nästa steg är multicenterstudier på äldre, gravida kvinnor, personer med ett "oförutsägbart" schema, samt arbete med tillgänglighet och implementering.
En kort fusklapp: vad förhindrar en "full loop" och vad som kommer att föra den närmare
Det stör:
- behovet av manuell inmatning av kolhydrater och aktivitetsdeklarationer;
- minskad stabilitet under dagen (mat, sport, stress);
- brist på lägen för graviditet och äldre i vissa system.
Ungefärlig:
- automatisk detektering av mat/last och adaptiva algoritmer;
- multihormonella kretsar (insulin ± glukagon);
- enhetliga datastandarder, säkerhet, tillgänglighet.
Slutsats
Granskningen formulerar tydligt målet med "version 2.0" för den artificiella bukspottkörteln: att minska användarens roll till ett minimum, få kretsarna att fungera lika tillförlitligt dag som natt, och ge tillgång till funktionen för dem som för närvarande lämnas utanför – inklusive gravida kvinnor och äldre. Vägen till detta går genom AI-algoritmer, adaptiv kontroll och multihormonella system – och det finns redan första resultat som visar att detta är verkligt. Nu är det upp till kliniska prövningar och ingenjörer att omvandla dessa idéer till pålitliga enheter "för alla och varje dag".
Källa för forskning: Jacobs PG et al. Forskningsluckor, utmaningar och möjligheter inom automatiserade insulinleveranssystem. Diabetes Technology & Therapeutics 27(S3):S60-S71. https://doi.org/10.1089/dia.2025.0129