考虑内源性葡萄糖生产率的自适应闭环控制方法

技术领域

本公开大体涉及医疗机械领域，具体涉及一种考虑内源性葡萄糖生产率的自适应闭环控制方法。

背景技术

糖尿病是一种以高血糖为特征的代谢性疾病，对于糖尿病患者，由于胰岛素分泌缺陷和/或其生物作用受损，具有高血糖、血糖不稳定以及消化不良等症状。在这种情况下，会对各种组织(特别是眼、肾、心脏、血管、神经)造成慢性损害。在一些情况下，糖尿病患者会通过摄入药物进行治疗以缓解症状。例如，I型糖尿病患者会通过注射胰岛素以避免血糖过高，部分I型糖尿病患者也会使用胰岛素泵辅助治疗，然而，由于血糖的升高或下降与多种因数相关，血糖的变化难以精确控制，对于注入胰岛素的治疗方法，容易出现注入量不足而导致持续高血糖或注入量过多而导致低血糖的情况，从而危害到糖尿病患者的健康。在摄入药物时，为了降低因药物的摄入量过多或过低而导致的不良反应，会利用闭环算法对药物的摄入量进行调控。

现有的闭环算法中，主要考虑药物和碳水摄入量对血糖的影响，由于内源性葡萄糖生产率难以直接计算，并且相对于碳水摄入量，内源性葡萄糖生产率对血糖的影响较为缓慢，因此现有的闭环算法容易忽略内源性葡萄糖生产率(EGP，endogenous glucoseproduction)对血糖的影响，在计算药物的摄入量时，会按照安全血糖浓度对药物的摄入量的上限(也可以称为药物的安全剂量)进行计算，若忽略内源性葡萄糖的生产，也即忽略内源性葡萄糖所引起的血糖上升，将会导致所计算得到的安全剂量较低(也即用药方案相对保守)，这样的药物摄入量难以有效地降低血糖。

发明内容

本公开有鉴于上述现有技术的状况而完成，其目的在于提供一种考虑内源性葡萄糖生产率，由此能够进一步提高计算得到的安全剂量的准确性，进而能够提高葡萄糖浓度的控制效果的考虑内源性葡萄糖生产率的自适应闭环控制方法。

为此，本公开提出一种考虑内源性葡萄糖生产率的自适应闭环控制方法，是利用闭环算法计算化学物质的目标剂量以对目标的葡萄糖浓度进行控制的控制方法，所述闭环算法包括：获取预设参数，所述预设参数包括内源性葡萄糖生产率，获取所述目标的葡萄糖浓度和所述化学物质的活性余量参数，基于所述葡萄糖浓度和所述活性余量参数计算所述化学物质的敏感系数，所述敏感系数用于表征所述化学物质对所述葡萄糖浓度的影响程度，基于所述葡萄糖浓度和所述活性余量参数计算所述葡萄糖浓度的增速系数，所述增速系数用于表征所述化学物质以外的因素对所述葡萄糖浓度的影响程度，基于所述预设参数、所述葡萄糖浓度、所述活性余量参数、所述敏感系数和所述增速系数计算所述化学物质的安全剂量和基础剂量，基于所述安全剂量和基础剂量计算所述化学物质的目标剂量；所述自适应闭环控制方法包括第一控制阶段和第二控制阶段，在所述第一控制阶段中，利用所述闭环算法计算所述化学物质的目标剂量并对所述目标的葡萄糖浓度进行控制，在所述第二控制阶段中，获取所述目标在所述第一控制阶段的葡萄糖浓度为第一葡萄糖浓度数据，获取所述第一葡萄糖浓度数据中低于第一葡萄糖浓度阈值的葡萄糖浓度为第二葡萄糖浓度数据，基于所述第二葡萄糖浓度数据对应的时间区间中的所述增速系数计算内源性葡萄糖生产率，利用所述闭环算法计算所述化学物质的目标剂量并对所述目标的葡萄糖浓度进行控制。由此，能够利用第一控制阶段中的低血糖数据确定内源性葡萄糖生产率，从而能够获得可信度更高的内源性葡萄糖生产率，在后续第二控制阶段中，能够再基于内源性葡萄糖生产率对安全剂量进行计算，相对于不考虑内源性葡萄糖生产率的方法，考虑能够内源性葡萄糖生产率获得的安全剂量高，由此提高了化学物质的剂量上限，能够提高葡萄糖浓度的控制效果。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，所述预设参数包括所述目标的生理信息、所述化学物质的种类、控制步长、所述葡萄糖浓度的单位、所述葡萄糖浓度的安全阈值、以及所述化学物质的输注精度。在这种情况下，能够在根据预设参数预先对参数进行适应性的调整，提高控制的精度。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，通过输注的方式令输注剂量的所述化学物质进入所述目标，所述输注剂量与所述目标剂量和所述输注精度相关。在这种情况下，能够将计算得到的目标剂量与实际设备的输注精度相配合，得到能够在精度范围内输注至目标的输注剂量。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，在所述第二控制阶段中，获取所述目标在所述第二控制阶段中的预设时间段的葡萄糖浓度为第三葡萄糖浓度数据，获取所述第三葡萄糖浓度数据中低于所述第二葡萄糖浓度阈值的葡萄糖浓度为第四葡萄糖浓度数据，基于所述第三葡萄糖浓度数据与所述第四葡萄糖浓度数据的比例判断是否更新所述预设时间段之后的所述内源性葡萄糖生产率。在这种情况下，能够在第二控制阶段中判断是否需要更新内源性葡萄糖生产率，从而确定目前使用的内源性葡萄糖生产率与实际的内源性葡萄糖生产率的之间的区别所造成的影响。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，所述预设时间段的长度为1天至3天。在这种情况下，能够自定义第一控制阶段的持续时间，由此能够基于不同的情况确定需要的数据量。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，更新所述内源性葡萄糖生产率时，基于所述第四葡萄糖浓度数据对应的时间区间中的所述增速系数计算内源性葡萄糖生产率。在这种情况下，由于血糖较低的时间段中，所述化学物质以外的因素对所述葡萄糖浓度主要来自于内源性葡萄糖生产率，由此能够便捷地获得内源性葡萄糖生产率。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，在第二控制阶段中，所述第二葡萄糖浓度阈值通过用户输入的方式获得。在这种情况下，能够针对目标的具体情况做适应性修改。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，所述第一控制阶段的持续时间为1天至3天。在这种情况下，能够自定义第一控制阶段的持续时间，由此能够基于不同的情况确定需要的数据量。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，通过连续血糖监测装置或血糖仪采集所述葡萄糖浓度。在这种情况下，能够利用不同的方式获取葡萄糖浓度。

另外，在本公开的实施方式所涉及的自适应闭环控制方法中，可选地，获取所述目标在多个时间节点的所述葡萄糖浓度和所述化学物质的活性余量参数，所述多个时间节点包括目标节点和其他节点，基于所述其他节点的所述活性余量参数获得所述目标节点的所述活性余量参数。在这种情况下，由于在短时间内活性余量参数、增速系数、或敏感系数等参数不会发生太大的变化，在计算一个时间节点的活性余量参数、增速系数、或敏感系数等参数时，利用多个时间节点的参数能够提高计算的准确性。

根据本公开，能够提供一种能够进一步提高计算得到的安全剂量的准确性，进而能够提高葡萄糖浓度的控制效果的考虑内源性葡萄糖生产率的自适应闭环控制方法。

附图说明

现在将仅通过参考附图的例子进一步详细地解释本公开，其中：

图1是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法的应用场景示意图。

图2是示出了本公开的实施方式所涉及的二房室动力学模型的示意图。

图3是示出了本公开的实施方式所涉及的基于线性模型的闭环算法的流程示意图。

图4是示出了本公开的实施方式所涉及的获取目标的葡萄糖浓度的应用场景示意图。

图5是示出了本公开的实施方式所涉及的葡萄糖浓度的曲线图。

图6是示出了本公开的实施方式所涉及的自适应闭环控制系统的结构框图。

图7是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制系统中的流程图。

图8是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制系统中的流程图。

图9是示出了本公开的实施方式所涉及的内源性葡萄糖生产率的计算方法的流程示意图。

图10是示出了本公开的实施方式所涉及的判断是否需要更新内源性葡萄糖生产率的流程示意图。

图11A是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于成人的仿真示意图。

图11B是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于青少年的仿真示意图。

图11C是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于儿童的仿真示意图。

图12A是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于成人的仿真示意图。

图12B是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于青少年的仿真示意图。

图12C是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于儿童的仿真示意图。

具体实施方式

以下，参考附图，详细地说明本公开的优选实施方式。在下面的说明中，对于相同的部件赋予相同的符号，省略重复的说明。另外，附图只是示意性的图，部件相互之间的尺寸的比例或者部件的形状等可以与实际的不同。

需要说明的是，本公开中的术语“包括”和“具有”以及它们的任何变形，例如所包括或所具有的一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可以包括或具有没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本公开的实施方式涉及一种闭环算法，利用增速系数表示表征化学物质以外的因素对葡萄糖浓度的影响程度，同时对敏感系数和增速系数进行自适应调整。在这种情况下，能够对与葡萄糖浓度相关的生理参数进行自适应调整，并减少输入的参数。

本公开的实施方式涉及一种内源性葡萄糖生产率的计算方法，先利用闭环算法计算化学物质的目标剂量并对目标的葡萄糖浓度进行控制，获取目标在第一控制阶段的葡萄糖浓度为第一葡萄糖浓度数据，获取第一葡萄糖浓度数据中低于第一葡萄糖浓度阈值的葡萄糖浓度为第二葡萄糖浓度数据，基于第二葡萄糖浓度数据对应的时间区间中的增速系数计算内源性葡萄糖生产率。在这种情况下，由于当目标摄入碳水后，目标的葡萄糖浓度主要受化学物质和碳水摄入量的影响，难以直接获取内源性葡萄糖生产率，而目标处于低血糖状态时，目标一般未摄取碳水化合物或距离上一次摄入碳水化合物经过了较长的时间，此时目标的葡萄糖浓度主要受化学物质和内源性葡萄糖生产率的影响。同时，利用本公开的闭环算法能够计算出用于表征化学物质以外的因素对葡萄糖浓度的影响程度的增速系数，在低血糖的情况下，能够利用增速系数表示内源性葡萄糖生产率。

本公开的实施方式涉及一种考虑内源性葡萄糖生产率的自适应闭环控制方法，包括第一控制阶段和第二控制阶段，在第一控制阶段中，利用闭环算法计算化学物质的目标剂量并对目标的葡萄糖浓度进行控制，在第二控制阶段中，获取目标在第一控制阶段的葡萄糖浓度为第一葡萄糖浓度数据，获取第一葡萄糖浓度数据中低于第一葡萄糖浓度阈值的葡萄糖浓度为第二葡萄糖浓度数据，基于第二葡萄糖浓度数据对应的时间区间中的增速系数计算内源性葡萄糖生产率，利用闭环算法计算化学物质的目标剂量并对目标的葡萄糖浓度进行控制。由此，能够利用第一控制阶段中的低血糖数据确定内源性葡萄糖生产率，再基于内源性葡萄糖生产率计算安全剂量，能够对化学物质的剂量上限进行调整，减少由于化学物质的剂量上限较低导致的用药方案相对保守，难以有效地降低血糖的问题，从而能够提高葡萄糖浓度的控制效果。

本公开的实施方式涉及一种考虑内源性葡萄糖生产率的自适应闭环控制系统，利用本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法对目标的葡萄糖浓度进行控制。在这种情况下，能够对与葡萄糖浓度相关的生理参数进行自适应调整，提高目标的葡萄糖浓度的稳定性，并减少输入的参数。由此，能够利用第一控制阶段中的低血糖数据确定内源性葡萄糖生产率，从而能够获得可信度更高的内源性葡萄糖生产率，在后续第二控制阶段中，能够再基于内源性葡萄糖生产率对安全剂量进行计算，相对于不考虑内源性葡萄糖生产率的方法，考虑能够内源性葡萄糖生产率获得的安全剂量高，由此提高了化学物质的剂量上限，能够提高葡萄糖浓度的控制效果。

图1是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法的应用场景示意图。

在一些示例中，参见图1，考虑内源性葡萄糖生产率的自适应闭环控制方法可以是利用闭环算法计算化学物质的目标剂量以对目标的葡萄糖浓度进行控制的控制方法。在一些示例中，本问所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法可以称为控制方法或自适应闭环控制方法。

在一些示例中，可以基于闭环算法获得化学物质的输注剂量，并将化学物质通过输注设备20输注至目标2。但本公开不限于此，化学物质也可以通过多种途径进入目标2。例如，根据化学物质的成分，化学物质也可以通过口服、舌下给药、直肠给药、皮肤黏膜给药、吸入给药、注射给药等方式进入目标2。优选地，化学物质可以通过输注设备20输注至目标2，在这种情况下，能够快速地将化学物质输送至目标2，并加快化学物质的生效时间。

在一些示例中，输注设备20可以是固定于目标2的输注设备20，并基于闭环算法获取的化学物质的输注剂量自动输注。在一些示例中，输注设备20也可以是针管，目标2或其他人员可以基于闭环算法获取的化学物质的输注剂量手动地将化学物质输注至目标2。优选地，输注设备20可以是胰岛素泵(或人工胰腺)，在这种情况下，能够便捷地输送化学物质(例如胰岛素)，同时能够联合连续血糖监测装置10a(CGM)和处理装置30组成闭环式胰岛素泵系统。

在一些示例中，目标2可以是动物，例如，目标2可以是人、猩猩或老鼠等动物。在一些示例中，目标2可以是患有内分泌疾病的患者，例如目标2可以分泌腺(肾上腺、甲状腺、胰腺或垂体等内分泌腺)存在缺陷的患者。在这种情况下，由于患有内分泌疾病的患者可能会存在内分泌腺或内分泌组织本身的分泌功能和(或)结构异常的情况，导致体内的用于调节的化学物质失衡，进而导致葡萄糖浓度失衡，利用本公开的实施方式所涉及的闭环算法可以控制化学物质，进而能够将葡萄糖浓度控制在合适的范围中。

在一些示例中，目标2可以是患有糖尿病、垂体功能减退症、甲状腺疾病、或肥胖症的患者。优选地，目标2可以是患有糖尿病的患者，特别是I型糖尿病(胰岛素依赖型糖尿病)患者。在这种情况下，由于I型糖尿病患者难以形成胰岛素，容易导致高血糖或较大的血糖波动，利用本公开的实施方式所涉及的闭环算法能够有效地稳定血糖。

在一些示例中，化学物质可以是人和动物的内分泌器官或组织直接分泌到血液中的对身体有特殊效应的物质，例如化学物质可以是激素(包括：化学物质可以是垂体激素、胰岛素、胰高血糖素、降钙素、甲状旁腺激素等)，优选地，化学物质可以为胰岛素。

在一些示例中，化学物质可以是人工合成的激素。在一些示例中，化学物质可以是对血糖有调节作用的化学物质。

在一些示例中，葡萄糖浓度可以是指目标2的血糖浓度或组织间液的葡萄糖浓度。

以下，为了更好地描述闭环算法，以目标2为糖尿病患者、化学物质为胰岛素且葡萄糖浓度为血糖浓度为例，对本公开的实施方式所涉及的闭环算法进行说明。但是，需要说明的是，本公开的实施方式所涉及的闭环算法不限于此，本公开的实施方式所涉及的闭环算法也同样适用于其他利用化学物质对目标2的葡萄糖浓度进行控制的情况。

图2是示出了本公开的实施方式所涉及的二房室动力学模型的示意图。

在一些示例中，闭环算法可以以血糖动力学模型为基础。在一些示例中，血糖动力学模型可以表示为：

其中，ΔG(k+1)表示在第k+1个时间节点的葡萄糖浓度的变化(也即血糖浓度的变化)，G(k+1)表示第k+1个时间节点的葡萄糖浓度(也即血糖浓度)，

在一些示例中，血糖动力学模型为线性模型，因此闭环算法也可以称为基于线性模型的闭环算法。在这种情况下，由于线性模型能够便捷地体现血糖动力学模型在相邻时间节点(短时间间隔)的规律，由此能够减少计算成本，提高计算速度，进而能够提高闭环算法的及时性。

在一些示例中，可以利用二房室动力学模型立目标2内的胰岛素的代谢模型。在一些示例中，参见图2，二房室动力学模型可以包括中央室r1和外周室r2。其中，中央室r1的胰岛素可以为通过静脉输注并进入至房室的胰岛素，外周室r2的胰岛素可以为从房室扩散至血管中的胰岛素，也可以称为活性胰岛素。

在一些示例中，二房室动力学模型可以表示为，

其中，t可以表示时间，I

在一些示例中，基于二房室动力学模型，代谢模型可以表示为：

I

K

其中，k可以表示第k个时间节点，△t可以表示相邻两个时间节点的时间间隔，△t也可以称为控制步长，K

在一些示例中，K

在一些示例中，如上所述，可以基于血糖动力学模型和代谢模型建立闭环算法。

图3是示出了本公开的实施方式所涉及的基于线性模型的闭环算法的流程示意图。

在一些示例中，参见图3，闭环算法可以包括：获取预设参数(步骤S101)，获取目标2的葡萄糖浓度和化学物质的活性余量参数(步骤S103)，基于葡萄糖浓度和活性余量参数计算化学物质的敏感系数(步骤S105)，基于葡萄糖浓度和活性余量参数计算葡萄糖浓度的增速系数(步骤S107)，基于预设参数、葡萄糖浓度、活性余量参数、敏感系数和增速系数计算化学物质的安全剂量和基础剂量(步骤S109)，基于安全剂量和基础剂量计算化学物质的目标剂量(步骤S111)。

在这种情况下，能够对敏感系数和增速系数进行自适应调整，提高了控制精度，同时，由于增速系数可以用于表征化学物质以外的因素对葡萄糖浓度的影响程度，且增速系数通过葡萄糖浓度和活性余量参数计算获得，由此能够减少输入的参数(例如目标2摄入的碳水量)，进而降低了闭环算法的使用门槛。

在一些示例中，如上所述，在步骤S101中，可以获取预设参数。

在一些示例中，预设参数可以包括目标2的生理信息、化学物质的种类、控制步长、葡萄糖浓度的单位、葡萄糖浓度的安全阈值、以及化学物质的输注精度中的至少一个。在这种情况下，能够在根据预设参数预先对参数进行适应性的调整，提高控制的精度。

在一些示例中，预设参数可以包括目标2的生理信息。在一些示例中，生理信息可以包括性别、年龄、体重、病程等易于获取的医疗信息。在一些示例中，生理信息也可以包括家族史和用药史。在这种情况下，由于在不同的目标2中，化学物质的敏感系数与目标2的个人的生理信息相关性较大，通过获取生理信息能够对敏感系数的初始值进行估计。

在一些示例中，预设参数可以包括化学物质的种类，例如预设参数可以包括胰岛素的种类。在这种情况下，由于不同种类的化学物质在血液中到达峰值的时间不同，因此能够基于化学物质的种类设置化学物质在血液中到达峰值的时间。

在一些示例中，预设参数可以包括控制步长，控制步长可以是相邻两个时间节点的间隔。在这种情况下，输入控制步长能够调整时间节点间隔，从而能够针对不同的目标2选择不同的控制步长。例如，若目标2的葡萄糖浓度的波动较为平稳，控制步长可以选择较大的控制步长，若目标2的葡萄糖浓度的波动较为剧烈，控制步长可以选择较短的控制步长。在一些示例中，也可以基于其他原因选择合适的控制步长。

在一些示例中，预设参数可以包括葡萄糖浓度的单位，例如，在葡萄糖浓度为血糖浓度的情况下，葡萄糖浓度可以为毫摩尔每升(mmol/l)或毫克每分升(mg/dl)。在这种情况下，由于使用习惯不同，不同地区的人可能会使用不同的单位，由此输入葡萄糖浓度的单位能够方便不同人群的使用习惯，减少换算难度，从而能够提高闭环算法的泛用性。

在一些示例中，预设参数可以包括葡萄糖浓度的安全阈值。在这种情况下，在后续获取化学物质的输注剂量时，能够基于安全阈值将获得合适的化学物质的输注剂量，从而能够将葡萄糖浓度控制在安全范围内。

在一些示例中，预设参数可以包括化学物质的输注精度。在这种情况下，由于不同的输注设备20可能具有不同的输注精度，相同的输注设备20也可以设置不同的输注精度，而实际输注至目标2的化学物质的剂量与输注设备20的输注精度相关，可能与通过闭环算法计算的目标剂量不是完全相同，通过获取化学物质的输注精度，能够确定实际输注至目标2的化学物质的精度，进而能够更好地确定实际输注至目标2的化学物质的剂量，进而便于闭环算法的计算。

在一些示例中，预设参数可以包括内源性葡萄糖生产率(endogenous glucoseproduction,EGP)，在这种情况下，由于内源性葡萄糖生产率会导致血糖增加，因此考虑内源性葡萄糖生产率能够提高化学物质的安全剂量，从而能够有效提高化学物质的剂量上限，在控制血糖时能够使用更大剂量的化学物质，由此能够提高对血糖的控制效果。

在一些示例中，内源性葡萄糖生产率可以通过不同的方式获取，例如，可以基于预设的化学物质的基础输注率和化学物质的敏感系数获得内源性葡萄糖生产率，具体而言，可以通过预设的基础输注率和化学物质的敏感系数的乘积作为内源性葡萄糖生产率。在这种情况下，由于预设的基础输注率和化学物质的敏感系数的乘积与内源性葡萄糖生产率大致相同，因此能够通过便捷的方式获得内源性葡萄糖生产率。在一些示例中，计算内源性葡萄糖生产率时，基础输注率可以为目标2的体重*50％/2/24/60，化学物质的敏感系数可以通过500法则、1500法则或1800规则等方式获得。

在一些示例中，内源性葡萄糖生产率也可以通过本公开所涉及的内源性葡萄糖生产率的计算方法获得。在一些示例中，基于预设的化学物质的基础输注率和化学物质的敏感系数获得的内源性葡萄糖生产率可以用于第一控制阶段，基于内源性葡萄糖生产率的计算方法获得的内源性葡萄糖生产率可以用于第二控制阶段(后续描述)。

在一些示例中，预设参数通过数据导入或人工输入的方式获得。例如，预设参数中的一部分可以通过数据导入获得，预设参数中的一部分可以通过人工输入获得。在这种情况下，通过数据导入的方式预设参数能够便捷地获得预设参数，进一步降低使用门槛，通过人工输入的方式预设参数能够便于修改预设参数。

在一些示例中，预设参数的一部分可以由医护人员输入。在这种情况下，医护人员能够基于专业知识和经验设定预设参数。在一些示例中，预设参数也可以由目标2输入。在这种情况下，目标2能够基于个人的情况适应性地调整预设参数。

在一些示例中，预设参数的一部分可以通过输注设备20的内部参数获得，例如可以通过调用输注设备20的内部参数获得，也可以通过设备的技术规范书或使用说明书获得。

图4是示出了本公开的实施方式所涉及的获取目标2的葡萄糖浓度的应用场景示意图。图5是示出了本公开的实施方式所涉及的葡萄糖浓度的曲线图。

在一些示例中，步骤S103可以为获取目标2的葡萄糖浓度和化学物质的活性余量参数。在这种情况下，能够确定化学物质的活性余量参数，由于目标2体内可能存在依然保持活性的化学物质，在使用闭环算法获取目标剂量时，将化学物质的活性余量参数加入考虑能够减少因为目标剂量过大导致葡萄糖浓度超出安全范围(例如血糖浓度低于安全阈值)。

在一些示例中，化学物质的活性余量参数可以按照以下的方式来理解，活性余量参数为在目标2中保持活性的化学物质的量(或浓度)，或依然能够生效并对葡萄糖浓度进行调整的化学物质的量(或浓度)。

在一些示例中，参见图4，可以通过连续血糖监测装置10a(Continuous GlucoseMonitoring，CGM)或血糖仪10b获得葡萄糖浓度，换言之，获取设备10可以为连续血糖监测装置10a或血糖仪10b。在这种情况下，能够利用不同的方式获取葡萄糖浓度。

在一些示例中，可以利用连续血糖监测装置10a连续地获取葡萄糖浓度。在这种情况下，利用连续血糖监测装置10a能够提高获取葡萄糖浓度的便捷性，同时有利于处理装置30对大量的葡萄糖浓度进行处理。在一些示例中，连续血糖监测装置10a可以设置于手臂、腹部或大腿等位置。

在一些示例中，也可以通过采血针采集目标2的血液(例如从指尖、手掌、或手臂等部位采集血液)，并利用血糖仪10b测量指血中的葡萄糖浓度。优选地，可以采集目标2的指尖的血液(指血)。在这种情况下，由于指尖有高密集的毛细血管网络，能迅速反映体内血糖浓度的变化，从而能够便于血糖浓度的控制。

在一些示例中，参见图5，可以获取目标2在多个时间节点的葡萄糖浓度和化学物质的活性余量参数，多个时间节点可以为连续的时间节点。在一些示例中，多个时间节点包括目标节点和其他节点，基于其他节点的活性余量参数获得目标节点的活性余量参数。在这种情况下，由于在短时间内活性余量参数、增速系数、或敏感系数等参数不会发生太大的变化。在计算一个时间节点的活性余量参数、增速系数、或敏感系数等参数时，利用多个时间节点的参数能够提高计算的准确性。

在一些示例中，参见图5，其他节点可以是目标节点之前的节点。例如，目标节点可以为第k+1个时间节点，其他节点可以为第k个时间节点和第k-1个时间节点。需要说明的是，同一个时间节点可以既是目标节点，也可以是其他节点。具体而言，令一个时间节点对应一个控制步骤，在一个控制步骤中，第5个时间节点可以是目标节点，第4个时间节点和第3个时间节点可以是其他节点。在下一个控制步骤中，第6个时间节点可以是目标节点，第5个时间节点和第4个时间节点可以是其他节点。

在一些示例中，在一个控制步骤中，时间节点可以包括不少于2个其他节点和1个目标节点，优选地，在一个控制步骤中，时间节点可以包括2个其他节点和1个目标节点。在这种情况下，较多数量的其他节点能够体现呈现复杂的算法模型，较多数量的其他节点能够降低算法的复杂性，减少计算成本。

在一些示例中，活性余量参数可以满足上文所述的代谢模型：

I

在这种情况下，能够基于其他节点的胰岛素的输注剂量、活性胰岛素获得目标节点的活性胰岛素。

在一些示例中，步骤S105可以为基于葡萄糖浓度和活性余量参数计算化学物质的敏感系数。

在一些示例中，敏感系数可以用于表征化学物质对葡萄糖浓度的影响程度，在化学物质为胰岛素的情况下，敏感系数也可以称为胰岛素敏感系数。在一些示例中，敏感系数为负数，敏感系数越小，化学物质对葡萄糖浓度的影响程度越大；敏感系数越大(越接近0)，化学物质对葡萄糖浓度的影响程度越小。换言之，敏感系数的绝对值越大，化学物质对葡萄糖浓度的影响程度越大；敏感系数的绝对值越小，化学物质对葡萄糖浓度的影响程度越小。

在一些示例中，敏感系数可以通过公式迭代获得。在这种情况下，能够利用公式迭代获得各个时间节点的敏感系数，从而获得自适应调整的敏感系数，进而能够提高控制的精度。

在一些示例中，敏感系数的初始值可以主动输入或由处理装置30基于预设参数计算获得。在一些示例中，敏感系数的初始值可以通过500法则、1500法则或1800规则等方式获得。在这种情况下，能够便捷地获得敏感系数的初始值，进而能够利用公式迭代获得各个时间节点的敏感系数。

在一些示例中，敏感系数的计算公式可以通过损失函数获得。具体而言，可以通过最小化损失函数的方式获得位于目标节点的敏感系数，损失函数包括误差项和正则项，误差项用于表征通过测量获取的葡萄糖浓度与通过计算获取的葡萄糖浓度的差异，正则项用于表征相邻的时间节点的敏感系数的差异程度。在这种情况下，能够利用误差项提高各个时间节点的敏感系数的准确性，同时，由于正常情况下短时间内的敏感系数不会发生太大的变化，通过正则项也能够提高敏感系数的稳定性和准确性。

在一些示例中，可以基于其他节点的敏感系数、其他节点的葡萄糖浓度、其他节点的活性余量参数和目标节点的葡萄糖浓度获取目标节点的敏感系数。在这种情况下，能够利用之前的时间节点中已获取的部分参数计算目标节点的敏感系数，从而实现敏感系数的自适应调整，同时由于相邻时间节点中，敏感系数一般不会发生太大的变化，由此能够利用相邻的时间节点提高敏感系数的稳定性以及准确性。

以下进一步说明敏感系数的获取方式，在一些示例中，损失函数可以满足公式：

其中，

需要说明的是，误差项和误差项的形式并不限于此，能够用于表征通过测量获取的葡萄糖浓度与通过计算获取的葡萄糖浓度的差异的表达式均可以作为误差项，例如可以令通过测量获取的葡萄糖浓度与通过计算获取的葡萄糖浓度的比值、差值、或差值的绝对值(或平方、立方等多次幂)等表达式作为误差项，同时能够用于表征相邻的时间节点的敏感系数的差异程度的表达式也可以作为正则项，例如可以相邻的时间节点的敏感系数之间的比值、差值或差值的绝对值(或平方、立方等多次幂)等表达式作为正则项。

在一些示例中，正则项系数可以根据经验设置或为处理装置30设定好的默认数据。

在一些示例中，化学物质的敏感系数的预测值可以满足公式：

其中，

在一些示例中，基于化学物质的敏感系数的预测值满足的公式，可以获得敏感系数的第一迭代公式。在一些示例中，可以通过对

在一些示例中，通过计算获取的敏感系数(也即敏感系数的预测值)可以作为其他步骤的敏感系数进行计算。

在一些示例中，步骤S107可以基于葡萄糖浓度和活性余量参数计算葡萄糖浓度的增速系数。在一些示例中，增速系数可以用于表征化学物质以外的因素对葡萄糖浓度的影响程度，化学物质为胰岛素时，增速系数也可以称为血糖增速，增速系数可以用于表征摄入碳水、内源性葡萄糖生产率、或未被敏感系数解释的胰岛素敏感性变化等因素对血糖浓度的影响程度。在这种情况下，由于能够用增速系数体现多种因素的作用，同时增速系数的计算也不需要碳水的输入(后续描述)，由此能够减少参数的输入，同时能够提高模型的准确性。

在一些示例中，基于位于目标节点的通过测量获取的葡萄糖浓度与通过计算获取的葡萄糖浓度的差异和其他节点的增速系数获得目标节点的增速系数。在这种情况下，能够利用之前的时间节点中已获取的部分参数计算目标节点的增速系数，从而实现增速系数的自适应调整，从而能够提高增速系数的准确性。

以下进一步说明增速系数的获取方式，在一些示例中，增速系数可以满足公式：

其中，

需要说明的是血糖浓度的预测值和血糖浓度的测量值可以以以下方式理解，血糖浓度的预测值

在一些示例中，参见增速系数满足的公式的化简结果，增速系数可以满足第二迭代公式：

换言之，增速系数可以表征在不同的控制步骤中(也即不同的时间节点中)血糖浓度的预测值与血糖浓度的测量值的差异的总和。

在一些示例中，增速系数的初始值可以为0，但本公开不限于此，增速系数也可以是任意值。

在一些示例中，在步骤S109中，可以基于预设参数、葡萄糖浓度、活性余量参数、敏感系数和增速系数计算化学物质的安全剂量和基础剂量，安全剂量可以是指将化学物质输注至目标2后，长时间内葡萄糖浓度不会低于安全阈值的剂量，基础剂量可以指将化学物质输注至目标2后，短时间内(例如一个控制步骤)葡萄糖浓度能够到达目标值的剂量。在这种情况下，输注化学物质后，在化学物质的代谢过程中，每个时间节点的都会存在保持活性的化学物质，多个时间节点中保持活性的化学物质的作用下，对葡萄糖浓度的调整会叠加，从而可能会导致葡萄糖浓度超过安全范围(例如低于安全阈值)，而同时计算安全剂量和基础剂量，能够确定两种剂量的区别，进而能够保证输注剂量的安全性和调整效果。

在一些示例中，在计算基础剂量的过程中，根据血糖动力学模型，化学物质的活性余量参数可以满足公式：

其中，G

在一些示例中，在计算基础剂量的过程中，根据血糖动力学模型，化学物质的活性余量参数也可以满足公式：

其中，λ、ρ为可以表示调节参数。在这个情况下，由于

在一些示例中，可以根据胰岛素的代谢模型和化学物质的活性余量参数的计算公式获得基础剂量。

在一些示例中，可以利用调节参数ρ对基础剂量进行调整，例如，在利用闭环算法对血糖浓度进行调整的情况下，相同的输注剂量对于成人和儿童可能会有不同的影响程度，对于成人而言安全并合适的剂量可能会对儿童造成较大的影响(例如导致低血糖)，因此可以一定比例地缩减儿童的剂量，由此，可以令ρ的取值范围可以为0～1，并针对不同的群体设定不同的ρ。在这种情况下，能够提高闭环算法对不同人群的适应能力。

在一些示例中，在计算安全剂量的过程中，可以先计算保持活性的化学物质的对葡萄糖浓度的持续作用。以胰岛素为例，基于胰岛素的代谢模型，以及历史胰岛素输注信息可预测未来的活性胰岛素量随时间的变化。

在一些示例中，可以利用未来的活性胰岛素和胰岛素敏感系数获得输注至目标2的胰岛素对于血糖浓度的总影响，具体而言，第k-1个时间节点将胰岛素输注至目标2后，可以对活性胰岛素对血糖浓度的影响进行积分并获得对于血糖浓度的总影响。

在一些示例中，在计算第k-1个时间节点输注胰岛素对于血糖浓度的总影响时，敏感系数可以为常数，在这种情况下，由于一个控制步骤对应一个时间节点，各个控制步骤都可以计算活性胰岛素对血糖浓度的总影响，因此单个控制步骤的中所建立的血糖动力学模型可以适当简化，而在一个控制步骤中计算活性胰岛素对血糖浓度的总影响时，敏感系数为常数能够降低计算成本，提高计算速度。

在一些示例中，在计算安全剂量的过程中，在不考虑增速系数的情况下，可以根据活性胰岛素对于血糖浓度的总影响和血糖动力学模型获得安全剂量。

在一些示例中，在计算安全剂量的过程中，还可以在考虑增速系数的情况中加入PID(Proportional Integral Derivative)控制原理，具体而言，可以利用增速系数构建PID项，在这种情况下，能够提高闭环算法的准确性和稳定性。

在一些示例中，在计算安全剂量的过程中，若基于预设的化学物质的基础输注率和化学物质的敏感系数获得内源性葡萄糖生产率，则可以认为内源性葡萄糖生产率被葡萄糖基础代谢率抵消，其中葡萄糖基础代谢率抵消为预设的化学物质的基础输注率和化学物质的敏感系数的乘积。换言之，在第一控制阶段中，可以认为内源性葡萄糖生产率被葡萄糖基础代谢率抵消。

在一些示例中，在计算安全剂量的过程中，若基于内源性葡萄糖生产率的计算方法获得内源性葡萄糖生产率，则计算安全剂量的过程中，可以同时考虑内源性葡萄糖生产率的作用。换言之，在第二控制阶段计算安全剂量时，血糖动力学模型可以表示为：

其中，egp可以表示内源性葡萄糖生产率。

在一些示例中，在步骤S111中可以基于安全剂量和基础剂量计算化学物质的目标剂量。在这种情况下，能够同时考虑安全剂量和基础剂量的计算结果并得到适当的目标剂量。

在一些示例中，可以将安全剂量和基础剂量中较小的一个作为目标剂量。在这种情况下，能够提高闭环算法的安全性。

在一些示例中，如上所述，可以通过输注的方式令输注剂量的化学物质进入目标2，输注剂量与目标剂量和输注精度相关。在一些示例中，可以利用向下取舍的方式计算输注剂量。例如，在输注设备20中，输注精度为0.1U/次，计算获得的目标剂量为6.47U，则输注剂量可以为6.4U。在这种情况下，能够将计算得到的目标剂量与实际设备的输注精度相配合，得到能够在精度范围内输注至目标2的输注剂量。其中，U可以表示的化学物质的输注单位。

在一些示例中，输注剂量可以通过输注设备20计量获得。在这情况下，由于实际的输注存在不确定性，利用输注设备20计量获得输注剂量，能够更加准确地获得实际的输注进入目标2的化学物质的剂量，便于提高后续的调控的精度。

图6是示出了本公开的实施方式所涉及的自适应闭环控制系统1的结构框图。

图7是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制系统1中的流程图。

如上所述，本公开还涉及一种基于线性模型的自适应闭环控制系统1，利用本公开的实施方式所涉及的闭环算法对目标2的葡萄糖浓度进行控制。在这种情况下，能够对与葡萄糖浓度相关的生理参数进行自适应调整，提高目标2的葡萄糖浓度的稳定性，并减少输入的参数。

在一些示例中，参见图6，基于线性模型的自适应闭环控制系统1可以包括输注设备20、处理装置30以及获取设备10。

在一些示例中，参见图7，获取设备10可以用于获取目标2的目标生理参数，其中，目标生理参数可以是葡萄糖浓度。

在一些示例中，参见图7，输注设备20可以按照输注剂量向目标2输注化学物质以调整目标2的葡萄糖浓度。

在一些示例中，处理装置30可以基于前期输入的预设系数和获取设备10获取的葡萄糖浓度对输注设备20所需要输注的化学物质的剂量进行计算。

在一些示例中，参见图7，在未基于增速系数计算内源性葡萄糖生产率时，处理装置30获取目标生理参数后，可以计算敏感系数和活性余量参数，并基于敏感系数和活性余量参数计算安全剂量和基础剂量，并基于安全剂量和基础剂量计算目标剂量，将目标剂量发送至输注设备20。

在一些示例中，参见图7，输注设备20可以基于目标剂量向目标2输注输注剂量的化学物质。

在一些示例中，处理装置30可以利用本公开的实施方式所涉及的闭环算法获得目标剂量，并控制输注设备20输注化学物质。

图8是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制系统1中的流程图。图9是示出了本公开的实施方式所涉及的内源性葡萄糖生产率的计算方法的流程示意图。图10是示出了本公开的实施方式所涉及的判断是否需要更新内源性葡萄糖生产率的流程示意图。

在一些示例中，参见图8，考虑内源性葡萄糖生产率的自适应闭环控制系统1与未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制系统1的区别在于：在计算安全剂量前，可以先计算内源性葡萄糖生产率，在计算安全剂量时使用计算得到的内源性葡萄糖生产率，由此能够提高安全剂量的准确性。

如上所述，本公开还涉及一种内源性葡萄糖生产率的计算方法，在一些示例中，内源性葡萄糖生产率的计算方法也可以称为内生葡萄糖的计算方法、egp计算方法或计算方法。

在一些示例中，可以将内源性葡萄糖生产率的计算方法计算得到的内源性葡萄糖生产率应用于本公开的闭环算法。

在一些示例中，参见图9，内源性葡萄糖生产率的计算方法可以包括：利用闭环算法计算化学物质的目标剂量并对目标2的葡萄糖浓度进行控制(步骤S201)；获取第一葡萄糖浓度数据和第二葡萄糖浓度数据(步骤S203)；以及基于第二葡萄糖浓度数据对应的时间区间中的增速系数计算内源性葡萄糖生产率(步骤S205)。在这种情况下，当目标2摄入碳水后，目标2的葡萄糖浓度主要受化学物质和碳水摄入量的影响，难以直接获取内源性葡萄糖生产率，而目标2处于低血糖状态时(例如葡萄糖浓度低于第一葡萄糖浓度阈值)，目标2一般未摄取碳水，因此目标2的葡萄糖浓度主要受化学物质和内源性葡萄糖生产率的影响。同时，利用本公开的闭环算法能够计算出用于表征化学物质以外的因素对葡萄糖浓度的影响程度的增速系数。在低血糖的情况下，增速系数与内源性葡萄糖生产率大致相同，由此能够利用增速系数表示内源性葡萄糖生产率。

在一些示例中，在步骤S201中，可以利用上文所述的闭环算法对目标2的葡萄糖浓度进行控制。在一些示例中，步骤S201中利用闭环算法对目标2的葡萄糖浓度进行控制也可以称为第一控制阶段。

在一些示例中，第一控制阶段中，利用闭环算法对目标2的葡萄糖浓度进行控制的过程可以称为未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法。

在一些示例中，由步骤S201中，由于未通过内源性葡萄糖生产率的计算方法计算得到内源性葡萄糖生产率，可以利用上述的预设的基础输注率和化学物质的敏感系数计算得到的内源性葡萄糖生产率用于与闭环算法。

在一些示例中，由步骤S201中，也可以不考虑内源性葡萄糖生产率的影响。

在一些示例中，第一控制阶段的持续时间为1天至3天。但本公开不限于此，第一控制阶段的持续时间可以为任意时间，例如半天、1天、2天、3天、4天、一周等，在这种情况下，能够自定义第一控制阶段的持续时间，由此能够基于不同的情况确定需要的数据量。例如，目标2在1天内的低血糖时间段较少，可以将第一控制阶段的持续时间变更为2天，由此能够获得更多的目标2在低血糖时间段的信息。

在一些示例中，第一控制阶段的持续时间可以较短(例如半天至1天)，若第一控制阶段的持续时间较长，可能会导致后续计算得到的内源性葡萄糖生产率发生较大的变化，由此，第一控制阶段较短时，能够认为目标2在第二控制阶段(后续描述)的内源性葡萄糖生产率与第一控制阶段的内源性葡萄糖生产率大致相同，由此能够提高内源性葡萄糖生产率的可信度。

在一些示例中，由步骤S203中，可以获取目标2在步骤S201的葡萄糖浓度为第一葡萄糖浓度数据。在这种情况下，能够获取目标2在闭环算法控制下的血糖变化，由于闭环算法能够计算得到目标2的增速系数，由此能够获得标在闭环算法控制下的增速系数。

在一些示例中，由步骤S203中，可以获取第一葡萄糖浓度数据中低于第一葡萄糖浓度阈值的葡萄糖浓度为第二葡萄糖浓度数据。由此，能够获得目标2在血糖较低的情况下的葡萄糖浓度，同时，目标2的血糖较低的时间段与前一次进食的时间段间隔较大，前一次进食摄入的碳水化合物大部分已经被吸收，后续对目标2的葡萄糖浓度影响较小或可以忽略，由此，目标2的血糖较低的时间段中，化学物质以外的因素对葡萄糖浓度主要来自于内源性葡萄糖生产率，同时增速系数能够用于表征化学物质以外的因素对葡萄糖浓度的影响程度，因此，第二葡萄糖浓度数据中的增速系数能够表示内源性葡萄糖生产率。

在一些示例中，第一葡萄糖浓度阈值可以是2.8mmol/L。在一些示例中，第一葡萄糖浓度阈值可以是3.9mmol/L。在一些示例中，第一葡萄糖浓度阈值可以是目前公认的低血糖标准，在这种情况下，由于不同群体(例如糖尿病患者或非糖尿病患者)对于低血糖的标准不统一，可以根据目标2的自身情况选择合适的第一葡萄糖浓度阈值。

在一些示例中，第一葡萄糖浓度阈值也可以与葡萄糖浓度的安全阈值相同。

在一些示例中，第一葡萄糖浓度阈值也可以是其他任意数值，第一葡萄糖浓度阈值可以主动输入，例如，第一葡萄糖浓度阈值可以通过用户输入的方式获得，在这种情况下，能够针对目标2的具体情况做适应性修改。

在一些示例中，也可以获取目标2摄入碳水的前一段时间内的第一葡萄糖浓度数据为第二葡萄糖浓度数据。例如目标2摄入碳水的前2小时内、前1小时内、前30分钟内、前2小时内至前1小时之间等等。

在一些示例中，在步骤S205中，可以基于第二葡萄糖浓度数据对应的时间区间中的增速系数计算内源性葡萄糖生产率。

在一些示例中，由于第二葡萄糖浓度数据对应的时间区间可以包括多个时间节点，第二葡萄糖浓度数据对应的时间区间可以包括多个增速系数，可以通过将多个增速系数作平均处理以获得内源性葡萄糖生产率。在这种情况下，由于血糖较低的时间段中，化学物质以外的因素对葡萄糖浓度主要来自于内源性葡萄糖生产率，由此能够便捷地获得内源性葡萄糖生产率。

在一些示例中，取对第二葡萄糖浓度数据对应的时间区间中的多个增速系数的中位数或众数作为内源性葡萄糖生产率。

在一些示例中，可以对第二葡萄糖浓度数据的增速系数进行异常数据筛除的操作，例如，可以筛除第二葡萄糖浓度数据的增速系数中若一个增速系数与其他增速系数的差值较大，可以对该增速系数进行删除。

如上所述，本公开还涉及一种考虑内源性葡萄糖生产率的自适应闭环控制方法，可以利用本公开所涉及的内源性葡萄糖生产率的计算方法计算内源性葡萄糖生产率，并利用内源性葡萄糖生产率和闭环算法配合实现血糖的闭环控制。

在一些示例中，考虑内源性葡萄糖生产率的自适应闭环控制方法可以包括第一控制阶段和第二控制阶段。如上所述，在第一控制阶段中可以利用闭环算法计算化学物质的目标剂量并对目标2的葡萄糖浓度进行控制，在第二控制阶段中，可以基于第一控制阶段的葡萄糖浓度计算内源性葡萄糖生产率，以及利用闭环算法计算化学物质的目标剂量并对目标2的葡萄糖浓度进行控制。由此，能够利用第一控制阶段中的低血糖数据确定内源性葡萄糖生产率，再基于内源性葡萄糖生产率对安全阈值进行调整，进而能够对剂量的上限进行调整，提高葡萄糖浓度的控制效果。

在一些示例中，第二控制阶段可以包括：利用闭环算法计算化学物质的目标剂量并对目标2的葡萄糖浓度进行控制。其中，第二控制阶段的闭环算法中所涉及的内源性葡萄糖生产率可以通过第二葡萄糖浓度数据对应的时间区间中的增速系数计算得到。在这种情况下，由于第二控制阶段与第一控制阶段邻近，能够认为内源性葡萄糖生产率的变化较小，因此能够利用多个增速系数计算得到的内源性葡萄糖生产率计算第二控制阶段的目标剂量，同时由于目标剂量主要受安全剂量和基础剂量影响，安全剂量容易受到内源性葡萄糖生产率的影响，例如内源性葡萄糖生产率越高，计算得到的安全剂量越高，由此能够提高化学物质的输注上限，从而能够提高化学物质对血糖的控制效果。

在一些示例中，第二控制阶段可以包括：判断是否需要更新内源性葡萄糖生产率，换言之，第二控制阶段可以利用闭环算法计算化学物质的目标剂量并对目标2的葡萄糖浓度进行控制。其中，第二控制阶段的闭环算法中所涉及的内源性葡萄糖生产率可以先根据目标在预设时间内的低血糖情况的占比判断是否需要更新，再通过第四葡萄糖浓度数据对应的时间区间中的增速系数计算内源性葡萄糖生产率。

在一些示例中，参见图10，判断是否需要更新内源性葡萄糖生产率可以包括：获取第三葡萄糖浓度数据(步骤S301)；获取第四葡萄糖浓度数据(步骤S303)；判断是否更新内源性葡萄糖生产率(步骤S305)。在这种情况下，能够在第二控制阶段中判断是否需要更新内源性葡萄糖生产率，从而确定目前使用的内源性葡萄糖生产率与实际的内源性葡萄糖生产率的之间的区别所造成的影响。

在一些示例中，在步骤S301中可以获取目标2在第二控制阶段中的预设时间段的葡萄糖浓度为第三葡萄糖浓度数据。在这种情况下，能够获得使用通过第二葡萄糖浓度数据对应的时间区间中的增速系数计算得到的内源性葡萄糖生产率后的目标2的葡萄糖浓度情况，从而能够对预设时间段内的葡萄糖浓度进行评估。

在一些示例中，预设时间段的长度为1天至3天。但本公开不限于此，预设时间段可以为任意时间，例如半天、1天、2天、3天、4天、一周等，在这种情况下，能够自定义第一控制阶段的持续时间，由此能够基于不同的情况确定需要的数据量。例如，目标2的作息比较规律，未发生较大的变动时，可以认为目标2的内源性葡萄糖生产率的变化较少，由此能够选择持续时间更长的预设时间段，由此能够根据目标2的情况进行适应性的调整。

在一些示例中，步骤S303中，可以获取第三葡萄糖浓度数据中低于第二葡萄糖浓度阈值的葡萄糖浓度为第四葡萄糖浓度数据。由此，能够获得目标2在血糖较低的情况下的葡萄糖浓度。

在一些示例中，第二葡萄糖浓度阈值可以与第一葡萄糖浓度阈值相同。在一些示例中，第二葡萄糖浓度阈值可以与葡萄糖浓度的安全阈值相同。

在一些示例中，第二葡萄糖浓度阈值可以主动输入，例如，第二葡萄糖浓度阈值可以通过用户输入的方式获得，在这种情况下，能够针对目标2的具体情况做适应性修改。

在一些示例中，步骤S305中，可以基于第三葡萄糖浓度数据与第四葡萄糖浓度数据的比例判断是否更新预设时间段之后的内源性葡萄糖生产率。具体而言，可以根据第三葡萄糖浓度数据的数据量与第四葡萄糖浓度数据的数据量的比例，或第四葡萄糖浓度数据对应的时间区间的时间长度与预设时间段的时间长度的比例获得目标2的低血糖的占比，从而能够判断目前的闭环算法的血糖控制效果是否合理，用药方案是否相对激进，由此能够基于该情况判断目前的内源性葡萄糖生产率是否合适。

在一些示例中，若第三葡萄糖浓度数据与第四葡萄糖浓度数据的比例大于预设比例，可以认为目标2的低血糖的情况比较频繁，从而可以认为用药方案相对激进，内源性葡萄糖生产率过高，需要重新计算内源性葡萄糖生产率。

在一些示例中，预设比例可以为5％至50％，例如预设比例可以为5％、6％、7％、10％、12％、15％、20％、30％、40％或50％等，但本公开不限于此，预设比例可以为任意值。

在一些示例中，第二控制阶段可以包括更新内源性葡萄糖生产率。

在一些示例中，更新内源性葡萄糖生产率时，基于第四葡萄糖浓度数据中的增速系数计算内源性葡萄糖生产率。在一些示例中，由于第四葡萄糖浓度数据对应的时间区间可以包括多个时间节点，第四葡萄糖浓度数据对应的时间区间可以包括多个增速系数，可以通过将多个增速系数作平均处理以获得内源性葡萄糖生产率。在这种情况下，由于血糖较低的时间段中，化学物质以外的因素对葡萄糖浓度主要来自于内源性葡萄糖生产率，由此能够便捷地获得内源性葡萄糖生产率。

在一些示例中，取对第四葡萄糖浓度数据对应的时间区间中的多个增速系数的中位数或众数作为内源性葡萄糖生产率。

在一些示例中，可以对第四葡萄糖浓度数据的增速系数进行异常数据筛除的操作，例如，可以筛除第四葡萄糖浓度数据的增速系数中若一个增速系数与其他增速系数的差值较大，可以对该增速系数进行删除。

图11A是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于成人的仿真示意图。图11B是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于青少年的仿真示意图。

图11C是示出了本公开的实施方式所涉及的未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法应用于儿童的仿真示意图。图12A是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于成人的仿真示意图。图12B是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于青少年的仿真示意图。图12C是示出了本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法应用于儿童的仿真示意图。仿真示意图为通过Simglucose模型得到的示意图，仿真对象包括成年人、青年人和儿童，胰岛素敏感系数的初始值可以通过1800法则设定。

参见图11A-图12C，无论是成人、青少年还是儿童，相对于未基于增速系数计算内源性葡萄糖生产率的自适应闭环控制方法，本公开的实施方式所涉及的考虑内源性葡萄糖生产率的自适应闭环控制方法在的模拟结果更优。

虽然以上结合附图和实施例对本公开进行了具体说明，但是可以理解，上述说明不以任何形式限制本公开。本领域技术人员在不偏离本公开的实质精神和范围的情况下可以根据需要对本公开进行变形和变化，这些变形和变化均落入本公开的范围内。