Masih ada jalan panjang menuju teknologi diabetes bertenaga AI. Berdasarkan peraturan perangkat medis Amerika Serikat dan Inggris Raya, sistem pengiriman insulin otomatis yang tersedia secara komersial—tanpa AI—termasuk dalam kelas risiko tertinggi. Sistem berbasis AI sedang dalam tahap awal pengembangan, jadi percakapan tentang bagaimana mereka harus diatur baru saja dimulai.

Eksperimen Emerson sepenuhnya digital—menguji pemberian insulin yang dibantu AI pada manusia menimbulkan sejumlah masalah keamanan. Dalam situasi hidup atau mati seperti dosis insulin, memberikan kendali pada mesin bisa jadi tidak pasti. “Dengan sifat belajar, Anda benar-benar dapat mengambil langkah ke arah yang salah,” kata Marc Breton, seorang profesor di Pusat Teknologi Diabetes Universitas Virginia yang tidak terlibat dalam proyek ini. “Penyimpangan kecil dari aturan sebelumnya dapat menciptakan perbedaan besar dalam output. Itulah keindahannya, tetapi juga berbahaya.”

Emerson berfokus pada pembelajaran penguatan, atau RL, teknik pembelajaran mesin berdasarkan coba-coba. Dalam kasus ini, algoritme “diberi penghargaan” untuk perilaku baik (memenuhi goal glukosa darah) dan “dihukum” untuk perilaku buruk (membiarkan gula darah terlalu tinggi atau rendah). Karena tim tidak dapat menguji pasien yang sebenarnya, mereka menggunakan pembelajaran penguatan offline, yang mengacu pada information yang dikumpulkan sebelumnya, bukan belajar dengan cepat.

30 pasien digital mereka (10 anak-anak, 10 remaja, dan 10 orang dewasa) disintesis oleh Simulator Diabetes Tipe 1 UVA/Padova, pengganti yang disetujui Meals and Drug Administration untuk pengujian praklinis pada hewan. Setelah pelatihan offline setara dengan information tujuh bulan, mereka membiarkan RL mengambil alih dosis insulin pasien digital.

Untuk melihat bagaimana ia menangani kesalahan kehidupan nyata, mereka melakukan serangkaian tes yang dirancang untuk meniru kesalahan perangkat (information yang hilang, pembacaan yang tidak akurat) dan kesalahan manusia (salah menghitung karbohidrat, waktu makan tidak teratur) —tes yang dilakukan sebagian besar peneliti tanpa diabetes. “Mayoritas sistem hanya mempertimbangkan dua atau tiga faktor ini: glukosa darah mereka saat ini, insulin yang telah diberi dosis sebelumnya, dan karbohidrat,” kata Emerson.

Offline RL berhasil menangani semua kasus tepi yang menantang ini di simulator, mengungguli pengontrol canggih saat ini. Peningkatan terbesar muncul dalam situasi di mana beberapa information hilang atau tidak akurat, mensimulasikan situasi seperti saat seseorang melangkah terlalu jauh dari monitornya atau secara tidak sengaja menekan CGM mereka.

Selain memangkas waktu pelatihan hingga 90 persen dibandingkan dengan algoritme RL lainnya, sistem ini menjaga pasien digital dalam kisaran glukosa darah goal mereka satu jam lebih lama per hari daripada pengontrol komersial. Selanjutnya, Emerson berencana menguji RL offline pada information yang dikumpulkan sebelumnya nyata pasien. “Sebagian besar penderita diabetes [in the US and UK] minta datanya terus direkam, ”katanya. “Kami memiliki kesempatan besar ini untuk memanfaatkannya.”

Tetapi menerjemahkan penelitian akademik ke perangkat komersial membutuhkan mengatasi hambatan peraturan dan perusahaan yang signifikan. Breton mengatakan bahwa meskipun hasil studi menunjukkan harapan, mereka berasal dari pasien digital — dan kelompok yang relatif kecil dari mereka. “Simulator itu, betapapun mengagumkannya, mewakili sebagian kecil dari pemahaman kita tentang metabolisme manusia,” katanya. Kesenjangan antara studi simulasi dan aplikasi dunia nyata, lanjut Breton, “tidak dapat dijembatani, tetapi besar, dan itu perlu.”

Jalur pengembangan perangkat medis bisa terasa sangat macet, terutama bagi mereka yang hidup dengan diabetes. Pengujian keamanan adalah proses yang lambat, dan bahkan setelah perangkat baru masuk ke pasar, pengguna tidak memiliki banyak fleksibilitas, karena kurangnya transparansi kode, akses information, atau interoperabilitas antar produsen. Hanya ada lima pasangan pompa CGM yang kompatibel di pasar AS, dan harganya mahal, sehingga membatasi akses dan kegunaan bagi banyak orang. “Di dunia yang supreme, akan ada banyak sekali sistem,” membiarkan orang memilih pompa, CGM, dan algoritme yang sesuai untuk mereka, kata Dana Lewis, pendiri gerakan sistem pankreas buatan open supply (OpenAPS). “Anda akan dapat menjalani hidup Anda tanpa terlalu memikirkan diabetes.”