Precizia numărării automate a carbohidraților, proteinelor, grăsimilor și caloriilor pe baza descrierilor vocale
Piotr Ladyzynski
1 Institutul Nalecz de Biocibernetică și Inginerie Biomedică al Academiei Poloneze de Științe, strada Trojdena 4, 02-109 Varșovia, Polonia; [email protected]
Janusz Krzymien
2 Departamentul de Diabetologie și Medicină Internă, Universitatea de Medicină din Varșovia, str. Banacha 1A, 02-097 Varșovia, Polonia; [email protected] (J.K.); [email protected] (M.R.); lp.ude.muw@baidnilk (B.B.)
Piotr Foltynski
1 Institutul Nalecz de Biocibernetică și Inginerie Biomedică al Academiei Poloneze de Științe, strada Trojdena 4, 02-109 Varșovia, Polonia; [email protected]
Monika Rachuta
2 Departamentul de Diabetologie și Medicină Internă, Universitatea de Medicină din Varșovia, str. Banacha 1A, 02-097 Varșovia, Polonia; [email protected] (J.K.); [email protected] (M.R.); lp.ude.muw@baidnilk (B.B.)
Barbara Bonalska
2 Departamentul de Diabetologie și Medicină Internă, Universitatea de Medicină din Varșovia, str. Banacha 1A, 02-097 Varșovia, Polonia; [email protected] (J.K.); [email protected] (M.R.); lp.ude.muw@baidnilk (B.B.)
Date asociate
Abstract
1. Introducere
Diabetul este una dintre bolile cronice care necesită multă atenție atât din partea pacientului, cât și a echipei de asistență medicală. Indiferent de tipul de diabet, pacienții necesită informații complete despre boală prin educație continuă și promovarea comportamentelor de căutare a sănătății, precum și monitorizarea regulată a glucozei, planuri individuale de tratament și un diagnostic precoce pentru a preveni amenințările la adresa sănătății asociate cu complicațiile diabetului. Telemedicina oferă o serie de instrumente care ar putea fi de ajutor în alegerea planului corect de tratament, sprijinirea acțiunilor de schimbare a stilului de viață al pacientului, consolidarea motivației în ceea ce privește activitățile legate de sănătate, facilitarea capacității pacientului de a-și auto-monitoriza și controla starea și de a atinge obiectivul dorit. obiectiv terapeutic.
Sistemele automate sau semi-automate de analiză a imaginii alimentelor pentru evaluarea dietei sunt în continuă dezvoltare. Aceștia obțin o precizie de recunoaștere sub 90% atunci când sunt testați pe baze de date care conțin până la câteva sute de imagini de mese/feluri de mâncare [15]. În ultimii ani, s-au dezvoltat traductoare de imagine care realizează fotografii în serie, documentând etapele consecutive ale consumului de masă și permițând estimarea cantității unei resturi de masă nemâncată [16]. Unele dintre aceste dispozitive de înregistrare a vieții, cum ar fi camera Microsoft SenseCam, împreună cu datele obținute dintr-un jurnal alimentar convențional, permit îmbunătățirea preciziei calculelor aportului de calorii [17]. De asemenea, au fost raportate abordări alternative, care se bazează pe descrierea vocală a meselor [18,19] sau monitorizarea activităților legate de consumul de masă, de exemplu, mestecarea sau înghițirea [20,21].
Toți subiecții și-au dat consimțământul în cunoștință de cauză pentru includere înainte de a participa la studiu. Studiul a fost realizat în conformitate cu Declarația de la Helsinki, iar protocolul a fost aprobat de Comitetul de Etică al Universității Medicale din Varșovia (KB/16/2014).
Pentru fiecare participant, a fost colectat un istoric medical unificat, referitor la dieta și obiceiurile alimentare, activitatea fizică, terapia cu insulină (cu accent deosebit pe bolusurile de insulină și perfuzia bazală), numărul de teste zilnice ale glicemiei, frecvența și severitatea episoadelor hipoglicemiante, și informații despre alte boli diagnosticate, meditația utilizată, obiceiurile de fumat și abuzul de alcool și droguri. Medicul a analizat aceste date pentru a identifica factorii care ar putea afecta controlul glicemic al participanților la studiu.
2.2. Proiectarea sistemului vocal
Sistemul consta dintr-un smartphone controlat de Android, cu aplicația client care comunică fără fir cu serverele pentru a efectua următoarele sarcini: (1) recunoașterea automată a vorbirii (ASR) și transformarea descrierii vocale a mesei în text; (2) analiza descrierii textuale pentru a determina compoziția mesei; (3) calcularea dozei de insulină care compensează masa conform algoritmului, luând în considerare fie numai conținutul de CHO, fie conținutul de CHO, proteine și grăsimi din masă. O descriere detaliată a sistemului poate fi găsită în altă parte [29]. Este de remarcat faptul că baza de date a sistemului conține caracteristici de 900 de produse alimentare unice și 5000 de termeni, facilitând conversia eficientă vorbire-text, inclusiv alimente care erau prezente în meniul spitalului. Cu toate acestea, nici numărul de calorii, cantitățile de CHO, proteine și grăsimi care caracterizează fiecare produs și nici alte date stocate în baza de date a sistemului nu au fost adaptate la caracteristicile meniului spitalului.
2.3. Utilizarea sistemului vocal și calculatorul de bolus încorporat
Fiecare participant la studiu a folosit sistemul în modul următor. Înainte de a începe o masă, participantul și-a descris verbal compoziția, dând numele și mărimea (fie în unități precum grame, uncii sau litri, fie în unități de măsură obișnuite, cum ar fi linguri, căni sau porții) ale fiecărui produs alimentar prezent în masa. Descrierea a fost transmisă către server și, după conversia vorbirii în text, fiecare produs alimentar a fost identificat și afișat pe ecranul smartphone-ului pentru verificare de către participant. Dacă identificarea a eșuat, un mesaj de avertizare a arătat că recunoașterea a eșuat din cauza unui eșec ASR sau a lipsei informațiilor necesare în descrierea mesei, de exemplu, atunci când pacientul a specificat un produs alimentar care nu era prezent în baza de date a sistem. În cazul eșecului ASR, pacientul a repetat descrierea produsului alimentar care nu fusese identificat corect. Pentru fiecare produs recunoscut, sistemul a calculat conținutul de calorii și conținutul de CHO, proteine și grăsimi în grame.
La activare, calculatorul bolus a rezumat valoarea calorică totală, unitățile de schimb de carbohidrați (CU) și unitățile de schimb proteine - grăsimi (PFU) din întreaga masă și, în cele din urmă, doza de insulină necesară pentru a compensa masa. PFU a fost calculat utilizând următoarea ecuație:
Dacă PFU este mai mare de 1,0, se recomandă un bolus cu două unde care constă dintr-un bolus simplu și un bolus cu undă pătrată cu o durată de 4 până la 8 ore, în funcție de valoarea PFU. Doza totală de insulină prandială a fost determinată pe baza următoarei ecuații [30]: