胰岛素和普兰林肽输送系统、方法和设备

摘要

本公开涉及用于控制患者中生理葡萄糖浓度的系统和方法。

说明书

相关申请

本申请要求2018年6月22日提交的美国临时申请号62/688,742的优先权，其通过引用以其整体合并在本文中。

技术领域

本公开涉及生理葡萄糖浓度的控制。更特别地，本公开涉及用于使用胰岛素和普兰林肽来控制患者中生理葡萄糖浓度的闭环系统和方法。

背景技术

皮下胰岛素替换疗法已经被证明是控制糖尿病的选择方案。胰岛素经由每日多次注射或输注泵给药，其中剂量由血糖仪每天若干次进行的毛细血管葡萄糖测量来宣布。已知这种传统的方法并不完美，因为日复一日（以及事实上，时时刻刻）的可变性可能是显著的。另外，这种方法对于患者来说可能是负担沉重的，因为它需要重复的手指针刺、严格的食物摄入监测和对胰岛素输送的警惕控制。

葡萄糖测量设备（诸如连续葡萄糖监测器（CGM））的出现创建了开发闭环人工胰腺（AP）系统的潜力。AP系统在控制器上执行的剂量/控制算法中使用由CGM提供的葡萄糖数据，所述控制器向输注泵提供方向，并且该泵向患者给药。这样的系统具有彻底改变糖尿病护理的潜力，因为它提供了更好的血糖控制的可能性。此外，这样的系统降低了患者对警惕性的需求，并且因此促进了改进的生活质量。

用于人工胰腺系统的一些现有的控制算法被限制在小变化范围内操作（对于非自适应控制器），或者被限制为对葡萄糖动力学的突然改变反应缓慢。一些现有的控制算法一般不包括人体中的胰岛素模型，而一些包括单个、固定的模型或缓慢适应的模型。这些有限的控制算法可能仅当葡萄糖动力学恒定或缓慢改变时充分控制葡萄糖浓度。当前的AP系统缺乏特别处置血糖动力学中的突然以及缓慢变化的控制方法。

发明内容

在示例1中，公开了一种控制患者中葡萄糖的系统。该系统包括药物输送设备，其被配置为向患者输送药物；以及控制器，其与药物输送设备通信。控制器包括控制逻辑，其可操作来计算包括初始制剂输送量和延迟制剂输送量的制剂输送计划。相对于延迟制剂输送量的初始制剂输送量至少部分基于餐前葡萄糖水平。

在示例2中，根据示例1所述的系统，其中所述初始制剂输送量和延迟制剂输送量至少部分基于将餐前葡萄糖水平与上限阈值和下限阈值进行比较。

在示例3中，根据示例2所述的系统，其中当餐前葡萄糖水平大于上限阈值时，初始制剂输送量大于延迟制剂输送量。

在示例4中，根据示例2所述的系统，其中所述延迟制剂输送量是初始制剂输送量的一半。

在示例5中，根据示例4所述的系统，其中当餐前葡萄糖水平在下限阈值和上限阈值之间时，初始制剂输送量等于延迟制剂输送量。

在示例6中，根据示例2所述的系统，其中当餐前葡萄糖水平小于下限阈值时，初始制剂输送量小于延迟制剂输送量。

在示例7中，根据示例2-6中任一项所述的系统，其中所述上限阈值为8mmol/L，并且下限阈值为6mmol/L。

在示例8中，根据示例1-7中任一项所述的系统，其中所述初始制剂输送量在第一输送中输送，并且延迟制剂输送量在第二输送和第三输送中输送。

在示例9中，根据示例1-8中任一项所述的系统，其中所述第一、第二和第三输送被计划彼此间隔5-15分钟。

在示例10中，根据示例1-9中任一项所述的系统，其中所述初始制剂输送量和延迟制剂输送量包括胰岛素和普兰林肽。

在示例11中，根据示例10所述的系统，其中所述胰岛素和普兰林肽作为共制剂输送。

在示例12中，根据示例10所述的系统，其中所述胰岛素和普兰林肽被分开输送。

在示例13中，根据示例10-12中任一项所述的系统，其中所述胰岛素和普兰林肽以固定比率输送。

在示例14中，根据示例10所述的系统，其中所述固定比率为6μg/u。

在示例15中，根据示例1-14中任一项所述的系统，其中所述药物输送设备包括用于存储药物的单个储存器。

在示例16中，根据示例1-14中任一项所述的系统，其中所述药物输送设备包括用于存储药物的2或3个储存器。

在示例17中，根据示例16所述的系统，其中所述药物输送设备包括单个注射器。

在示例18中，根据示例16所述的系统，其中所述药物输送设备包括多个注射器。

在示例19中，根据示例1-18中任一项所述的系统，其中所述药物输送设备包括单个泵。

在示例20中，根据示例1-18中任一项所述的系统，其中所述药物输送设备包括多个泵。

在示例21中，根据示例1-20中任一项所述的系统，其中所述初始制剂输送量是总计算制剂的75%，并且延迟制剂输送量是总计算制剂的25%。

在示例22中，根据示例1-20中任一项所述的系统，其中所述初始制剂输送量是总计算制剂的25-50%，并且延迟制剂输送量是总计算制剂的50-75%。

在示例23中，根据示例22所述的系统，其中基于当前或估计的葡萄糖水平的函数来分配延迟制剂输送量。

在示例24中，根据示例1-23中任一项所述的系统，其中所述延迟制剂输送量被分配在大体上彼此相等的两次制剂输送之间。

在示例25中，根据示例1-24中任一项所述的系统，其中所述初始制剂输送量和延迟制剂输送量至少部分基于餐的碳水化合物含量。

在示例26中，根据示例1-25中任一项所述的系统，其中如果餐的碳水化合物含量小于预确定阈值，则延迟制剂输送量减少。

在示例27中，根据示例26所述的系统，其中所述预确定阈值是30-50克。

在示例28中，根据示例1-27中任一项所述的系统，其中所述药物输送设备被配置为响应于所计算的制剂输送计划而向患者输送胰岛素。

在示例29中，根据示例1-28中任一项所述的系统，还包括与控制器通信并被配置为接收来自患者的输入的用户接口。

在示例30中，根据示例1-31中任一项所述的系统，还包括与控制器通信并被配置为测量与患者相关联的葡萄糖数据的葡萄糖测量设备。

在示例31中，公开了一种控制患者中葡萄糖的系统。该系统包括药物输送设备，其被配置为向患者输送药物；以及用于至少部分基于餐前葡萄糖水平来计算制剂输送计划的部件，所述制剂输送计划包括初始制剂输送量和延迟制剂输送量。

在示例32中，根据示例31所述的系统，其中相对于延迟制剂输送量的初始制剂输送量至少部分基于餐前葡萄糖水平。

在示例33中，一种方法包括接收葡萄糖数据；计算总制剂量；以及至少部分基于所接收的葡萄糖数据来计算制剂输送计划，以输送初始制剂输送量和延迟制剂输送量之间的总制剂量。

在示例34中，根据示例33所述的方法，其中所述葡萄糖数据包括餐前葡萄糖水平。

在示例35中，根据示例33和34中任一项所述的方法，其中所述初始制剂输送量和延迟制剂输送量至少部分基于将餐前葡萄糖水平与上限阈值和下限阈值进行比较。

在示例36中，根据示例35所述的方法，其中当餐前葡萄糖水平大于上限阈值时，初始制剂输送量大于延迟制剂输送量。

在示例37中，根据示例35所述的方法，其中所述延迟制剂输送量是初始制剂输送量的一半。

在示例38中，根据示例35所述的方法，其中当餐前葡萄糖水平在下限阈值和上限阈值之间时，初始制剂输送量等于延迟制剂输送量。

在示例39中，根据示例35所述的方法，其中当餐前葡萄糖水平小于下限阈值时，初始制剂输送量小于延迟制剂输送量。

在示例40中，根据示例35-39中任一项所述的方法，其中所述上限阈值为8mmol/L，并且下限阈值为6mmol/L。

在示例41中，根据示例33-40中任一项所述的方法，其中所述初始制剂输送量在第一输送中输送，并且延迟制剂输送量在第二输送和第三输送中输送。

在示例42中，根据示例33-41中任一项所述的方法，其中所述第一、第二和第三输送被计划彼此间隔5-15分钟。

在示例43中，根据示例33-42中任一项所述的方法，其中所述初始制剂输送量和延迟制剂输送量包括胰岛素和普兰林肽。

在示例44中，根据示例43所述的方法，其中所述胰岛素和普兰林肽作为共制剂输送。

在示例45中，根据示例43所述的方法，其中所述胰岛素和普兰林肽分开输送。

在示例46中，根据示例43-45中任一项所述的方法，其中所述胰岛素和普兰林肽以固定比率输送。

在示例47中，根据示例46所述的方法，其中固定比率为6μg/u。

在示例48中，根据示例33-47中任一项所述的方法，其中所述药物输送设备包括用于存储药物的单个储存器。

在示例49中，根据示例33-47中任一项所述的方法，其中所述药物输送设备包括用于存储药物的2或3个储存器。

在示例50中，根据示例49所述的方法，其中所述药物输送设备包括单个注射器。

在示例51中，根据示例49所述的方法，其中所述药物输送设备包括多个注射器。

在示例52中，根据示例33-51中任一项所述的方法，其中所述药物输送设备包括单个泵。

在示例53中，根据示例33-51中任一项所述的方法，其中所述药物输送设备包括多个泵。

在示例54中，根据示例33-53中任一项所述的方法，其中所述初始制剂输送量为总计算制剂的75%，延迟制剂输送量为总计算制剂的25%。

在示例55中，根据示例33-53中任一项所述的方法，其中所述初始制剂输送量为总计算制剂的25-50%，并且延迟制剂输送量为总计算制剂的50-75%。

在示例56中，根据示例55所述的方法，其中基于当前或估计的葡萄糖水平的函数来分配延迟制剂输送量。

在示例57中，根据示例33-56中任一项所述的方法，其中所述延迟制剂输送量被分配在大体上彼此相等的两次制剂输送之间。

在示例58中，根据示例33-57中任一项所述的方法，其中所述初始制剂输送量和延迟制剂输送量至少部分基于餐的碳水化合物含量。

在示例59中，根据示例33-58中任一项所述的方法，其中如果餐的碳水化合物含量小于预确定阈值，则延迟制剂输送量减少。

在示例60中，根据示例59所述的方法，其中所述预确定阈值为30-50克。

在示例61中，根据示例33-60中任一项所述的方法，还包括根据所计算的制剂输送计划来输送胰岛素和普兰林肽。

在示例62中，一种系统包括被配置为药物输送设备，其被配置为输送药物；以及控制器，其可操作地耦合到药物输送设备。该控制器包括控制逻辑，其可操作来至少部分地通过执行多个模型来执行多模型预测控制器算法，每个模型包括具有值的集合的多个模型参数，选择多个执行模型中的一个，并且至少部分地基于所选择的执行模型来确定包括胰岛素和普兰林肽的药物剂量。

在示例63中，一种方法包括使用一个或多个控制器，通过执行多个模型来执行多模型预测控制器算法，每个模型包括具有值的集合的多个模型参数；使用一个或多个控制器，选择多个执行模型中的一个；以及使用一个或多个控制器，至少部分基于所选择的执行模型来确定包括胰岛素和普兰林肽的第一药物剂量。

在示例64中，一种系统包括被配置为药物输送设备，其被配置为输送药物；以及控制器，其可操作地耦合到药物输送设备。该控制器包括控制逻辑，其可操作以通过及时传播多个状态向量来执行多模型预测控制器算法，选择多个传播状态向量中的一个，并且至少部分基于所选择的传播状态向量来确定包括胰岛素和普兰林肽的药物剂量。

在示例65中，一种方法包括使用一个或多个控制器，通过及时传播多个状态向量来执行多模型预测控制器算法；使用一个或多个控制器，选择多个传播状态向量中的一个；以及使用一个或多个控制器，至少部分基于所选择的传播状态向量来确定包括胰岛素和普兰林肽的药物剂量。

在示例66中，一种系统包括用于输送胰岛素和普兰林肽的输送设备；用于输入患者数据的用户接口，所述患者数据包括胰岛素的总日剂量和餐数据；以及控制器。所述控制器被配置为：从用户接口接收患者数据；定义状态向量和相关联的模型，所述状态向量包括状态变量，所述状态变量包括患者中的胰岛素、碳水化合物和生理葡萄糖的估计值；传播状态向量；通过将一定量的胰岛素添加到胰岛素状态变量来校正传播状态向量，所添加的胰岛素的量基于餐数据和每日总胰岛素剂量；用经校正的状态向量来确定剂量请求；以及将剂量请求传输到用于输送胰岛素和普兰林肽的输送设备。

在示例67中，一种系统包括用于输送胰岛素和普兰林肽的输送设备；用于输入患者数据的用户接口，所述患者数据包括基础胰岛素曲线、胰岛素与碳水化合物的比率和餐数据；以及与用户接口和输送设备通信且被配置为接收葡萄糖数据的控制器。所述控制器还被配置为执行以下操作：估计患者中的活性胰岛素的量，所述活性胰岛素不包括基础胰岛素曲线；从餐数据确定餐碳水化合物值；部分基于葡萄糖数据而估计患者的生理葡萄糖和生理葡萄糖的改变率；基于生理葡萄糖和生理葡萄糖的改变率而确定衰减因子；基于餐数据、胰岛素与碳水化合物的比率和所确定的衰减因子而确定餐制剂；基于患者中活性胰岛素的估计量而修改所确定的餐制剂；以及传输将包括胰岛素和普兰林肽的经修改的餐制剂输送到输送设备的请求。

在示例68中，一种系统包括控制器，该控制器被配置为接收包括胰岛素与碳水化合物的比率和餐数据的患者数据；接收葡萄糖数据；从餐数据确定餐碳水化合物值；部分基于葡萄糖数据而估计患者的生理葡萄糖和生理葡萄糖的改变率；基于餐数据和胰岛素与碳水化合物的比率而确定初步餐制剂；基于所估计的生理葡萄糖和生理葡萄糖的改变率而确定衰减因子；如果餐碳水化合物值高于预确定餐碳水化合物阈值，则与餐碳水化合物值成比例地衰减初步餐制剂；如果餐碳水化合物值等于或小于预确定餐碳水化合物阈值，则与餐碳水化合物阈值成比例地衰减初步餐制剂；以及将包括胰岛素和普兰林肽的剂量请求设置为等于衰减的初步餐制剂。

在示例69中，一种方法包括在控制器处接收基础胰岛素剂量、餐数据和胰岛素与碳水化合物的比率；估计患者中的活性胰岛素，所述患者中的活性胰岛素不包括基础胰岛素剂量；部分基于葡萄糖浓度而估计患者的生理葡萄糖和生理葡萄糖的改变率；从餐数据确定餐碳水化合物值；基于所估计的生理葡萄糖和生理葡萄糖的改变率而确定衰减因子；基于餐数据、胰岛素与碳水化合物的比率和衰减因子而确定包括胰岛素和普兰林肽的餐制剂；以及基于患者中的活性胰岛素而修改餐制剂。

在示例70中，一种方法包括以下步骤：将葡萄糖浓度、基础胰岛素剂量和餐数据传输到控制器；估计患者中的活性胰岛素，所述患者中的活性胰岛素不包括基础胰岛素剂量；部分基于葡萄糖浓度而估计患者的生理葡萄糖和生理葡萄糖的改变率；从餐数据确定餐碳水化合物值；基于所估计的生理葡萄糖和生理葡萄糖的改变率而确定衰减因子；基于餐数据、胰岛素与碳水化合物的比率和衰减因子而确定包括胰岛素和普兰林肽的餐制剂。当餐碳水化合物值高于预确定餐碳水化合物阈值时，与餐碳水化合物值成比例地衰减餐制剂。对于等于或小于预确定餐碳水化合物阈值的餐碳水化合物值，与预确定餐碳水化合物阈值成比例地衰减餐制剂。

附图说明

通过参考结合附图理解的本发明的实施例的以下描述，本公开的上述以及其它特征和优点以及实现它们的方式将变得更显而易见，并且将被更好地理解，其中：

图1描绘了用于控制生理葡萄糖的系统的代表性框图；

图2A和2B描绘了在图1的系统中使用的泵的示意图；

图3描绘了被配置用于在图1和2的系统的电子控制器上执行的示例性模型预测控制算法的示例框图；

图4描绘了计算最佳基础胰岛素偏差的示例框图；

图5描绘了示例性隔室模型的框图；

图6描绘了使用其相关联的模型和协方差矩阵的状态向量的传播和滤波的框图；

图7描绘了协方差矩阵的示例；

图8描绘了详述可以被执行以确定最佳基础偏差是否需要更改的多个示例动作的流程图；

图9描绘了详述可以被执行以确定胰高血糖素剂量的多个示例动作的流程图；

图10描绘了详述各种示例逻辑的流程图，当确定要以餐制剂输送的药物（例如，胰岛素）的量时，可以应用所述各种示例逻辑；以及

图11-15描绘了详述各种示例逻辑的流程图，当确定要输送的药物（例如，胰岛素和普兰林肽）的量时，可以应用所述各种示例逻辑。

贯穿若干视图，对应的附图标记指示对应的部分。本文中所阐述的范例图示了本发明的示例性实施例，并且这样的范例不应被解释为以任何方式限制本发明的范围。

具体实施方式

本公开的某些实施例涉及用于在闭环系统中控制生理葡萄糖浓度的系统、方法和设备，所述闭环系统适用于与多种类型的药物（例如，胰岛素、普兰林肽、胰高血糖素）一起使用。

普兰林肽是可注射的药物，并且是胰淀素的类似物。胰淀素是由健康个体胰腺与胰岛素共分泌的激素，但是在具有1型糖尿病的人中缺乏。在进餐时间普兰林肽和胰岛素的共注射已经示出通过延迟胃排空、抑制营养刺激的胰高血糖素分泌和增加饱腹感来改进血糖控制。另外，与仅胰岛素注射相比，已经发现普兰林肽和胰岛素的共注射增加了患者在目标葡萄糖范围内花费的时间（例如，3.9-10.0mmol/L）以及在不增加白天和晚上二者期间的低血糖的风险的情况下的减少的葡萄糖可变性。例如，在禁食以及进食状况期间，胰岛素和普兰林肽的共注射更好地模拟了胰腺的自然生理。

下面所描述的示例性药物输送设备和控制逻辑可以共输送多种药物，包括胰岛素、普兰林肽和胰高血糖素的各种组合。

系统硬件

如本文中所使用的术语“逻辑”或“控制逻辑”可以包括在一个或多个可编程处理器、专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、硬连线逻辑或其组合上执行的软件和/或固件。因此，根据实施例，各种逻辑可以以任何适当的方式实现，并且将保持与本文中所公开的实施例一致。

本文中公开了一种提供生理葡萄糖的闭环控制的系统。该系统的示例性硬件元件包括测量身体中生理葡萄糖浓度的传感器、接收用户数据的用户接口、（例如，分开或以共制剂）输送不同药物的泵以及包括控制逻辑的电子控制器，所述控制逻辑可操作以集成数据、执行算法并且控制泵以输送药物。此外，各种元件可以与彼此通信。

图1描绘了用于控制生理葡萄糖的系统10的示例性代表性框图。系统10包括药物输送设备12、用户接口20、测量葡萄糖的设备22和电子控制器24。

药物输送设备12说明性地是输注泵。图1、2A和2B示出了药物输送设备（例如，图1中的药物输送设备12A、图2A中的药物输送设备12B、图2B中的药物输送设备12C）的各种布置的示意图，所述药物输送设备贯穿说明书统称为泵12或药物输送设备12。

在图1中，药物输送设备12A包括包含药物的至少一个药物储存器16A。药物输送设备12A可以经由输注器18A向患者14输送至少一种药物，所述输注器18A提供从药物输送设备12A到患者14的流体路径。例如，输注器18A可以提供从药物输送设备12A到患者14内的皮下目的地的流体路径。在一些实施例中，药物输送设备12A提供到患者14内的皮下目的地的流体路径。药物输送设备12A或输注器18A可以包括用于插入患者皮下组织的针或套管。储存器16A可以耦合到单独的泵送设备（例如，柱塞、致动器、电机），其有助于将药物从储存器泵送到患者。由药物输送设备12A输送的药物可以是胰岛素和普兰林肽的共制剂。例如，共制剂可以包括固定比率（例如，5-7μg/u，诸如5μg/u、5.5μg/u、6μg/u、6.5μg/u、7μg/u）的胰岛素和普兰林肽。

如图2A中所示出的，药物输送设备12B包括包含不同药物的至少两个药物储存器16B-1和16B-2。第一药物储存器16B-1流体耦合到第一输注器18B-1，以及第二药物储存器16B-2流体耦合到第二输注器18B-2。每个输注器可以包括用于插入患者皮下组织的针或套管。第一药物储存器16B-1可以包含胰岛素，以及第二药物储存器16B-2可以包含普兰林肽。在某些实施例中，药物输送设备12B包括包含胰高血糖素的第三储存器。药物输送设备12B可以耦合到控制器（例如，在下面更详细描述的控制器24），其控制药物何时以及在多大程度上输送给患者14。例如，每个储存器可以耦合到单独的泵送设备，该泵送设备有助于将药物从储存器泵送到患者。在某些实施例中，控制器控制药物输送设备12B，使得胰岛素和普兰林肽以固定比率（诸如上面关于图1所描述的固定比率）输送。使用图2A的药物输送设备12B，胰岛素和普兰林肽将通过单独的输注器输送。

如图2B中所示出的，药物输送设备12C包括包含不同药物的至少两个药物储存器16C-1和16C-2。第一药物储存器16C-1和第二药物储存器16C-2二者流体耦合到相同的输注器18C-1，其可以包括用于插入患者皮下组织的针或套管。第一药物储存器16C-1可以包含胰岛素，以及第二药物储存器16C-2可以包含普兰林肽。药物输送设备12B可以耦合到控制器（例如，在下面更详细描述的控制器24），其控制药物何时以及在多大程度上输送给患者14。例如，每个储存器可以耦合到单独的泵送设备，该泵送设备有助于将药物从储存器泵送到患者。在某些实施例中，控制器控制药物输送设备12C，使得胰岛素和普兰林肽以固定比率（诸如上面关于图1所描述的固定比率）输送。使用图2B的药物输送设备12C，胰岛素和普兰林肽将通过相同的输注器18C-1输送。

药物输送设备12可以包括附加特征，诸如Lanigan等人在2013年3月7日提交的且题为“Infusion Pump Assembly”（“输注泵组件”）的美国专利申请号13/788,280中所描述的那些。

如图1中所示出的，系统10包括分析物传感器，诸如葡萄糖测量设备22。葡萄糖测量设备22可以是独立的设备或者可以是流动设备。葡萄糖测量设备的一个示例是连续葡萄糖监测器（CGM）22。在特定实施例中，CGM 22可以是葡萄糖传感器，诸如Dexcom G4或G5系列连续葡萄糖监测器，尽管可以使用任何合适的连续葡萄糖监测器。CGM 22说明性地由患者14佩戴，并且包括一个或多个传感器，所述一个或多个传感器与患者14内的生理空间（例如，间质或皮下空间）通信或监测该生理空间，并且能够感测患者14的分析物（例如，葡萄糖）浓度。在一些实施例中，CGM 22报告与间质液（例如，间质葡萄糖（IG））中的葡萄糖浓度相关联的值。CGM 22可以向用户接口20、泵12、控制器24或另一接收器传输表示IG值的信号。

系统10包括用户接口（UI）设备20，其可以用于向系统10输入用户数据、修改值以及接收由系统10生成的信息、提示、数据等。UI 20可以包括输入设备，诸如键盘或小键盘，以用于向控制器24提供字母数字数据。键盘或小键盘可以包括触觉指示器，促进在没有好视力的情况下使用，或者包括背光键，促进在没有照明的情况下使用。UI 20可以包括与设备通信的按钮或开关。在一个示例中，UI 20具有宣布事件的按钮或开关，所述事件诸如进餐、锻炼的开始、锻炼的结束、紧急停止等。在一些实施例中，UI是具有显示器的图形用户接口（GUI），其中用户与所呈现的信息、菜单、按钮等进行交互，以从系统10接收信息并向系统10提供信息。UI 20可以包括指针、滚球和按钮来与UI 20交互。此外，UI 20可以在能够显示图像和文本并且能够检测经由触摸的输入的触摸屏上实现。UI 20可以是专用设备，或者可以经由在诸如电话、平板等之类的个人智能设备上运行的应用或app来实现。UI 20可以与泵12和CGM 22通信。泵12和CGM 22也可以与彼此通信。

尽管控制器24被示出为与药物输送设备12和UI 20分离，但是控制器24可以物理地合并到药物输送设备12或UI 20中。替代地，UI 20和泵12均可以包括控制器24，并且系统10的控制可以在两个控制器24之间划分。不管其在系统10中的物理位置如何，控制器24被示出为直接或间接地通信耦合到药物输送设备12、UI 20和CGM 22。控制器24可以包括或通信耦合到一个或多个接口26，以经由一个或多个通信链路28通信耦合到药物输送设备12、UI 20和CGM 22。示例接口26包括有线和无线信号发射器和接收器。示例通信链路28包括有线通信链路（例如，串行通信)、无线通信链路，诸如例如短程无线电链路，诸如蓝牙、IEEE802.11、专有无线协议和/或类似的。术语“通信链路”可以指在至少两个设备之间在至少一个方向上传送某种类型信息的能力。通信链路28可以是持续通信链路、间歇通信链路、特定通信链路和/或类似的。信息（例如，泵数据、葡萄糖数据、药物输送数据、用户数据）可以经由通信链路28来传输。药物输送设备12、UI 20和CGM 22还可以包括一个或多个接口，以经由一个或多个通信链路28通信耦合到系统10中的其它设备。

控制器24可以包括至少一个处理器32（例如，微处理器），其执行存储在控制器24的存储器30中的软件和/或固件，并且所述至少一个处理器32（例如，微处理器）通信耦合到一个或多个接口26以及耦合到彼此。软件/固件代码包含指令，当由处理器执行时，所述指令使控制器24施行本文中所描述的控制算法的功能。控制器24可以替代地或附加地包括一个或多个专用集成电路（ASIC）、现场可编程门阵列（FPGA）、数字信号处理器（DSP）、硬连线逻辑或其组合。存储器30可以包括以易失性和/或非易失性存储器形式的计算机可读存储介质，并且可以是可移除的、不可移除的或其组合。在实施例中，存储器30存储可执行指令34（例如，计算机代码、机器可使用指令等）,以用于使处理器32实现本文中所讨论的系统组件的实施例的方面和/或施行本文中所讨论的方法和过程的实施例的方面，包括下面更详细描述的控制逻辑。存储器30、处理器32和接口26可以通过一个或多个总线通信耦合。控制器24的存储器是可由处理器访问的任何合适的计算机可读介质。存储器可以是单个存储设备或多个存储设备，可以位于控制器24的内部或外部，并且可以包括易失性和非易失性介质二者。示例性存储器包括随机存取存储器（RAM）、只读存储器（ROM）、电可擦除可编程ROM（EEPROM）、闪速存储器、CD-ROM、数字多功能盘（DVD）或其它光盘存储装置、磁存储设备或被配置为存储数据并且可由控制器24访问的任何其它合适的介质。

控制器24可以从多个系统10组件接收信息，并且将该信息（例如，泵数据、葡萄糖数据、药物输送数据、用户数据）馈送到控制算法中，所述控制算法确定至少一个药物输送控制参数，所述参数可以部分地管理泵12的操作。在一些特定实施例中，控制器24可以从泵12接收泵数据，从CGM 22接收葡萄糖数据，以及从UI 20接收用户数据。所接收的泵数据可以包括对应于由泵12输送到患者14的药物剂量的药物输送数据。泵数据可以由泵12在输送剂量时或按照预确定计划供应。由控制器24所接收的葡萄糖数据可以包括来自CGM 22的葡萄糖浓度数据。葡萄糖数据可以以连续速率、偶尔或以预定义间隔（例如，每5或10分钟）供应。

如上面所描述的，UI 20可以是专用设备（例如,为系统10特别编程的手持用户设备）,或者可以经由在诸如电话、平板等之类的个人智能设备上运行的应用或app来实现。UI20可以包括输入设备36（例如，按钮、开关）和显示GUI的显示器38。用户可以与输入设备36和显示器38交互，以向系统10提供信息。在某些实施例中，输入设备36是显示器38（例如，触摸屏）上的图标（例如，动态图标）。

泵数据、葡萄糖数据、药物输送数据和用户数据可以按照预定义计划在被获取时提供给控制器24，或者在存储器中排队并当被请求时供应给控制器24。用户数据可以响应于在训练期间受指导时由患者14公布的和/或由UI 20生成的用户/患者提示而被输入到UI20。在一些实施例中，泵数据、葡萄糖数据和/或用户数据中的至少一些可以从与控制器24相关联的存储器检索，并且该数据中的一些可以从泵12中的存储器检索。在一些实施例中，用户与UI 20的交互可能是极少的，其中提示患者14开始执行由控制器24实现的算法并提供进餐和/或锻炼宣布。在其它实施例中，可以提示用户提供各种附加数据，以便初始化由控制器24实现的算法。

用户数据可以包括但不限于胰岛素/碳水化合物比率、餐量、餐的碳水化合物比率和锻炼。用户数据还可以包括一组数据，其在本文中称为胰岛素需求数据。胰岛素需求数据可以包括但不限于每日总胰岛素剂量（TDD）、每日总基础剂量（TDB）、基础剂量和基础曲线。在说明性实施例中，TDD是24小时时段内输送的所有胰岛素的和，并且TDB是24小时时段内输送的所有基础胰岛素的和。在一个实施例中，TDB近似等于TDD减去餐制剂的和。在说明性实施例中，基础剂量是用户在预定义时段内所需的开环或标称胰岛素剂量。在一个示例中，基础剂量是在控制器从CGM接收的葡萄糖测量之间的每个时段或间隔的持续时间内，用户所需的胰岛素量。在另一示例中，在时间

由控制器24确定的至少一个药物输送参数可以是（一个或多个）药物剂量，其可以至少部分地管理经由泵12对患者14的药物给药。对于胰岛素和普兰林肽的输送，药物输送参数可以用于计算基础速率或微制剂剂量、（一个或多个）餐制剂剂量。在一个实施例中，提供给泵12的药物输送参数是请求泵输送特定量或体积的药物的控制信号。在一个实施例中，药物输送参数是模拟或数字信号，泵12将其转换成药物的量或体积或泵冲程数。在一些实施例中，药物输送参数是与基础胰岛素剂量或基础胰岛素曲线的当前值的偏差。偏差可以是胰岛素的量或体积或基础胰岛素剂量的百分比。因此，系统10可以在闭环设置中操作，该设置在初始启动后需要来自患者14的极少或无交互来实现血糖控制。

术语生理葡萄糖在本文中指的是身体中葡萄糖的测量浓度。在一些实施例中，生理葡萄糖可以是血液中葡萄糖（其也可以称为血糖）的浓度。在其它实施例中，生理葡萄糖可以是血浆中葡萄糖（其可以被称为血浆葡萄糖）的浓度。血浆葡萄糖的测量值通常比血糖高10%到12%，因为在血浆葡糖糖确定中已经移除了血液的血细胞。血浆葡萄糖和血糖之间的关系取决于血球比容计，并且可能从患者到患者且随时间的推移而变化。生理葡萄糖，在本文中缩写为PG，可以通过测量间质液中的葡萄糖浓度来间接测量，所述间质液被称为间质葡萄糖并且缩写为IG。

在说明性实施例中，系统10可以将胰岛素作为基础输送或制剂输送供应给身体。基础输送是以患者所需的基础速率连续输送胰岛素和普兰林肽，以将患者血液中的葡萄糖水平保持在所期望的水平。药物输送设备12可以以微剂量或基础剂量提供基础输送，随后是平均达到基础速率的零流量的时段。在一个示例中，胰岛素输送设备以固定间隔供应基础剂量，并且基础剂量等于期望的基础速率乘以间隔的持续时间。偶尔，由于活动（诸如进餐或影响用户的新陈代谢的活动）的改变，用户可能需要较大量的胰岛素。这种较大量的胰岛素在本文中被称为餐制剂。餐制剂是特定量的胰岛素和普兰林肽，其一般在短时间段内供应。药物输送设备12的性质可能需要在一段时间内作为胰岛素和普兰林肽的连续流输送制剂，或者在一段时间内作为一系列较小的、离散的胰岛素和普兰林肽体积供应的输送制剂。餐制剂促进维持葡萄糖水平，因为消化系统向血流供应大量葡萄糖。

MMPC算法

多模型预测控制器（MMPC）包括控制器24的控制逻辑，所述控制器24执行将多个状态向量及其模型与模型预测控制算法相组合的人工胰腺算法。MMPC通过传播多个状态向量并选择最匹配过去数据的状态向量及其模型，为控制器24添加了对身体和环境改变的改进的适应性。然后，控制器24使用所选择的状态向量及其模型来确定要输送给患者的胰岛素和普兰林肽的下一个基础速率或基础剂量，以便实现期望的生理葡萄糖水平。在某些实施例中，控制器24确定胰岛素的基础速率、基础剂量或制剂剂量，其连同普兰林肽一起以固定比率输送。多状态向量及其模型的使用改进了算法对新陈代谢、消化、活动或其它改变的响应性。

MMPC使用模型、葡萄糖数据和具有卡尔曼滤波器的协方差矩阵在每个时间间隔传播每个状态向量。在一些实施例中，MMPC在一个时间段内保持每个状态向量的先前值，并且当每个状态向量被传播以生成每个状态向量的最新值时，每个状态向量的最旧值被重写。在一些实施例中，仅每个状态向量的最新值存储在存储器中。每个状态向量均与唯一的模型和唯一的协方差矩阵相关联。MMPC基于间质葡萄糖（IG）的状态变量与过去一个时段内IG的测量值多好地匹配而选择最好状态向量及其模型。然后，MMPC在模型预测控制器中使用所选择的状态向量及其模型，其中MMPC将所选择的状态向量传播出去到预测范围，从而随时间的推移生成生理葡萄糖值的预测集。在对应时间的预测葡萄糖值集在本文中被称为预测轨迹。MMPC使用生理葡萄糖轨迹和目标函数来确定具有一个或多个对胰岛素值的限制的最佳胰岛素（与普兰林肽共输送）轨迹。

在一些实施例中，最佳胰岛素轨迹是与基础胰岛素或基础曲线有偏差的轨迹，本文中称为基础偏差轨迹。在这些实施例中，输送到身体的胰岛素量是预定义基础胰岛素加上从胰岛素轨迹所确定的最佳基础偏差。在这些实施例中，模型不包括基础胰岛素输入或内源性葡萄糖产生。而是，模型和目标函数考虑的是身体对餐和高于或低于预定义基础胰岛素率的胰岛素水平的响应。

初步胰岛素速率、剂量或最佳基础偏差取自第一时间间隔的胰岛素轨迹值。在将速率或剂量请求传递给输送设备之前，MMPC可以限制该初步胰岛素速率、剂量或最佳基础偏差。在其中最佳胰岛素轨迹是与基础曲线的偏差的实施例中，剂量请求是有限基础偏差加上基础曲线的和。然后，在框110A中，将有限的胰岛素速率、有限的剂量或有限的基础偏差反馈到多个状态向量中作为胰岛素输入，以用于确定下一个间隔处的胰岛素速率或剂量。示例MMPC从UI 20接收用户数据，并且从CGM 22接收葡萄糖浓度数据，并且确定泵12输送给患者14的药物量。

图3、4描绘了MMPC算法100的代表性框图，所述MMPC算法100定期接收IG数据，使用一个或多个状态模型来确定最佳胰岛素剂量，并且在重复该过程之前向胰岛素泵12传输对应的剂量请求。在框105A中，MMPC算法100从放置在患者的身体上的连续葡萄糖监测器或其它葡萄糖测量设备接收间质葡萄糖（IG）的测量。在框110A中，MMPC算法100传播每个状态向量，其包括使用其相关联的模型来传播每个状态向量，使用来自框105A的IG数据用卡尔曼滤波器对状态向量进行滤波，并且将餐碳水化合物和餐制剂添加到状态向量以产生更新的状态向量。

在一些实施例中，MMPC算法100遵循通过在框120中确定最佳基础偏差来接收葡萄糖数据105A和传播状态向量110A的步骤。在其它实施例中，在框120中计算最佳基础偏差之前，在框105B和110B中重复接收葡萄糖数据和传播状态向量的步骤。接收IG数据105A或接收葡萄糖数据105B，并且以等于模型更新时段（τ

注射时段（τ

框120确定与基础曲线的最佳偏差以控制患者的生理葡萄糖，并且框135请求泵12基于最佳偏差和基础曲线向患者输送新的胰岛素基础速率或剂量。在框120中，MMPC算法100选择在过去给定时间段内具有估计葡萄糖数据的确定最好记录的状态向量和模型。另外，在框120中，MMPC算法100使用模型预测算法中的所选择的状态向量和模型来确定下一个最佳基础偏差。下一个最佳基础偏差的确定可以包括来自框115的用户数据。与基础曲线的最佳偏差可以传递到框130，其中最佳偏差可以由一个或多个规则来限制，即，如果最佳基础偏差超过胰岛素阈值，则偏差值改变为胰岛素阈值。框130中的胰岛素阈值或限制可以是由所选择的状态向量估计的生理葡萄糖的预定义值或预确定函数。然后，框130的有限基础偏差被传递到框135，其中从有限基础偏差和基础曲线的和确定胰岛素剂量请求。在框135处，MMPC算法100将胰岛素剂量请求传输到泵12，并且将胰岛素剂量值传递到框110A，以包括在下一个状态向量的传播中。泵12经由输注器18向患者输送所请求的胰岛素剂量。

图4还图示了确定最佳基础偏差的示例性框120。在框126中，评估传播状态向量和对应状态向量，以识别在前述时间段内最匹配测量的IG数据的状态向量和模型。在一些实施例中，将测量的IG数据与固定历史时段内状态向量的对应IG值进行比较，以确定状态向量和葡萄糖数据之间的最好匹配。在一些实施例中，状态向量和葡萄糖数据之间的最好匹配基于测量的IG数据和状态向量的对应IG值之间的平方差的和。在该实施例中，平方差随时间的推移以指数衰减的权重求和。本文中，IG的对应估计指的是IG数据时状态向量中的IG值。

在一些实施例中，当接收到葡萄糖数据时，在每个更新间隔（τ

在框127中，MMPC算法100确定生理葡萄糖关于时间的当前微分（dPG/dt）。在MMPC算法100的一些实施例中，使用生理葡萄糖的改变率来设置胰岛素输送的限制、确定餐制剂、确定胰高血糖素制剂等。生理葡萄糖的改变率（dPG/dt）可以由若干种方法来确定。在一些实施例中，dPG/dt基于生理葡萄糖的最近的若干（例如，三个）估计（PG

在框128中，所选择的状态向量及其模型用于预测从当前超时到预测范围的PG水平（PG

在框122中，生理葡萄糖目标（PG

在框124中，为从当前时间到预测范围的未来时段确定最佳基础偏差。在一些实施例中，最佳基础偏差是相对于基础曲线的最佳胰岛素轨迹。在其它实施例中，最佳基础偏差仅仅是最佳胰岛素轨迹。最佳基础偏差或最佳胰岛素轨迹是在可能的胰岛素或偏差值具有一个或多个限制的情况下使一个或多个目标函数最小化的轨迹。在一些实施例中，目标函数对未来时段内的预测生理葡萄糖值和目标葡萄糖值之间的差求和。在一些实施例中，目标函数还可以对未来时段内的基础偏差或胰岛素剂量求和。在一些实施例中，所求和的值可以基于离进餐的时间而被不同地加权。代价函数和加权取决于一个或多个以下值，包括但不限于进餐后的时间、进餐量和锻炼水平。第一注射时段104的基础胰岛素或胰岛素轨迹可以作为速率或量传递到框130，其中所述速率或量可以基于估计的生理葡萄糖、生理葡萄糖的改变率和/或泵12过去的胰岛素输送来限制。

模型

模型包括由控制逻辑执行的线性差分方程集，所述控制逻辑计算患者的身体中的生理或血清葡萄糖（PG）以及间质葡萄糖的水平。在一些实施例中，该模型包括八个隔室，其跟踪胰岛素、碳水化合物和葡萄糖在身体内的移动和持续。在一些实施例中，模型考虑葡萄糖的外部来源（碳水化合物）和不同于基础曲线的胰岛素水平。在这些实施例中，框124的优化步骤中的模型输出是与基础胰岛素曲线的最佳基础偏差（δ

胰岛素、碳水化合物和葡萄糖的移动和持续可能由若干模型参数驱动。所计算的PG值可以用于确定可以输送给患者的下一次胰岛素微制剂、胰高血糖素制剂和/或餐制剂。可以将所计算的IG与测量的IG进行比较。MMPC算法100可以包括状态向量的大集合，每个状态向量具有带模型参数的唯一组合的模型。

模型参数可以包括但不限于胰岛素敏感性（S

示例性模型200可以表示为相互作用的八个隔室，如图5中所示出的。胰岛素在身体中从皮下输注部位到血流的存储和移动可以被建模为连接到血液隔室220的两个皮下隔室210、215。胰岛素微制剂可以被添加到第一皮下室或隔室210，并且然后在被运输到血液室或隔室220之前被运输到第二皮下室或隔室215。胰岛素在隔室之间的建模运输可以部分地由胰岛素时间常数（k

仍然参考图5，碳水化合物通过胃到血流的运输可以建模为连接到第二碳水化合物室235的第一碳水化合物室230，所述第二碳水化合物室235连接到血液室220。本文中描述了向第一和第二碳水化合物隔室添加碳水化合物。隔室230、235之间的碳水化合物的建模运输可以部分地由进餐作用时间（k

仍然参考图5，餐制剂胰岛素从皮下输注部位到血流的存储和移动可以被建模为连接到血液隔室220的两个餐制剂隔室240、245。餐制剂可以被添加到第一和第二餐制剂室或隔室240、245，从第一制剂室240运输到第二制剂室245，并且然后运输到血液隔室220。胰岛素在隔室之间的建模运输可以部分地由胰岛素时间常数（k

仍然参考图5，血液室或隔室220对微制剂胰岛素、碳水化合物和餐制剂胰岛素向血流中的运输进行建模，以及胰岛素和碳水化合物对生理葡萄糖浓度的效果。建模的生理葡萄糖浓度可以由先前的生理葡萄糖值、胰岛素敏感性（S

当连续葡萄糖监测器（CGM）测量葡萄糖浓度时，皮下葡萄糖隔室225对葡萄糖从血流隔室220到皮肤下的间质组织的运输进行建模。血液隔室220和皮下隔室225之间的建模的葡萄糖运输可以部分地由传感器常数（k

图5中所描述的示例模型也可以由以下线性差分方程集来描述：

每个状态向量均与唯一的模型相关联，所述模型包括方程，但具有唯一的常数集。

继续参考图5，八个隔室中胰岛素、碳水化合物和葡萄糖的浓度可以描述为状态向量x(t)，其中x(t)具有以下分量：x

上面的状态空间方程可以写为矩阵方程：

其中x(t)是时间t时的状态向量，而x(t+τ)是τ分钟后的状态向量，A

图5中所描述的模型和方程1描述了MMPC算法中模型的示例性实施例。在其它实施例中，模型隔室的数量可以少于或多于八个。在一个实施例中，使用包括一个胰岛素隔室和一个碳水化合物隔室的最小模型，其中每个隔室连接到生理葡萄糖室。该最小模型可以由标记为方程1A的更简单的方程集来描述：

在其它实施例中，可以为与基础胰岛素分开建模的制剂胰岛素添加另一隔室，并且制剂胰岛素隔室连接到生理葡萄糖隔室。在仍然其它实施例中，可以添加隔室来对间质液中的胰岛素进行建模，其中该隔室连接到生理葡萄糖隔室。

传播状态向量

图6图示了在MMPC算法100中将每个状态向量x(t)传播到状态向量x(t+τ)的示例性示意性表示。将每个状态向量x(t)传播到状态向量x(t+τ)开始于使用与状态向量相关联的状态模型和框145中的方程2将每个状态向量x

在说明性实施例中，MMPC算法100使用以下参数列表中的一个或多个来初始化多个状态向量，所述参数列表包括但不限于当前时间、IG的估计、每日总胰岛素剂量（TDD）、每日总基础剂量（TBD）、基础模式、过去四小时的进餐历史、过去四小时的胰岛素制剂历史以及胰岛素与碳水化合物的比率（ICR）。MMPC算法100用间质葡萄糖值和生理葡萄糖值的IG的估计来初始化状态向量。碳水化合物和制剂胰岛素值从进餐历史和胰岛素制剂历史以及下面描述的类似方程3-6来确定。

参考图6，初步状态向量x

协方差矩阵P(t)的示例在图7中表示为矩阵300。对角线项310列出了时间t时状态向量中状态变量的不确定度。非对角线项在本文中被称为交叉相关项或交叉项。交叉项列出了一个状态变量的不确定度对其它状态变量的影响。在一个示例中，第一隔室中碳水化合物的不确定度（第一碳水化合物状态变量）是第四行第四列的元素σC1，以及第二隔室中碳水化合物的不确定度（第二碳水化合物状态变量）是第五行第五列的元素σC2。第四和第五行320以及第四和第五列330中的非对角线元素是碳水化合物不确定度对其它身体向量值的不确定度的影响，所述其它身体向量值包括IG、PG、皮下隔室1和2中的胰岛素以及制剂隔室1和2中的胰岛素。Q(t)协方差矩阵是对角线矩阵，其中每个状态变量的初始不确定度沿着对角线310，并且对于所有交叉项为零。除了当MMPC算法100可以改变一个或多个值时响应于餐的改变以外，Q(t)矩阵是恒定的，如下面所解释的。

在框155中，每个协方差矩阵P(t)按照方程3针对更新间隔来推进：

其中A

其中C是单位转换矩阵，而R是葡萄糖测量的不确定度。经滤波的状态向量x

其中IG(t)是初步状态向量x

在一些实施例中，对称对角线协方差矩阵Q(t)具有对角线葡萄糖项σIG、σPG和皮下胰岛素项σI1、σI2的葡萄糖和皮下胰岛素的误差的标准偏差的估计。如果平均进餐时间大于预确定时间，则碳水化合物（σC1、σC2）和制剂胰岛素（σIB1、σIB2）的协方差矩阵Q(t)中的对角线项为零。平均进餐时间是过去预确定时间内进餐的加权平均值，其中每个进餐时间由该餐消耗的碳水化合物量加权。在另一实施例中，如果在最近的预定义时段中没有进餐，则Q(t)协方差矩阵中的碳水化合物和制剂胰岛素项为零。在另一实施例中，如果在最终预定义分钟数中没有发生大于预定义量的碳水化合物的进餐，则在Q协方差矩阵中的碳水化合物和制剂胰岛素项为零。碳水化合物的示例性预定义量是5克，并且示例性预定义时间是120分钟，尽管可以实现其它合适的阈值。

在设置Q(t)矩阵的对角线值的一个示例中，状态变量中误差的估计标准偏差是估计胰岛素需求（I

在一个实施例中，当在过去的预确定时间段内已经消耗了预确定量的餐时，碳水化合物（σC1、σC2）和制剂胰岛素（σIB1 σIB2）的Q(t)矩阵中的对角线项被设置为碳水化合物（C1、C2）和制剂胰岛素（I

在一个示例中，当碳水化合物隔室中的碳水化合物的和超过阈值（例如，5克）并且平均进餐时间在低阈值（例如，40分钟）和高阈值（例如，210分钟）之间时，碳水化合物和制剂胰岛素的不确定度的对角线项被设置为非零值。在一个实施例中，平均进餐时间是过去210分钟中进餐的加权平均值，其中每个进餐时间由该餐消耗的碳水化合物量来加权。

在一个实施例中，当餐在预确定时间量内尚未被消耗时，协方差矩阵P和Q中的所有碳水化合物和制剂胰岛素项被改变为零。现在参考图7，碳水化合物术语指的是与术语σC1、σC2和术语σC1、σC2（320，330）对齐的P矩阵300中的元素。类似地，协方差矩阵P中的制剂胰岛素项是与制剂胰岛素项σIB1、σIB2和项σIB1、σIB2对齐的项。Q矩阵中的碳水化合物和制剂胰岛素项是碳水化合物和制剂胰岛素状态变量的不确定度的对角线项。在一个实施例中，当在预定义时间段内尚未进餐时，所有的碳水化合物和制剂胰岛素项在P和Q矩阵二者中被设置为零。在一个实施例中，预定义时间段是210分钟。当在预定义时间窗口内已经消耗少于预确定量的碳水化合物时，将协方差矩阵P、Q中的餐和制剂胰岛素值设置为零可以增加改进模型稳定性的可能性。

滤波状态变量的限制

再次参考图6，框160可以包括一个或多个校正，所述一个或多个校正限制或修剪从将卡尔曼滤波器和葡萄糖数据应用于初步状态向量而得到的经滤波的状态向量x

在一些实施例中，MMPC算法100限制碳水化合物和制剂胰岛素的初步或未滤波的状态变量以及卡尔曼滤波状态变量之间的差。在一些示例中，如果经滤波的状态向量中的碳水化合物的和大于未滤波的状态向量中的碳水化合物的和的第一预确定因子，则碳水化合物的滤波值减小，使得它们的和等于第二预确定因子和未滤波的碳水化合物和的乘积。在一个示例中，第一和第二预确定因子相等。

在一些实施例中，如果经滤波的状态向量值中的制剂胰岛素的和小于未经滤波的状态向量中的制剂胰岛素的和的第一预确定分数，则制剂胰岛素的经滤波的值将增加，使得它们的和等于未经滤波的制剂胰岛素值的和的第二预确定分数。在一个示例中，第一和第二预确定分数相等。

然后，可能已经用上面所描述的卡尔曼滤波器校正的多个经滤波的状态向量x

其中碳水化合物比率是单位转换因子，其将碳水化合物的克转换成每升碳水化合物的浓度，例如，mmol/L或μmol/L，△t是餐和当前计算的时间之间的时间，而餐碳水化合物是餐中碳水化合物的量。

胰岛素的餐制剂的效果可以按照以下方程直接添加到经校正的更新状态向量（I

其中，△t是制剂输注和当前计算的时间之间的时间，而制剂是确定用于补偿方程7、9的变量餐碳水化合物中添加的碳水化合物的胰岛素的量。在一些实施例中，制剂的值可能不等于由泵输送的制剂，而是从添加到模型的碳水化合物隔间的碳水化合物的量来计算。在一些实施例中，使用从添加到模型的碳水化合物计算的制剂可以改进模型稳定性，并且改进对未来生理葡萄糖值的预测。在一些实施例中，制剂值基于餐碳水化合物和估计的胰岛素基础需求计算为，

在一些实施例中，框165通过增加生理葡萄糖（PG）的值来进一步校正状态向量x(t+τ)，以反映由于胰高血糖素制剂的输送而导致的葡萄糖的出现。PG值的校正由以下方程定义：

其中N是先前胰高血糖素制剂的数量，u

确定最佳基础胰岛素偏差

现在参考图4，框120中的MMPC算法100可以通过从CGM数据选择最匹配过去间质葡萄糖数据（IG

在框126中，MMPC算法100选择在历史时段内最匹配葡萄糖数据或IG

在一个实施例中，性能值是平方误差的加权和，其中加权是指数衰减函数，其给予更近的数据更多的权重。在一个实施例中，每个模型

其中

在框126中，MMPC算法100可以选择具有最低当前值性能值Pj(t)的状态向量和模型，并且将所选择的状态向量和模型传递到框128。

在一些实施例中，在进餐时间之后，在框126中考虑状态向量的子集，以识别与过去的IG数据的最佳匹配。在一些实施例中，所考虑的状态向量的子集仅包含其模型具有相对较快的胰岛素吸收值的那些状态向量。与具有相对较慢的胰岛素吸收时间的模型相关联的状态向量被排除在考虑之外，以确定与过去IG数据最好拟合的状态向量。在一些实施例中，MMPC算法100将框126中考虑的状态向量限制为与胰岛素吸收时间小于第一胰岛素吸收阈值的模型相关联的状态向量。示例性第一胰岛素吸收阈值大约为一小时或其它合适的阈值。

框128中的MMPC算法100使用与所选择的状态向量相关联的模型将框126中选择的状态向量推进到预测范围之外，以预测生理葡萄糖浓度PG(t)。从当前时间到预测范围的时段在本文中称为预测时段。在一些实施例中，所选择的状态向量在没有餐输入和没有餐胰岛素制剂发生的稳定状态状况下推进。在一些实施例中，假设基础胰岛素剂量，所选择的状态向量被推进。基础胰岛素剂量可以是零基础偏差、基础曲线或恒定基础剂量。在优选的实施例中，假设在预测时段期间零基础偏差、没有餐且没有胰岛素制剂，所选择的状态向量被推进。框128将所得到的预测生理葡萄糖浓度值

在框124中，示例MMPC算法100在预测时段内假设没有餐，确定与基础曲线的最佳偏差。与基础曲线的最佳偏差可以是预测时段内使目标函数最小化的一系列胰岛素剂量偏差。在一些实施例中，目标函数包括预测时段内每个时间步长的加权平方葡萄糖差。葡萄糖差是目标葡萄糖值和预测的生理葡萄糖状态变量的值之间的差。目标函数还可以包括预测时段内每个时间步长的加权平方胰岛素基础偏差（δ

其中K

优化过程中对胰岛素偏差的限制

上面的代价函数的最小化还受到对胰岛素偏差

其中I

在一些实施例中，最大基础剂量I

在一些实施例中，上面的代价函数的最小化还受到对胰岛素偏差

存在多种数值算法来发现最佳胰岛素偏差命令集{

胰岛素术语

MMPC算法100使用多个胰岛素值，所述多个胰岛素值可以在术语胰岛素需求下分组。在一些实施例中，胰岛素需求是由患者或临床医生在UI 20处输入的数据。在另一实施例中，胰岛素需求数据可以存储在UI 20、控制器24或泵12上的存储器中。胰岛素需求可包括单个值或基础曲线。在一些实施例中，胰岛素需求数据包括以下胰岛素值中的一个或多个：每日总胰岛素剂量（TDD）；总基础剂量（TBD）；基础剂量（I

开环基础速率I

估计的胰岛素基础需求I

每日总胰岛素剂量（TDD）和每日总基础胰岛素（TDB）可以是常数，或者可以在使用期间更新。在一个实施例中，TDD和TDB是预确定值。在另一实施例中，由用户或临床医生在用户接口处输入TDD和TDB，或者直接传送给控制器24。在另一实施例中，由控制器更新TDD，以平均在过去2周内每天输送的胰岛素。在另一实施例中，控制器24可以将TDB更新为输送的每日基础胰岛素的两周平均值。在另一实施例中，TDD和TDB分别表示过去3天内的每日总胰岛素和总基础胰岛素的平均值。在另一实施例中，TDD和TDB分别表示过去24小时内每日总胰岛素和总基础胰岛素的平均值。

目标葡萄糖

如上面所描述的，由控制器实现的框124（图4）中的说明性MMPC算法100当确定与基础曲线的最佳偏差时使用目标生理葡萄糖值（PG

现在参考图4中所描绘的框120，可以在框122中确定葡萄糖目标，并将其提供给框124，然后所述框124可以如上面所描述的确定与基础曲线的最佳偏差。框122从框115接收进餐和锻炼输入数据，并且可以更改目标生理葡萄糖值。作为在框120中确定基础曲线的最佳偏差的一部分，标称目标葡萄糖值可以从其标称值进行调整。示例性标称目标葡萄糖值为5-6mmol/L，尽管也可以实施其它合适的值和范围（例如，5-5.5mmol/L）。在一些实施例中，如果当MMPC算法100正在框120中确定基础曲线的最佳偏差时，如果患者14已经宣布锻炼并且还没有结束锻炼，则可以调整目标葡萄糖值。在其它实施例中，如果锻炼时段在当前时间的预定义时间内已经发生了预确定时段，则可以针对锻炼修改目标葡萄糖值。在一些实施例中，如果患者14已经在确定最佳基础偏差的预定义时段内宣布进餐，则进餐数据可以更改目标生理葡萄糖值。

锻炼宣布可以将生理葡萄糖目标值从预设置值或标称值修改为锻炼目标值。在一些实施例中，锻炼目标值可以处于预设置或标称目标值，或者大于预设置或标称目标值大约3mmol/L。在一些实施例中，预设置或标称目标值可以处于或大约6mmol/L，并且锻炼目标值可以处于或大约9mmol/L。

餐宣布或餐数据可以被输入到公式，该公式基于与餐的接近度来增加目标值。该公式可以被布置为使得该餐在时间紧密接近餐上对目标值具有更大的影响。随着餐消耗的时间的增加，目标值可能在较小程度上更改。在某个预定义时间段已经消逝之后，餐输入数据在确定任何目标值调整上可能不再有影响，并且可以使用预设置或标称目标值。进餐事件对目标生理葡萄糖值的影响可以随时间的推移以线性方式改变（例如，减小）。

在设置生理葡萄糖目标值之后，可以基于生理葡萄糖目标来施行多个检查。在一些实例中，这些检查可能导致葡萄糖目标值（PG

胰岛素限制检查

在状态向量已经被传播并且在框120中已经确定了与基础曲线的最佳偏差之后，控制器24可以在图3的框130中将与基础曲线的最佳偏差与一个或多个胰岛素限制进行比较或检查。在一些实施例中，可以使用多个准则。基于所选择的状态向量的生理葡萄糖或生理葡萄糖的改变率，可以更改与基础曲线的最佳偏差（δ

图8描绘了详述可以被执行以确定与基础曲线的最佳偏差是否需要更改的多个示例动作的示例流程图1200。在框1206中，控制器24将与基础曲线的最佳基础偏差与第一准则或第一限制检查进行比较。如果在框1208中，比较指示基于第一胰岛素限制检查不需要修改，则在框1212中，可以将最佳基础偏差与下一次胰岛素限制检查进行比较。如果在框1208中，比较指示最佳基础偏差需要改变，则在框1210中，最佳基础偏差可以改变为更新基础偏差。然后，在框1212中，控制器24可以将更新基础偏差与下一次胰岛素限制检查进行比较。

如果在框1214中，比较指示最佳或更新基础偏差需要更改，则在框1216中，基础偏差可以被更新为更新基础偏差。在框1216中的修改之后，或者如果在框1214中，比较指示基于胰岛素限制检查不需要修改，则可以在框1218中确定是否已经完成了所有的胰岛素限制检查。如果在框1220中，所有胰岛素限制检查都尚未完成，则控制器24可以返回到框1212并施行下一次胰岛素限制检查。这可以重复进行，直到控制器24已经进行了“n”次胰岛素限制检查。在一些实施例中，“n”可以高达或等于6。如果在框1220中，所有胰岛素限制检查已经完成，则最佳基础偏差或更新基础偏差可以作为检查基础偏差提供给泵12，并且泵12可以向患者14给微制剂量的药物。

方程15-17图示了可以应用于图3的框130中的示例性胰岛素限制检查。在一个实施例中，方程15–17顺序地应用于由框120产生的最佳基础偏差。其它实施例可以包括对基础胰岛素偏差的以下限制中的一些或全部。这些胰岛素限制被应用于在图3和4的框120中产生的胰岛素基础曲线的最佳偏差或最佳基础偏差（δ

为了使MMPC算法100不对称地响应于以不同于基础速率的速率输送胰岛素的请求，在一个实施例中，胰岛素限制框130通过增加负基础偏差的幅度并使正基础偏差不改变来将来自基础胰岛素或基础曲线的改变偏向较低的剂量。例如，如果来自框120的最佳基础偏差为负，则最佳基础偏差的幅度可以按照方程15进一步增加：

其中F1是大于1的值。如果最佳基础偏差为正，则最佳基础偏差不会改变。在增加最佳基础偏差的幅度之后，如果需要，则控制器24施行下一次胰岛素限制检查。

在一些实施例中，当生理葡萄糖高时，MMPC算法100确保最小的胰岛素输送。在一些实施例中，当所选择的状态向量的估计生理葡萄糖超过预确定高葡萄糖阈值时，控制器24将最佳基础偏差限制为大于或等于零。将最佳基础偏差保持在零或以上会导致输送的胰岛素大于或等于基础曲线。在一个示例中，按照方程16基于高葡萄糖阈值来限制基础偏差：

其中PG

在一些实施例中，当生理葡萄糖低时，MMPC算法100限制胰岛素输送。在一些实施例中，当所选择的状态向量的生理葡萄糖小于预确定低生理葡萄糖阈值时，控制器24将最佳基础偏差限制为小于或等于第一预确定低值。

在一些实施例中，当生理葡萄糖低且正在下降时，MMPC算法100进一步限制胰岛素输送。在一些实施例中，当所选择的状态向量的生理葡萄糖小于预确定的低生理葡萄糖阈值并随时间减小时，控制器24将最佳基础偏差限制为小于或等于第二预确定低值。第二预确定低值可以小于第一预确定低值。

在一些实施例中，当生理葡萄糖非常低时，MMPC算法100进一步限制胰岛素输送。在一些实施例中，当所选择的状态向量的生理葡萄糖小于第二预确定低生理葡萄糖阈值时，控制器24将最佳基础偏差限制为小于或等于第三预确定低值。

在一些实施例中，MMPC算法100通过在预确定时段低胰岛素剂量之后供应最小水平的胰岛素来确保在相对长的时间尺度上最小的胰岛素输送。在一些实施例中，当预定义时间段内的平均胰岛素剂量低于预定义剂量阈值时，控制器24将胰岛素剂量限制为等于或大于最小剂量。控制器24可以通过在预定义时段内对MMPC算法100在图3的框135中请求的胰岛素剂量进行平均来确定平均输送的胰岛素剂量。在一些实施例中，预定义时段大约两小时。输送的胰岛素阈值可以是小正值。在一些实施例中，输送的胰岛素阈值被设定处于或大约每小时0.05单位胰岛素。

在一些实施例中，当在预定义时间段内平均输送的胰岛素剂量小于输送的胰岛素阈值时，可以通过将最佳基础偏差限制为等于或大于第一预确定阈值来确保最小长期输送。在一个实施例中，第一预确定阈值为零，因此输送的胰岛素将至少等于基础曲线。在一个实施例中，在方程17中描述该胰岛素限制：

其中，I

胰高血糖素的闭环控制

在一些实施例中，系统10可以包括多个药物储存器16。例如，一个药物储存器16可以包括胰岛素，以及另一储存器可以包括胰高血糖素。使用来自CGM 22的数据，胰高血糖素可以连同胰岛素一起以闭环方式输送给患者14。在一些系统中，除了胰岛素之外，胰高血糖素的给药可以帮助进一步增加患者14处于正常血糖状态的时间量。

对患者14的胰高血糖素输送可以由多个预定义胰高血糖素规则控制，所述规则可以取决于实施例而变化。在一些实施例中，在给定的一天中被分配以输送给患者14的胰高血糖素制剂的量可以是以下因素中的一个或多个的函数，包括但不限于：最近的餐、锻炼、生理葡萄糖浓度、葡萄糖浓度的改变率、基础胰岛素数据以及体内胰岛素（IOB）的估计。在一些实施例中，如果用户指示锻炼，则胰高血糖素制剂可以增加。在一些实施例中，胰高血糖素剂量可以在锻炼期间增加。在一些实施例中，胰高血糖素制剂可以被设置为零或在餐后一个时段内取消。在一个实施例中，餐后120分钟内胰高血糖素制剂被设置为零。

在一些实施例中，仅当生理葡萄糖的改变率（dPG/dt）小于葡萄糖速率阈值（R

胰高血糖素制剂（Gln

在一些实施例中，胰高血糖素可以进一步或替代地由控制器24基于图9的流程图1440中所图示的示例性方法来控制。在框170中，控制器24可以基于从框115接收到的关于进餐和锻炼的用户数据、所选择的状态向量126中的生理葡萄糖的当前估计（图4）、以及来自框127的生理葡萄糖的改变率（dPG/dt）来确定所请求的胰高血糖素的制剂体积。在框1420中，控制器24检查在预定义时间段（τ

在下面描述如果-那么-否则逻辑（例如，框1430-1468）和胰高血糖素制剂修改1470。在框1430中，将葡萄糖输入（G

在框1448中，如果葡萄糖输入（G

在框1450的第一功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第一速率阈值（R

在框1452中，如果葡萄糖输入（G

在框1454的第二功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第二速率阈值（R

在框1456中，如果葡萄糖输入（G

在框1458的第三功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第三速率阈值（R

在框1460中，如果葡萄糖输入（G

在框1462的第四功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第四速率阈值（R

在框1464中，如果葡萄糖输入（G

在框1466的第五功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第五速率阈值（R

在框1468的第六功能中，基于葡萄糖的改变率（dPG/dt）来确定胰高血糖素制剂。如果葡萄糖的改变率大于第六速率阈值（R

在所图示的实施例中，主要葡萄糖阈值大于第一葡萄糖阈值，第一葡萄糖阈值大于第二葡萄糖阈值，第二葡萄糖阈值大于第三葡萄糖阈值，第三葡萄糖阈值大于第四葡萄糖阈值，以及第四葡萄糖阈值大于第五葡萄糖阈值。

在框1470中，由第一功能直至第六功能中的一个在框1450-1468中的一个中确定的胰高血糖素制剂可以基于身体中的活性胰岛素和估计的基础胰岛素需求（I

餐制剂

现在参考图10中所示出的流程图700，当确定要在餐制剂中输送给患者14的药物（例如，胰岛素）的量以在餐期间和之后将生理葡萄糖浓度维持在期望的水平或范围时，可以应用各种逻辑规则。在框702中，接收当前生理葡萄糖（PG）浓度浓度和餐数据。在框704中，控制器24可以至少确定生理葡萄糖浓度的改变率（

在一个实施例中，生理葡萄糖浓度值直接由CGM 22提供。在一些实施例中，生理葡萄糖浓度是如上面关于图4中的框126所描述的所选择的状态向量的当前生理葡萄糖浓度。在另一实施例中，餐制剂算法使用由CGM 22从葡萄糖测量估计的生理葡萄糖值。

现在参考图1-2，当确定餐制剂时，系统10可以用来自葡萄糖传感器22和UI 20中的至少一个的输入来确定餐制剂量。餐制剂的初步值可以是餐的碳水化合物含量除以胰岛素与碳水化合物的比率。可以基于由控制器24确定的生理葡萄糖值来衰减餐制剂的初步值。餐的碳水化合物含量可以在UI 20处明确输入，或者可以由控制器24从在UI 20处供应的餐数据推断出来。胰岛素与碳水化合物的比率可以在UI 20处输入和/或存储在可由控制器24读取的存储器中。餐的碳水化合物含量可以由用户输入，作为用户的定性判断。例如，用户可以经由系统10的UI 20来指示餐量。在一些实施例中，餐量可以从多个类别中选择，诸如但不限于：小、中、大或小吃。

再次参考图10中的流程图700，可以从餐的碳水化合物含量（CHO）、胰岛素与碳水化合物的比率（ICR）以及衰减因子来计算餐制剂（BOL

餐制剂算法可以与较大餐不同地衰减小餐的餐制剂。例如，如果餐的碳水化合物含量被估计为高于碳水化合物阈值（C

继续该示例，如果碳水化合物含量被估计为小于相同的碳水化合物阈值，则餐制剂计算可以被更改为：

餐制剂的方程（方程19）通过衰减因子（A

衰减因子A

表一：衰减因子值

在一些实施例中，控制器24可以根据生理葡萄糖（PG）值和生理葡萄糖值的改变率（dPG/dt）的线性插值集来确定衰减因子。生理葡萄糖可以是由CGM和/或从所选择的状态向量确定的估计生理葡萄糖（PG）（图3中的框126）。生理葡萄糖的改变率（dPG/dt）可以以若干方式确定。在一些实施例中，PG的改变率是60*(PG(t)-PG(t-dt))/dt，其中dt是20分钟，以及dPG/dt具有mmol/L/hr的单位。

在示例中，餐衰减（A

现在参考图10，在框712中，可以基于每日总胰岛素剂量（TDD）来限制来自框708的衰减餐制剂（BOL

除了在框708中确定的餐制剂（BOL

校正制剂（Bol

胰岛素和普兰林肽制剂输送

如上所述，与仅输送胰岛素相比，胰岛素和普兰林肽的共输送可以改进葡萄糖控制并降低患者的葡萄糖可变性。

在某些实施例中，控制器24包含控制逻辑，该控制逻辑计算用于输送胰岛素和普兰林肽的制剂输送计划。可以使用上面所描述的各种方法来计算制剂。制剂输送计划可以随着时间的推移分散制剂的输送。例如，制剂输送计划可以包括初始制剂输送量，随后是一个或多个延迟的制剂输送量。以延迟的制剂输送量输送一部分制剂可以降低胃肠症状和早期餐后低血糖的风险。

在某些实施例中，制剂输送计划包括初始制剂输送量，随后是第二制剂输送量，其随后是第三制剂输送量，所述三者的和可以包括总的计算餐制剂，如上面所描述的。初始制剂输送量可以在进餐时输送，而第二和第三制剂输送量可以分别在输送初始制剂量之后的10分钟和20分钟输送。在某些实施例中，制剂输送被计划彼此间隔5-15分钟。

控制器24可以至少部分基于患者的餐前葡萄糖水平来计算初始制剂输送量和延迟制剂输送量的相对量。例如，基于患者的餐前葡萄糖水平，总制剂可以以不同的百分比分布在各种制剂输送中。餐前葡萄糖水平可以与一个或多个阈值（例如，上限阈值和下限阈值）进行比较来确定总制剂的分布。

作为一个示例，如果餐前葡萄糖高于上限阈值（例如，8mmol/L），则初始制剂输送量可以大于延迟制剂输送量。使用该示例，初始制剂输送量可以使用总计算制剂的75%，并且延迟制剂输送量将使用总计算制剂的剩余25%。延迟制剂输送量可以在两个延迟制剂之间分割，使得在输送初始制剂输送量10分钟之后输送的第二制剂输送量是总计算制剂的12.5%，并且在输送第二制剂输送量10分钟之后输送的第三制剂输送量也是总计算制剂的12.5%。当餐前葡萄糖相对高（例如，高于上限阈值）时，延迟制剂输送量可以帮助降低胃肠症状的风险。

作为另一示例，如果餐前葡萄糖低于上限阈值并且高于下限阈值（例如，6mmol/L），则初始制剂输送量可以大体上等于延迟制剂输送量。使用该示例，初始制剂输送量可以使用总计算制剂的50%，并且延迟制剂输送量将使用总计算制剂的剩余50%。延迟制剂输送量可以在两个延迟制剂之间分割，使得在输送初始制剂输送量之后10分钟输送的第二制剂输送量是总计算制剂的25%，并且在输送第二制剂输送量之后10分钟输送的第三制剂输送量也是总计算制剂的25%。当餐前葡萄糖在目标范围内时，延迟制剂输送量可以帮助降低早期餐后低血糖的风险。

作为另一示例，如果餐前葡萄糖低于下限阈值，则初始制剂输送量可以小于或等于延迟制剂输送量。使用该示例，初始制剂输送量可以使用总计算制剂的25–50%，并且延迟制剂输送量将使用总计算制剂的剩余50–75%。分配给延迟制剂输送量的百分比可以计算如下：最小(0.75*(10-PG)/6,0.75)*总制剂；其中PG是餐前葡萄糖水平。这样，延迟制剂输送量至少部分取决于餐前葡萄糖水平，并且随着餐前葡萄糖水平的下降而逐渐增加，直到达到4mmol/L。延迟制剂输送量可以在大体上彼此相等的延迟制剂之间分割。

上面所描述的任何示例的延迟制剂输送量也可能受餐碳水化合物含量的影响。例如，如果餐碳水化合物含量（餐_CHO）小于阈值（例如，30-50克CHO，诸如40克CHO），则延迟制剂输送量可以修改如下：延迟制剂输送量*最大((餐_CHO - 20)/20,0)。这里，当总计算制剂小时，低血糖和胃肠症状的风险低，因此不需要延迟制剂的输送。随着餐碳水化合物含量的减少，分配给延迟制剂输送量的百分比也减少。

如上面所描述的，制剂输送计划用于确定要输送多少胰岛素和普兰林肽以及何时输送。在某些实施例中，胰岛素和普兰林肽作为共制剂输送。在其它实施例中，胰岛素和普兰林肽通过共享或分开的输注器分开输送。在任一情况下，胰岛素和普兰林肽可以以诸如5-7μg/u（例如，5μg/u、5.5μg/u、6μg/u、6.5μg/u、7μg/u）之类的固定比率输送。在某些实施方案中，胰高血糖素也与胰岛素和普兰林肽共输送。

图11-15示出了可以用系统10执行以控制患者中葡萄糖的方法的示例性流程图。图11的方法2100包括接收葡萄糖数据（图11中的框2102）并且至少部分地基于所接收的葡萄糖数据来计算制剂输送计划（图11中的框2104），其包括初始制剂输送量和延迟制剂输送量。

图12的方法2200包括使用一个或多个控制器，通过执行多个模型来执行多模型预测控制器算法，所述多个模型中的每个模型包括具有值集的多个模型参数（图12中的框2202）；使用一个或多个控制器，选择多个执行模型中的一个（图12中的框2204）；以及使用一个或多个控制器，至少部分基于所选择的执行模型来确定包括胰岛素和普兰林肽的第一药物剂量（图12中的框2206）。

图13的方法2300包括使用一个或多个控制器，通过及时传播多个状态向量来执行多模型预测控制器算法（图13中的框2302）；使用一个或多个控制器，选择多个传播状态向量中的一个（图13中的框2304）；以及使用一个或多个控制器，至少部分基于所选择的传播状态向量来确定包括胰岛素和普兰林肽的药物剂量（图13中的框2306）。

图14的方法2400包括在控制器处接收基础胰岛素剂量、餐数据和胰岛素与碳水化合物的比率（图14中的框2402）；估计患者中的活性胰岛素，该患者中的活性胰岛素不包括基础胰岛素剂量；部分基于葡萄糖浓度来估计患者的生理葡萄糖和生理葡萄糖的改变率（图14中的框2404）；从餐数据确定餐碳水化合物值（图14中的框2406）；基于估计的生理葡萄糖和生理葡萄糖的改变率来确定衰减因子（图14中的框2408）；基于餐数据、胰岛素与碳水化合物的比率和衰减因子来确定包括胰岛素和普兰林肽的餐制剂（图14中的框2410）；以及基于患者中的活性胰岛素来修改餐制剂（图14中的框2412）。

图15的方法2500包括以下步骤：将葡萄糖浓度、基础胰岛素剂量和餐数据传输到控制器（图15中的框2502）；估计患者中的活性胰岛素，该患者中的活性胰岛素不包括基础胰岛素剂量（图15中的框2504）；部分基于葡萄糖浓度来估计患者的生理葡萄糖和生理葡萄糖的改变率（图15中的框2506）；从餐数据确定餐碳水化合物值（图15中的框2508）；基于估计的生理葡萄糖和生理葡萄糖的改变率来确定衰减因子（图15中的框2510）；基于餐数据、胰岛素-碳水化合物的比率和衰减因子来确定包括胰岛素和普兰林肽的餐制剂（图15中的框2512）。当餐碳水化合物值高于预确定餐碳水化合物阈值时，餐制剂与餐碳水化合物值成比例地衰减。对于等于或小于预确定餐碳水化合物阈值的餐碳水化合物值，餐制剂与预确定餐碳水化合物阈值成比例地衰减。

在不脱离本公开的情况下，本领域技术人员可以设计各种替代和修改。特别地，尽管本公开使用基于模型的控制器来最终确定并向患者输送适当量的胰岛素，但是本公开的特征可以应用于其它类型的控制算法（例如，比例-积分-微分（PID）控制算法、模糊逻辑控制算法等）。

因此，本公开意图包含所有这样的替代、修改和变型。此外，虽然本公开的若干实施例已经在附图中图示和/或在本文中讨论，但是这并不意图本公开限于此，因为这意图本公开在本领域将允许的范围内是广泛的，并且说明书同样被阅读。因此，上面的描述不应被解释为限制性的，而仅仅是特定实施例的范例。

另外，术语“第一”、“第二”、“第三”等，无论是在说明书中还是在权利要求书中使用，都是为了区分相似的元件，而不一定是为了描述顺序或按时间顺序的次序而提供。应当理解，如此使用的术语在适当的情况下是可互换的（除非另外明确公开），并且本文中所描述的本公开的实施例能够以本文中所描述的或图示的其它顺序和/或布置来操作。