Transcript 1 a - DIAdvisor

Prediction de la glycémie dans le sang par
Spectroscopie résolue spatialement :
Premiers résultats
Dr. Fabien Chauchard ([email protected])
Jordanne Lallemand
Yakhya Diop
Ondalys
Z.A. Les Baronnes
385 Avenue des Baronnes
34 730 Prades le Lez
DIAdvisor
1
Plan

1-Introduction




2-Materiel et méthodes




-a Materiel
-b Données
-c Modélisation
3-Résultats et discussion



-a Ondalys
-b Projet DIADvisor
-c Stratégie
Résultats
Futurs travaux
4-Conclusion
DIAdvisor
2
1 Introduction
DIAdvisor
3
1
a
Ondalys



Analyse de données instrumentales (CHIMIOMETRIE)
Instruments : Spectroscopie Vis-NIR, fluorescence, LIBS,
Spectroscopie de Masse,Imagerie …
Domaines : agriculture, pétrochimie, pharmacie

Analyse en composante principale


Multivariate curve resolution


Signaux 2D ou plus
Partial Least Square regression

DIAdvisor
Contraintes : spectres purs, concentration
Parallel Factor Analysis


Variance = information
4
Modélisation supervisée
1
a
Exemple 1
Variation du contraste,
Oxygenation
autofluorescence des
tissus
Chauchard F., Svensson J., Axelsson J.,, Andersson-Engels S. and
Roussel S. (2008). Localization of embbed inclusions using detection
of fluorescence : Feasability study based on simulation data, LS-SVM
modelling and EPO preprocessing. Chemometrics and intelligent
laboratoriy systems (91)-34-42
DIAdvisor
1
a
Exemple 2
Chauchard F., Roger J.M., Bellon-Maurel V., Abrahamsson S.
,Svensson T., Andersson-Engels S. and Svanberg S. (2005).
Madstress : a linear approach for evaluating scattering and absorption
coefficients of samples measured using Time-Resolved Spectroscopy
in reflection. Applied Spectroscopy, 59(10), 1229-1235.
DIAdvisor
Projet DIADvisor
Glycémie
1
b
300mg/dl
?
180mg/dl
80mg/dl
Temps
DIAdvisor
1
c
Stratégie / Objectif



Permettre une estimation de la glycémie à partir d’une
mesure optique in-vivo
Par Spectroscopie résolue spatialement
Suivi de la glycémie pendant 24h
 collaboration Cemagref (Dr Ryad Bendoula)
DIAdvisor
c
1
Stratégie / Objectif
50
100
150
200
Simulation MonteCarlo
250
300
350
20
Chimiométrie
Apprentissage
40
1
15
14
13
0.9
12
11
0.8
10
9
0.7
8
7
0.6
6
5
0.5
4
3
0.4
2
1
0.3
600
650
700
750
800
850
900
950
DIAdvisor
1000
0
1050
Objectif de l’application
Glycémie
1
c
Stratégie / problématique

Au niveau de la spectroscopie :


Les bandes d’absorptions du glucose ne permettent pas une
analyse assez profonde : peau / sang
Correlations
• le glucose modifie le transfert de l’eau des cellules
• Le glucose modifie les propriétés de diffusion de la lumière de l’Hb
• Les phénomènes d’hyperglycémie et hypoglycémie s’accompagnent
de changements physiologiques

Variabilité du métabolisme:


Des paramètres ont des variations rapides et d’autres lentes (battement
cardiaque, hydratation, respiration, oxygénation)  dérives plus ou
moins rapides
Variabilité individuelle:

Les personnes présentent de différences : pression sanguine, battement
cardiaque, une masse graisseuse, système hépathique
DIAdvisor
10
1
c
Stratégie




Mettre en place une procédure d’étalonnage individuelle.
Travailler dans des zones où le rayonnement lumineux interagit
suffisamment profondément pour capter l’information du sang
Utiliser des corrélations types diffusion du sang, mouvement de
l’eau des cellules (pression osmotique) en plus des pics du
glucose
Analyser les effets des paramètres extérieurs et individuel
DIAdvisor
11
2 Materiel et Méthode
DIAdvisor
12
2
a
Mesures in-vivo

Utilisation de moules en silicones pour
chaque patient.
DIAdvisor
13
2
a
Mesures in-vivo


Mesures réalisée au CIC
30 patients (résultats présenté pour un seul patient),





Hospitalisation : 3 jours
Mesure de référence par Hémocue :





Diabetes type 1,type2,
Homme et femme 20-60ans
Stylo à insuline /pompe à insuline
Toutes les 5 minutes à partir du repas
Ensuite toutes les 30 minutes pendant 2 heures
Puis toutes les heures
Toutes les deux heures la nuit
Protocole mis en place par l’équipe du Pr Renard du service
Endocinologie, CHU Montpellier
DIAdvisor
b
2
Données Visible/PIR
0.8
1.4
0.6
Silicium sensor
InGAS sensor
InGAS sensor II
1.2
relative absorbance
0.4
Relative absorbance
0.2
0
-0.2
1
0.8
0.6
0.4
0.2
-0.4
0
200
4
400
-0.6
3
600
2
800
-0.8
1000
0
500
1000
1500
2000
2500
Wavelength (nm)
Wavelength (nm)
1
position (mm)
Le spectromètre utilisé était un ASD 300-2500nm (3 capteurs)
4 positions spatiales de mesures SRS
= signal 2D
DIAdvisor
15
2
c
Modelisation

Méthode de modélisation supervisée :

La PLS (patial Least Squares) a été utilisée :
• PLS : Le modèle est étalonné en utilisant les valeurs de référence autour de la
zone des repas (+-30 minutes). Les hypoglycémies sont prises en compte
dans le modèle.
• Sélection de zones spectrales pour améliorer la robustesse du modèle.
Principe de la PLS
DIAdvisor
16
3 Résultats
DIAdvisor
17
3
b
Modèle
Clarke's Error Grid Analysis
400
E
Etalonnage sur la demi journée
Concentracion Predicha [mg/dl]
300
estimation
référence
250
200
prediction glycémique (mg/dl)
C
B
350
300
B
250
200
150
D
D
100
50
150
A
0
0
50
C
100
150
200
250
300
Reference Concentration [mg/dl]
100
A :80.7500
B: 12.2500
C
0
D : 7.0000
E:
0
50
0
8
9
10
11
12
13
14
15
16
17
18
temps en heure
Raw prediction
DIAdvisor
18
E
350
400
3
b
Clarke's Error Grid Analysis
400
E
300
250
200
Concentracion Predicha [mg/dl]
Etalonnage sur les deux demi journées
B
300
B
250
200
150
D
D
100
50
A
0
0
150
50
C
100
150
200
250
300
Reference Concentration [mg/dl]
E
350
A= 49.5000
B= 36.3750
C= 0.2500
D= 13.8750
E=
0
100
50
0
C
350
8
10
12
DIAdvisor
14
16
18
20
22
24
400
3
b
Décalage du modèle
R2 = 0.20 ; Bias = -4.44 ; SEP C = 45.47
300
300
250
Predicted values
250
200
200
150
150
100
100
100
150
200
Measured values
DIAdvisor
250
300
64
65
66
67
68
69
70
71
3
b

Variation des coefficient de regression du
modèle
600
400
x
200
0
b
-200
?
b
-400
-600
b
-800
-1000
0
100
200
300
400
500
600
700
pixel

Incertitude à cause de la variabilité des y et du métabolisme
DIAdvisor
3
b
Travaux futurs




Analyser les causes des dérives
Mettre en place une procédure de correction au
moment des repas
Fusion des ‘décideurs’
Approche Analytique par simulations 3D éléments
finis pour prédire µa et µs’
Simulations sur cachets pharmaceutiques
Image IRM  modèle pour simulations
DIAdvisor
4 Conclusion
DIAdvisor
23
4
Conclusion





Il existe des corrélations entre le Glucose et le métabolisme
Le pic d’absorption du glucose ne permet pas d’obtenir un
modèle satisfaisant
Une stratégie basée sur les corrélations avec le glucose
demande des points de réajustement (avec une mesure
invasive au moment des repas)
Une meilleure compréhension des effets parasites est
nécessaires
Deux leviers


La modélisation numérique / mathématique
La qualité de la mesure optique
DIAdvisor