Mô phỏng in-silico:

  + Sử dụng bộ mô hình UVA/Padova gồm 300 bệnh nhân ảo (100 người lớn, 100 trẻ em, 100 thanh thiếu niên)

  + Mô phỏng hàng ngàn giờ để kiểm tra thuật toán điều khiển

• Kiến trúc hệ thống:
•   + Off-line: khởi tạo theo liệu pháp truyền thống (CT), cá nhân hóa theo CR, CF, dữ liệu lâm sàng
•   + Real-time: điều khiển MPC, thích nghi run-to-run, xử lý meal announcement
•   + Continuous-time: tương tác với CGM và bơm insulin mỗi 5–15 phút
•   + Hardware: thiết bị đeo, smartphone, kết nối Bluetooth, 3G/LTE
• Điều khiển MPC:
•   + Mô hình tuyến tính hóa từ mô hình phi tuyến UVA/Padova
•   + Hàm mục tiêu cân bằng giữa glucose và insulin, có thể đối xứng hoặc bất đối xứng
•   + Ràng buộc đầu vào để tránh hạ đường huyết
•   + Có thể dùng giải pháp gần đúng để giảm tải tính toán
• Thích nghi run-to-run:
•   + Điều chỉnh insulin nền và bolus theo dữ liệu ngày trước
•   + Cho phép bệnh nhân can thiệp thủ công khi cần
• Meal announcement:
•   + Bệnh nhân thông báo thời gian và lượng carbs → hệ thống tiêm insulin sớm
•   + Nếu không có thông báo, hệ thống vẫn hoạt động an toàn
• Cảnh báo & an toàn:
•   + Module chẩn đoán phát hiện nguy cơ hạ/hyperglycemia
•   + Tự động ngắt insulin khi cần, cảnh báo âm thanh ban đêm
• Giám sát từ xa:
•   + Giao diện web cho bác sĩ theo dõi bệnh nhân theo thời gian thực
•   + Dữ liệu lưu trữ trên server để phân tích hành vi bệnh nhân
• Thử nghiệm lâm sàng:
•   + Hơn 40.000 giờ thử nghiệm tại nhiều trung tâm (PAD, UVA, SDRI, AMS…)
•   + Từ thử nghiệm nội trú đến ngoại trú và tại nhà
•   + Sử dụng smartphone DiAs để điều khiển và giám sát