SAFETY SYSTEM FOR INSULIN DELIVERY ADVISORY ALGORITMS

A closed loop control system for a medical drug delivery device logs historical data such as drug delivered and corresponding physiological parameters such as blood glucose level. On the basis of the logged historical data, the system calculates an estimated event forecast on which basis the system further calculates the necessary, prudent future drug delivery profile in order to counter delay in the closed loop. The estimated event forecast is presented to the user, the user is thereby given the possibility to accept, reject or adjust the event forecast and the corresponding drug delivery profile. Dynamic and adaptive safety limits to the drug delivery and the physiological parameter can be set by the user and will dynamically follow the drug delivery profile and the event forecast and will further optimize based on the learned behavioural pattern of the user. The user can set the safety level as a percentage of deviation to the drug delivery profile. Un système de commande en circuit fermé destiné à un dispositif d'administration de médicaments journalise des données historiques, telles que les médicaments administrés, et les paramètres physiologiques correspondants, comme le taux de glucose dans le sang. Le système se base sur les données historiques journalisées pour calculer une prévision d'événement évaluée, qui sert à son tour à calculer un profil d'administration future, nécessaire et prudente pour la prise de médicament, ce profil étant destiné à neutraliser le retard de la boucle fermée. La prévision d'événement évaluée est ensuite présentée à l'utilisateur, ce qui lui permet d'accepter, de rejeter ou d'ajuster ladite prévision d'événement et le profil d'administration de médicament correspondant. L'utilisateur peut également fixer des limites de sécurité dynamiques et adaptatives pour l'administration de médicament et les paramètres physiologiques. Ces limites suivront de manière dynamique le profil d'administration de médicament ainsi que la prévision d'événement et les optimiseront grâce à l'apprentissage du modèle de comportement de l'utilisateur. Le niveau de sécurité peut être fixé par l'utilisateur sous la forme d'un pourcentage d'écart par rapport au profil d'administration de médicament.