Upload
jean-charlier
View
103
Download
1
Embed Size (px)
Citation preview
DIAdvisor 1
Dr. Fabien Chauchard ([email protected])Jordanne Lallemand Yakhya Diop
OndalysZ.A. Les Baronnes385 Avenue des Baronnes34 730 Prades le Lez
Prediction de la glycémie dans le sang par Spectroscopie résolue spatialement :
Premiers résultats
DIAdvisor 2
Plan
1-Introduction -a Ondalys -b Projet DIADvisor -c Stratégie
2-Materiel et méthodes -a Materiel -b Données -c Modélisation
3-Résultats et discussion Résultats Futurs travaux
4-Conclusion
DIAdvisor 3
1 Introduction
DIAdvisor 4
Ondalys1 a
Analyse de données instrumentales (CHIMIOMETRIE) Instruments : Spectroscopie Vis-NIR, fluorescence, LIBS,
Spectroscopie de Masse,Imagerie … Domaines : agriculture, pétrochimie, pharmacie
Analyse en composante principale Variance = information
Multivariate curve resolution Contraintes : spectres purs, concentration
Parallel Factor Analysis Signaux 2D ou plus
Partial Least Square regression Modélisation supervisée
DIAdvisor
Exemple 1
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
1 a
Variation du contraste, Oxygenation autofluorescence des tissus
DIAdvisor
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.
1 a
DIAdvisor
Projet DIADvisor1 b
180mg/dl
80mg/dl
Temps
Gly
cém
ie
300mg/dl
?
DIAdvisor
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)
Stratégie / Objectif1 c
DIAdvisor
1 c Stratégie / Objectif
600 650 700 750 800 850 900 950 1000 10500.3
0.4
0.5
0.6
0.7
0.8
0.9
1
600 650 700 750 800 850 900 950 1000 10500
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
20 40
50
100
150
200
250
300
350
Simulation MonteCarlo
Objectif de l’applicationGlycémie
ChimiométrieApprentissage
DIAdvisor 10
Stratégie / problématique1 c
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 11
Stratégie1 c
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 12
2 Materiel et Méthode
DIAdvisor 13
Mesures in-vivo2 a
Utilisation de moules en silicones pour chaque patient.
DIAdvisor
Mesures in-vivo
Mesures réalisée au CIC 30 patients (résultats présenté pour un seul patient),
Diabetes type 1,type2, Homme et femme 20-60ans Stylo à insuline /pompe à insuline
Hospitalisation : 3 jours Mesure de référence par Hémocue :
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
2 a
DIAdvisor 15
Données Visible/PIR2 b
0 500 1000 1500 2000 2500-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Wavelength (nm)
Rel
ativ
e ab
sorb
ance
Silicium sensor InGAS sensor InGAS sensor II
200400
600800
1000 12
34
0
0.2
0.4
0.6
0.8
1
1.2
1.4
position (mm)Wavelength (nm)
rela
tive
abso
rban
ceLe spectromètre utilisé était un ASD 300-2500nm (3 capteurs)4 positions spatiales de mesures SRS= signal 2D
DIAdvisor 16
Modelisation2 c
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 17
3 Résultats
DIAdvisor 18
Modèle3 b
Raw prediction
8 9 10 11 12 13 14 15 16 17 180
50
100
150
200
250
300
temps en heure
pre
dic
tion
gly
cém
iqu
e (
mg
/dl)
estimationréférence
0 50 100 150 200 250 300 350 4000
50
100
150
200
250
300
350
400
Reference Concentration [mg/dl]
Con
cent
raci
on P
redi
cha
[mg/
dl]
Clarke's Error Grid Analysis
A
D
E C
C E
D
B
B
A :80.7500B: 12.2500C 0D : 7.0000E : 0
Etalonnage sur la demi journée
DIAdvisor
0 50 100 150 200 250 300 350 4000
50
100
150
200
250
300
350
400
Reference Concentration [mg/dl]
Con
cent
raci
on P
redi
cha
[mg/
dl]
Clarke's Error Grid Analysis
A
D
E C
C E
D
B
B
A= 49.5000B= 36.3750C= 0.2500D= 13.8750E= 0
8 10 12 14 16 18 20 22 240
50
100
150
200
250
300
Etalonnage sur les deux demi journées
3 b
DIAdvisor
Décalage du modèle3 b
100 150 200 250 300
100
150
200
250
300
Measured values
Pre
dict
ed v
alue
s
R2 = 0.20 ; Bias = -4.44 ; SEPC = 45.47
64 65 66 67 68 69 70 71
100
150
200
250
300
DIAdvisor
Variation des coefficient de regression du modèle
Incertitude à cause de la variabilité des y et du métabolisme
0 100 200 300 400 500 600 700-1000
-800
-600
-400
-200
0
200
400
600
pixel
3 b
x
b
b
b?
DIAdvisor
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
3 b
DIAdvisor 23
4 Conclusion
DIAdvisor
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
4