 |
Stochastic models for next generation accurate model-based glycemic control in intensive care: from all new models and methods to clinical validation
|
Help 
Print 
|
Here you can view and search the projects funded by NKFI since 2004
Back »
|
| |
Details of project |
|
|
| Identifier |
116574 |
| Type |
K |
| Principal investigator |
Benyó, Balázs |
| Title in Hungarian |
Sztochasztikus modellek kidolgozása intenzív terápiában alkalmazható új generációs modell alapú szoros vércukor szabályozási módszerhez: új modellektől és módszerektől a klinikai validációig |
| Title in English |
Stochastic models for next generation accurate model-based glycemic control in intensive care: from all new models and methods to clinical validation |
| Keywords in Hungarian |
intenzív terápia, fiziológiás rendszerek modellezése, vércukor szabályozás, modell alapú orvosi módszerek, sztochasztikus differenciál egyenletek, b-spline |
| Keywords in English |
intensive care, physiological model based methods in medicine, glycemic control, feeding regime, mechanical ventilation, stochastic differential equations, b-spline |
| Discipline |
| Automation and Computer Science (Council of Physical Sciences) | 80 % | | Ortelius classification: Automation | | Public health, health services, environmental and occupational medicine, epidemiology, medical ethics
(Council of Medical and Biological Sciences) | 20 % | | Ortelius classification: Intensive care |
|
| Panel |
Informatics and Electrical Engineering |
| Department or equivalent |
Department of Control Engineering and Information Technology (Budapest University of Technology and Economics) |
| Participants |
Benyó, Zoltán
Hesz, Gábor
Homlok, József
Paláncz, Béla
Szabó, Bálint
Szilágyi, László
Szlávecz, Ákos
Vilmosné Marton, Anna
|
| Starting date |
2015-11-01 |
| Closing date |
2021-10-31 |
| Funding (in million HUF) |
27.786 |
| FTE (full time equivalent) |
17.41 |
| state |
closed project |
Summary in Hungarian A kutatás összefoglalója, célkitűzései szakemberek számára
Itt írja le a kutatás fő célkitűzéseit a témában jártas szakember számára.
Az intenzív ellátás az egyik legtöbb kihívásokat támasztó területe az egészségügynek. A társadalom elöregedése, a szív és érrendszeri megbetegedések a cukorbetegség terjedése, valamint az ellátásban alkalmazott módszerek fejlődése miatt ez egyre növekvő terhet ró az egészségügyi ellátórendszerre. Jelenleg az intenzív ellátás a teljes betegellátásra fordított költségek 10-15%-át, és a GDP 1-1,5%-át teszi ki a nyugati társadalmakban.
Vércukor szabályozás az intenzív ellátásban érintett betegek 35-50%-át érinti, vagyis az intenzív ellátás egyik legfontosabb része. A szoros vércukor szabályozási protokollok alkalmazásával csökkenthető az elhalálozások száma, az ellátás költsége. Laboratóriumunk részese volt annak a nemzetközi konzorciumnak, mely kidolgozta a bizonyítottan eddig leghatékonyabb szoros vércukor szabályozási protokollt, a STAR-t (Stochastic TARgeted).
Jelen projekt azoknak a modelleknek és módszereknek a kidolgozását célozza meg, melyek ezen protokoll új generációjának megvalósításához szükségesek.
Előzetes kutatási eredmények alapján az valószínűsíthető, hogy folytonos sztochasztikus differenciálegyenletek (SDE) felhasználásával átdolgozott, korábban már validált ICING modell alkalmas a betegek fitológiás állapotának pontos leírására, ami lehetővé teszi a hatékonyabb kezelést.
Projekt célok:
Új generációs SDE alapú modellezési és identifikációs környezet létre hozása:
1. Új SDE alapú modellek és identifikációs módszerek kidolgozása
2. Modellek validációja in silico validációs környezetben
3. Az in silico környezetben a STAR protokoll új változatának kidolgozása és annak magyarországi kórházakban történő validációja
Mi a kutatás alapkérdése?
Ebben a részben írja le röviden, hogy mi a kutatás segítségével megválaszolni kívánt probléma, mi a kutatás kiinduló hipotézise, milyen kérdéseket válaszolnak meg a kísérletek.
A jelenleg használt STAR protokoll a következő módon működik: i) minden vércukor (BG) mérés után meghatározza a beteg állapotát (inzulin érzékenységét (SI)) ii) korábbi betegek adatai alapján felállított valószínűségi modell alapján megbecsüli a jövőbeni állapot szélső értékeit iii) az alternatív kezelési protokollok kimeneteit szimulációval megállapítja és kiválasztja a legjobbat közülük.
Probléma:
3 területen lehet a módszeren javítani.
- Egyenetlen mintavétel hiánya: A STAR 1-3 órás BG mérést igényel, amely ápolás igénye nagy.
- Diszkrét működés: Az SI érték óránkénti meghatározása figyelmen kívül hagyja a fiziológiás paraméter folytonosan változó jellegét és a beteg változékonyság felülbecsléséhez vezet, ami nem optimális kezelést eredményez
- Nem modellezhető változások: Nem egyenletes, a mostaninál ritkább mérések esetén a modell érvényessége megkérdőjelezhető, így nem biztosít megfelelő kezelést.
A megoldáshoz szükséges előrelépések:
Előzetes kutatások azt mutatják, hogy a betegek állapotának becslése folytonos SI profil alkalmazásával a valósághoz közelibb képet ad. Valamilyen folytonos bázis függvény (pl. b-spline) alapján történő SI leírás alkalmazásával, a mérési pontokban mért értékek alapján és folytonos sztochasztikus differenciál egyenletek felhasználásával a valós SI értékek jól közelíthetők.
Összefoglalva: a probléma megoldására folytonos, sztochasztikus megközelítést javaslunk, melyet alkalmazva a már validált ICING modell új változatának kidolgozásához lehetőség nyílna egy új glikémiás protokoll kidolgozására.
Mi a kutatás jelentősége?
Röviden írja le, milyen új perspektívát nyitnak az alapkutatásban az elért eredmények, milyen társadalmi hasznosíthatóságnak teremtik meg a tudományos alapját. Mutassa be, hogy a megpályázott kutatási területen lévő hazai és a nemzetközi versenytársaihoz képest melyek az egyediségei és erősségei a pályázatának!
A sikeres kutatás a következő eredményekre fog vezetni:
A. Sztochasztikus differenciálegyenletekre alapuló (SDE) metabolikus modell:
A kidolgozott modell a vércukorszint nem egyenletes időszakonként történő mérése esetén is lehetővé teszi a betegek állapotának meghatározását és jövőbeni értékeinek becslését.
B. Új generációs virtuális betegekre alapuló validációs modellek és környezet:
A kidolgozott modellek és módszerek, ill. az ezeket megvalósító környezet lehetővé teszi betegek állapotának mérési adatok alapján történő identifikációját és szimulációját, ezáltal a klinikai protokollok biztonságos tervezését és validációját.
C. Validált, új generációs vércukor szabályozási protokoll:
Olyan új klinikai protokollt tervezünk, mely a fenti eredményekre alapulva az eddigieknél biztonságosabb és hatékonyabb kezelését biztosítja az intenzív osztályon kezelt betegeknek.
Ezen kutatási eredmények sikeres megvalósulása további vércukor szabályozási problémák megoldására teremtik meg a lehetőséget. Ilyen a kutatócsoportunk által is kutatott terület a májátültetés alatti szoros vércukor szabályozás, és fiatal (18 év alatti betegek) szigorú vércukor szabályozására szolgáló protokoll definiálása.
Az eredmények társadalmi hasznossága igen nagy, hiszen a kidolgozandó, intenzív betegellátásban alkalmazott szoros vércukor szabályozást lehetővé tevő klinikai protokoll közvetlenül alkalmazható lesz a klinikai gyakorlatban. Az általunk kidolgozandó módszer lehetővé teszi a betegek ápolásához szükséges nővérmunka lényeges csökkentését amellett, hogy az ápolás biztonsága és hatékonysága nem változna.
A kutatás összefoglalója, célkitűzései laikusok számára
Ebben a fejezetben írja le a kutatás fő célkitűzéseit alapműveltséggel rendelkező laikusok számára. Ez az összefoglaló a döntéshozók, a média, illetve az érdeklődők tájékoztatása szempontjából különösen fontos az NKFI Hivatal számára.
Az intenzív ellátás az egyik legtöbb kihívásokat támasztó területe az egészségügynek. A társadalom elöregedése, a szív és érrendszeri megbetegedések a cukorbetegség terjedése, valamint az ellátásban alkalmazott módszerek fejlődése miatt ez egyre növekvő terhet ró az egészségügyi ellátórendszerre. Jelenleg az intenzív ellátás a teljes betegellátásra fordított költségek 10-15%-át, és a GDP 1-1,5%-át teszi ki a nyugati társadalmakban.
Vércukor szabályozás az intenzív ellátásban érintett betegek 35-50%-át érinti, vagyis az intenzív ellátás egyik legfontosabb része. A szoros vércukor szabályozási protokollok alkalmazásával csökkenthető az elhalálozások száma, ill. az ellátás költsége, azonban ennek biztonságos megvalósítása számos kihívás elé állítja a kutatókat és a klinikusokat.
Jelen projekt folytonos sztochasztikus differenciálegyenletek, ill. folytonos bázisfüggvények felhasználásával olyan metabolikus modellek, valamint az ezek alkalmazásához szükséges identifikációs módszerek kidolgozását célozza meg, melyek lehetővé teszik a szoros vércukor szabályozási protokollok új, a korábbiaknál hatékonyabb változatának létrehozását. Az új modellek és módszerek felhasználásával kidolgozandó, intenzív betegellátásban alkalmazott szoros vércukor szabályozást lehetővé tevő klinikai protokoll közvetlenül alkalmazható lesz a klinikai gyakorlatban, lehetővé teszi a betegek ápolásához szükséges nővérmunka lényeges csökkentését anélkül, hogy az ápolás biztonsága és hatékonysága megváltozna.
| Summary Summary of the research and its aims for experts
Describe the major aims of the research for experts.
Intensive care (IC) is one of the most challenging areas of medicine. Aging populations, epidemic growth of cardiovascular disease and diabetes, and increased complexity of care are rapidly increasing economic costs, and IC is thus currently 10-15% of all health-care costs (1-1.5% GDP) in western countries.
Glycemic management affects 35-50% of intensive care unit (ICU) patients and is thus a core therapy in the ICU. Accurate glycemic control (GC) can improve mortality, while reducing cost and effort. Our research lab is the member of the EU funded international consortia implementing the world leading tight GC protocol, called STAR (Stochastic TARgeted), using the clinically validated ICING model of metabolism.
This project will develop next generation of stochastic models of human metabolism and related system identification methods to better capture metabolic variability and thus enable us to offer better outcomes with reduced clinical effort to reduce costs in providing safe, effective GC.
Based on preliminary results we hypothesize: A continuous stochastic differential equation (SDE) based metabolic model, built on the proven, discrete-time ICING model, will provide a more accurate representation of metabolic dynamics, and thus allow better estimation of patient state by which to guide care.
Project Goals: We will create a next-generation SDE model and identification framework to:
1. Create a new SDE model framework and identification method for a continuous SI trace
2. Validate the model and its in silico use in virtual trials
3. Use this environment to design a next-generation STAR protocol, and validate it in pilot trials in Hungarian hospital ICUs
What is the major research question?
Describe here briefly the problem to be solved by the research, the starting hypothesis, and the questions addressed by the experiments.
The current accurate glycemic protocol, STAR, process comprises: i) identifies the patient-specific metabolic state (insulin sensitivity (SI)) after each blood glucose (BG) measure using the ICING model; ii) uses a unique, discrete stochastic model based on historic cohort data to define the range of future variability in metabolic state; iii) calculates the outcome of different treatment options for this range and selects the optimal one.
Problems: There are 3 main issues:
- Irregular: STAR requires regular 1-3 hourly BG measurements, on the hour, increasing workload.
- Discrete: Discrete hourly estimation of SI and its variability ignores the continuous dynamics of human metabolism and results in conservative over-estimation of variability, resulting in conservative, non-optimal care.
- Un-modeled Dynamics: Irregular measurements also stress model validity and accuracy, increasing the risk of sub-optimal care and poor outcome.
What is needed: Recent research shows that a continuous SI profile can be more accurately estimate the patient “real” SI value. What is needed is a means of estimating a continuous profile between discrete points of measurement. More specifically, b-spline, or similar, functions could be used to provide continuity to a stochastic differential equation system model using a stochastic variable to account for the likelihood of the actual, SI trajectory following a specific spline across measured points. This new parameter would “cover” measurement noise and sudden changes that lead to non-physiological SI values.
More simply a continuous, stochastic approach is proposed to enhance a proven model framework and develop better GC protocols.
What is the significance of the research?
Describe the new perspectives opened by the results achieved, including the scientific basics of potential societal applications. Please describe the unique strengths of your proposal in comparison to your domestic and international competitors in the given field.
The research will result in the following main outcomes:
A. Stochastic differential equation (SDE) based metabolic model:
These models will provide more accurate and flexible means of capturing patient state changes including accounting for irregular sampling time and stochastic effects between measurements. The models can be used for identification of the actual patient state and – together with probabilistic distribution function of the state variable – for the prediction of future states.
A. Next generation stochastic virtual patient methods and environment:
The virtual patient environment will enable in silico design of new, more optimal protocols, as well as implementation of decision support at the bedside. It requires the development of the following methods:
- Patient state identification method using the new models;
- New SDE model based patient simulation method.
B. Validated, next generation glycemic control (GC) protocol:
A new SDE model-based clinical protocol will be designed and implemented as a tablet application for clinical use. Clinical outcomes of the application of the new glycemic protocol will prove the efficacy of the treatment.
The resulting models and methods will provide an extensible foundation for GC problems in less acute wards and outpatient diabetes, where irregular sampling intervals and unknown (stochastic) inputs and variability have been observed and make control very difficult. The results will also be applied for modelling and peri-operative control the blood glucose dynamics of liver transplant patients and in the development of new accurate glycemic control protocol of patients under the age of 18, particularly in neonatal ICU where hyperglycemia and model-based methods have shown promise.
Specifically, this research will significantly remodel, extend and clinically validate a proven approach to improving care using advanced stochastic modeling methods. Successful results will have direct clinical impact as STAR is already a standard of care in some Hungarian ICUs.
Summary and aims of the research for the public
Describe here the major aims of the research for an audience with average background information. This summary is especially important for NRDI Office in order to inform decision-makers, media, and others.
Intensive care is one of the most challenging areas of modern medicine. Aging populations, epidemic growth of cardiovascular disease and diabetes, and increased complexity of care are rapidly increasing its economic cost beyond the rate of inflation, and intensive care is thus currently 10-15% of all health-care costs (1-1.5% GDP) in western countries.
Glycemic management affects 35-50% of intensive care unit (ICU) patients, and is thus a core therapy in the ICU. Accurate glycemic control (GC) can improve organ failure and mortality, while reducing costs and effort. However, despite successes, several studies have not been able to repeat these results and instead found severely increased risk of dangerous hypoglycemia (low blood sugar), caused by the extreme metabolic variability found in ICU patients.
Aim: This project will develop next generation of stochastic models of human metabolism and related system identification methods to better capture metabolic variability and thus enable us to offer better outcomes with reduced clinical effort to reduce costs in providing safe, effective GC.
|
|
|
|
|
|
|
|
| |
List of publications |
|
|
| Yahia Anane, Szlávecz Ákos, Knopp Jennifer L., Norfiza Abdul Razak Normy, Abu Samah Asma, Shaw Geoff, Chase J. Geoffrey, Benyo Balazs: Estimating Enhanced Endogenous Glucose Production in Intensive Care Unit Patients with Severe Insulin Resistance, JOURNAL OF DIABETES SCIENCE AND TECHNOLOGY, 2021 | | Szabo Balint, Szlavecz Akos, Palancz Bela, Chase Geoffrey, Benyo Balazs: Comparison of Gated Recurrent Unit vs. Mixture Density Network in Insulin Sensitivity Prediction, IFAC PAPERSONLINE 55: (15) pp. 180-185., 2022 | | Anane Y., Benyó B., Chase J. G.: Clinical application scenarios to handle insulin resistance and high endogenous glucose production for intensive care patients, IFAC PAPERSONLINE 53: (2) pp. 16299-16304., 2020 | | Balint Szabo, Akos Szlavecz, Bela Palancz, Peter Somogyi, Geoff Chase, Balazs Benyo: Behavior Analysis of Sex based Cohorts Using the Toolset of Artificial Intelligence Based Insulin Sensitivity Prediction Methods, IFAC PAPERSONLINE 54: (15) pp. 352-357., 2021 | | Szabo Balint, Chase Geoffrey, Benyo Balazs: Higher Dimensional Insulin Sensitivity Prediction in Intensive Care, In: IEEE, , (szerk.) 2021 IEEE 25th International Conference on Intelligent Engineering Systems (INES), IEEE (2021) pp. 000151-000158., 2021 | | Yahia Anane, Balázs Benyó, J. Geoffrey Chase: Insulin sensitivity and blood glucose levels analysis of Hungarian Intensive Care Patients under model-based control, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology (WAIT) 2021, BME Irányítástechnika és Informatika Tanszék (2021) p. 123., 2021 | | B Benyó, K Stewart, J Homlok, C G Pretty, J G Chase, B Paláncz: Clinical Data Based Validation of the Stochastic Version of ICING Model, In: Ardeshir Guran, Ruth Bars, Balint Kiss (szerk.) (szerk.) Proceedings of the International Symposium on Stability, Vibration, and Control of Machines and Structures (SVCS 2016) . Budapest, Magyarország, 2016.06.16-2016.06.18. Kiadvány: Budapest: 2016. pp. 66-79., 2016 | | Bálint Szabó, Ákos Szlávecz, Béla Paláncz, Geoffrey Chase, Balázs Benyó: In-silico Simulation Based Evaluation of Insulin Prediction Method for Personalized Medical Treatment, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology (WAIT) 2021, BME Irányítástechnika és Informatika Tanszék (2021) p. 145., 2021 | | B Paláncz, C G Pretty, K Stewart, J G Chase, J Homlok, B Benyó: Estimation of the Insulin Sensitivity Profile for the Stochastic Variant of the ICING Model, In: Szakál Anikó (szerk.) (szerk.) 20th IEEE Jubilee International Conference on Intelligent Engineering Systems: INES 2016. Budapest: IEEE Hungary Section, 2016. pp. 171-176., 2016 | | B Paláncz, K Stewart, J Homlok, C G Pretty, J G Chase, B Benyó: Stochastic Simulation and Parameter Estimation of the ICING Model, IFAC-PAPERSONLINE 49: (5) 218-223, 2016 | | D O Kannangara, F Newberry, S Howe, V Major, D Redmond, A Szlavecz, Y S Chiew, C Pretty, B Benyo, G M Shaw, J G Chase: Estimating the True Respiratory Mechanics during Asynchronous Pressure Controlled Ventilation, BIOMED SIGNAL PROCES 30: 70-78, 2016 | | Homlok J, Chase JG, Benyó B: Blood glucose model for liver transplantation: Alteration of physiological parameters, In: Szakál Anikó (szerk.) (szerk.) Proceedings of the11th IEEE International Symposium on Applied Computational Intelligence and Informatics SACI 2016. Budapest: IEEE, 2016. pp. 105-110., 2016 | | J Homlok, Á Szlávecz, K Stewart, A Illyés, J G Chase, B Benyó: The effects of ICU specific nutrition management, as a human factor by using Stochastic Targeted glycaemic control, IFAC-PAPERSONLINE 49: (5) 236-242, 2016 | | Stewart Kent, Pretty Christopher G, Thomas Felicity, Shaw Geoffrey M, Desaive Thomas, Benyo Balazs, Homlok Jozsef, Illyes Attila, Nemedi Noeimi Szabo, Chase J Geoffrey: Generalizability of a Nonlinear Model-based Glycemic Controller, IFAC-PAPERSONLINE 49: (5) 212-217, 2016 | | Stewart KW, Pretty CG, Tomlinson H, Thomas FL, Homlok J, Noemi SN, Illyes A, Shaw GM, Benyo B, Chase JG: Safety, efficacy and clinical generalization of the STAR protocol: a retrospective analysis., ANN INTENSIVE CARE 6: (1) , 2016 | | Vincent Major, Simon Corbett, Daniel Redmond, Alex Beatson, Daniel Glassenbury, Yeong Shiong Chiew, Christopher Pretty, Thomas Desaive, Ákos Szlávecz, Balázs Benyó, Geoffrey M Shaw, J Geoffrey Chase: Respiratory mechanics assessment for reverse-triggered breathing cycles using pressure reconstruction, BIOMED SIGNAL PROCES 23: (1) 1-9, 2016 | | Benyó Balázs, Homlok József, Illyés Attila, Szabó Némedi Noémi, Havas Attila, Blaskovits Anita, Ille Alex, Chris Pretty , Geoffrey M Shaw, J Geoffrey Chase: Intenzív betegellátásban szoros vércukor szabályozási protokoll mellett alkalmazott két különböző táplálási protokoll alkalmazásának összehasonlító elemzése, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 45: (Suppl. 1) 13-14, 2015 | | Benyo Balazs, Tsuzuki Marcos, Simanski Olaf: Introduction, BIOMED SIGNAL PROCES 32: 110-111, 2017 | | A Illyés, N Némedi Szabó, A Havas, B Benyó, J Homlok, J G Chase: Megbízhatunk-e a STAR algoritmus táplálási támogatásában?, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 47: (S2) 12, 2016 | | A Illyés, N Némedi Szabó, A Ille, A Blaskovits, B Benyó, Á Szlávecz, J Homlok, J G Chase, C Pretty, A Havas, Á Z Kovács: A metabolikus terhelhetőséghez igazított táplálási támogatás és szoros glukózkontroll a STAR protokollal, DIABETOLOGIA HUNGARICA 24: (supplementum 1.) 33-34, 2016 | | B Benyó, J Homlok, K Stewart, A Illyés, C Pretty, J G Chase: STAR szoros vércukorszint szabályozási protokoll hatásának elemzése a táplálási célértékek és az ápolási ráfordítás szempontjából, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 47: (S2) 11, 2016 | | B Benyó, Z Kovács-Ábrahám, Á Szlávecz, A Illyés, J G Chase, L Bogár: STAR szoros vércukorszint szabályozási protokoll PTE Aneszteziológiai és Intenzív Terápiás Intézetében történő bevezetését célzó trial elemzése, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 47: (S2) 10, 2016 | | Benyó Balázs: Informatikai technológiák alkalmazása az orvoslásban, HIRADÁSTECHNIKA 71: (HTE INFOKOM 2016) 23-29, 2016 | | Vincent Major, Simon Corbett, Daniel Redmond, Alex Beatson, Daniel Glassenbury, Yeong Shiong Chiew, Christopher Pretty, Thomas Desaive, Ákos Szlávecz, Balázs Benyó, Geoffrey M Shaw, J Geoffrey Chase: Respiratory mechanics assessment for reverse-triggered breathing cycles using pressure reconstruction, BIOMED SIGNAL PROCES 23: (1) 1-9, 2016 | | Balázs Benyó: Model-Based Diagnosticcs and Theraputics in Intensive Care Medicine, In: Ardeshir Guran (szerk.) (szerk.) The International Symposium on Health and Medical Sciences (ISHMS2017) . Yerevan, Örményország, 2017.06.29-2017.06.30. Kiadvány: 2017. Paper K1. , 2017 | | Balázs Benyó, Béla Paláncz, Ákos Szlávecz, Kent Stewart, József Homlok, Christopher G Pretty, J Geoffrey Chase: Noise Characteristics of the Stochastic ICING Model, In: Kiss Bálint, Szirmay-Kalos László (szerk.) (szerk.) Proceedings of the Workshop on the Advances of Information Technology: WAIT 2017. Budapest: BME Irányítástechnika és Informatika Tanszék, 2017. pp. 123-129., 2017 | | Benyó Balázs, Kent W Stewart, Chris Pretty, Szlávecz Ákos, Illyés Attila, Szabó-Némedi Noémi, Geoffrey J Chase, Geoffrey M Shaw: Változó vs. állandó táplálás alkalmazása szoros vércukor szabályozás során: összehasonlító elemzés in silico szimuláció alapján, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 47: (S2) 35, 2017 | | Benyó Balázs, Paláncz Béla, Szlávecz Ákos, Stewart Kent, Homlok József, Pretty Christopher, Chase J Geoffrey: Analysis of Stochastic Noise of Blood-Glucose Dynamics, IFACOL 50: (1) 15722-15727, 2017 | | Benyó Balázs, Vincent Uyttendaele, Jennifer L Dickson, Kent Stewart, Szlávecz Ákos, Illyés Attila, Szabó-Némedi Noémi, Geoffrey M Shaw, Thomas Desaive, Geoffrey J Chase: Intenzív osztályon ápolt túlélő és nem-túlélő betegek összehasonlítása a vércukor szabályozás nehézsége szempontjából, ANESZTEZIOLÓGIA INTENZÍV TERÁPIA 47: (S2) 33-34, 2017 | | Chase J Geoffrey, Benyo Balazs, Cinar Ali, Desaive Thomas, Leonhardt Steffen, Tsuzuki Marcos: Editorial: Modelling and Control in Biological and Medical Systems, CONTROL ENG PRACT 58: 260-261, 2017 | | J L Dickson, K W Stewart, C G Pretty, M Flechet, T Desaive, S Penning, B C Lambermont, B Benyo, G M Shaw, G Chase: Generalisability of a Virtual Trials Method for Glycaemic Control in Intensive Care, IEEE T BIO-MED ENG PP: (99) , 2017 | | B Benyó, K Stewart, J Homlok, C Pretty, J G Chase, B Paláncz: Specific Validation Analysis of Stochastic ICING Model Based Estimation of Insulin Sensitivity Profile Using Clinical Data, In: Szakál A (szerk.) (szerk.) 2016 IEEE International Conference on Systems, Man, and Cybernetics Conference Proceedings: SMC 2016. Budapest: IEEE, 2016. pp. 4317-4324., 2016 | | Chase, J Geoffrey ; Preiser, Jean-Charles ; Dickson, Jennifer L ; Pironet, Antoine ; Chiew, Yeong Shiong ; Pretty, Christopher G ; Shaw, Geoffrey M ; Benyo, Balazs ; Moeller, Knut ; Safaei, Soroush et al.: Next-generation, personalised, model-based critical care medicine: a state-of-the art review of in silico virtual patient models, methods, and cohorts, and how to validat, BIOMEDICAL ENGINEERING ONLINE 17 Paper: 24 , 29 p. (2018), 2018 | | 3. Uyttendaele, Vincent ; Knopp, Jennifer L ; Stewart, Kent W ; Desaive, Thomas ; Benyó, Balázs ; Szabó-Némedi, Noémi ; Illyés, Attila ; Shaw, Geoffrey M ; Chase, J Geoffrey: A 3D insulin sensitivity prediction model enables more patient-specific prediction and model-based glycaemic control, BIOMEDICAL SIGNAL PROCESSING AND CONTROL 46 pp. 192-200. , 9 p. (2018), 2018 | | J L Dickson, K W Stewart, C G Pretty, M Flechet, T Desaive, S Penning, B C Lambermont, B Benyo, G M Shaw, G Chase: Generalisability of a Virtual Trials Method for Glycaemic Control in Intensive Care, IEEE T BIO-MED ENG 65: (7) pp. 1543-1553., 2018 | | Anane Y., Benyó B., Szlávecz Á., Pretty C., G. Chase J.: Endogenous glucose production parameter estimation for intensive care patients, IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 2019 | | Balázs Benyó: In-Silico Analysis of Stochastic Modelling of Human Blood Glucose Regulatory System, In: Szakál, Anikó (szerk.) INES 2019 : IEEE 23nd International Conference on Intelligent Engineering Systems, IEEE (2019) pp. 229-234., 2019 | | Chase J. Geoffrey, Benyo Balazs, Desaive Thomas: Glycemic control in the intensive care unit: A control systems perspective, ANNUAL REVIEWS IN CONTROL, 2019 | | Knopp J L, Signal M, Harris D L, Marics G, Weston P, Harding J, Tóth-Heyn P, Hómlok J, Benyó B, Chase J G: Modelling intestinal glucose absorption in premature infants using continuous glucose monitoring data, COMPUTER METHODS AND PROGRAMS IN BIOMEDICINE 171: pp. 41-51., 2019 | | Szlávecz Á, Hesz G, Benyó B: The use of multi-energy photon emitters in 3D SPECT reconstruction, BIOMEDICAL SIGNAL PROCESSING AND CONTROL 47: pp. 413-423., 2019 | | Uyttendaele Vincent, Knopp Jennifer L, Davidson Shaun, Desaive Thomas, Benyo Balazs, Shaw Geoffrey M, Chase J Geoffrey: 3D kernel-density stochastic model for more personalized glycaemic control: development and in-silico validation, BIOMEDICAL ENGINEERING ONLINE 18: (1) pp. 102-102., 2019 | | Yahia Anane, Balázs Benyó, Ákos Szlávecz, Béla Paláncz, J. Geoffrey Chase: Potential Use of the Stochastic ICING Model in STAR Protocol, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology, (2019) pp. 33-37., 2019 | | ANANE Yahia, PALANCZ Béla, SZLÁVECZ Ákos, KOVÁCS Katalin, CHASE J. Geoffrey, BENYÓ Balázs: Accuracy assessment of stochastic ICING modeling using a representative patient cohort, In: Fülöp, Attila; Iványi, Péter (szerk.) Abstract book for the 14th Miklós Iványi International PhD & DLA Symposium, Pollack Press (2018) pp. 47-48., 2018 | | BB Schweisthal, B Benyó, Á Szlávecz, K Kovács, M Lascu: Extension of a Glycaemic Control Medical Application with New Functions and Ergonomic User Interface Elements, In: ISETC 2018 - Proceedings of the 13th International Symposium on Electronics and Telecommunications, (2018) Schweisthal et al, 2018 | | Benyó Balázs, Kent Stewart, Vincent Uyttendaele, Jennifer L. Dickson, Szlávecz Ákos, Illyés Attila, Szabó-Némedi Noémi, Geoffrey M. Shaw, Thomas Desaive, Geoffrey Chase: Személyre szabott inzulin terápia és táplálás az intenzív ápolásban a kezelési eredmények tükrében, ANESZTEZIOLÓGIA ÉS INTENZÍV TERÁPIA 48: (S1) pp. 19-20., 2018 | | Benyó Balázs, Paláncz Béla, Akos Szlavecz, Stewart Kent, Jozsef Homlok, Pretty Christopher G., Chase J. Geoffrey: Unsupervised Classification based Analysis of the Temporal Pattern of Insulin Sensitivity and Modelling Noise of Patient Groups under Tight Glycemic Control, IFAC PAPERSONLINE 51: (27) pp. 62-67., 2018 | | Benyó Balázs, Szlávecz Ákos, Homlok József, Anane Yahia, Kovács Katalin, Illyés Attila, Chase J. Geoffrey: Személyre szabható inzulin terápia az intenzív ápolásban, In: Bari, Ferenc; Rárosi, Ferenc (szerk.) Orvosi Informatika 2018. A XXXI. Neumann Kollokvium konferencia-kiadványa, Neumann János Számítógép-tudományi Társaság (NJSZT) (2018) pp. 86-92., 2018 | | Chase J Geoffrey, Preiser Jean-Charles, Dickson Jennifer L, Pironet Antoine, Chiew Yeong Shiong, Pretty Christopher G, Shaw Geoffrey M, Benyo Balazs, Moeller Knut, Safaei Soroush, Tawhai Merryn, Hunter Peter, Desaive Thomas: Next-generation, personalised, model-based critical care medicine: a state-of-the art review of in silico virtual patient models, methods, and cohorts, and how to validation them, BIOMEDICAL ENGINEERING ONLINE 17: 24, 2018 | | Uyttendaele Vincent, Knopp Jennifer L, Stewart Kent W, Desaive Thomas, Benyó Balázs, Szabó-Némedi Noémi, Illyés Attila, Shaw Geoffrey M, Chase J Geoffrey: A 3D insulin sensitivity prediction model enables more patient-specific prediction and model-based glycaemic control, BIOMEDICAL SIGNAL PROCESSING AND CONTROL 46: pp. 192-200., 2018 | | Balázs Benyó: Model-Based Diagnosticcs and Theraputics in Intensive Care Medicine, In: Ardeshir, Guran (szerk.) The International Symposium on Health and Medical Sciences (ISHMS2017), (2017) K1, 2017 | | Balázs Benyó, Béla Paláncz, Ákos Szlávecz, Kent Stewart, József Homlok, Christopher G Pretty, J Geoffrey Chase: Noise Characteristics of the Stochastic ICING Model, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology, BME Irányítástechnika és Informatika Tanszék (2017) pp. 123-129., 2017 | | Benyó Balázs, Kent W Stewart, Chris Pretty, Szlávecz Ákos, Illyés Attila, Szabó-Némedi Noémi, Geoffrey J Chase, Geoffrey M Shaw: Változó vs. állandó táplálás alkalmazása szoros vércukor szabályozás során: összehasonlító elemzés in silico szimuláció alapján, ANESZTEZIOLÓGIA ÉS INTENZÍV TERÁPIA 47: (S2) pp. 35-35., 2017 | | Anane Y., Chase J. G., Benyó B.: Clinical application scenarios to handle insulin resistance and high endogenous glucose production for intensive care patients, IFAC PAPERSONLINE, 2020 | | Anane Yahia, Béla Paláncz, Ákos Szlávecz, Katalin Kovács, J. Geoffrey Chase, Balázs Benyó: Accuracy assessment of the stochastic ICING model using representattive patient cohorts, In: Adrienn, Dernóczy-Polyák (szerk.) Kutatási jelentés 2. - Research Report, Universitas-Győr Nonprofit Kft. (2020) pp. 371-385., 2020 | | Balázs Benyó, J. Geoffrey Chase, Knut Möller, Thomas Desaive, Katalin Kovács: Model Based Personalized Medicine in the Intensive Care, In: Adrienn, Dernóczy-Polyák (szerk.) Kutatási jelentés 2. - Research Report, Universitas-Győr Nonprofit Kft. (2020) pp. 357-370., 2020 | | Bálint Szabó, Geoffrey Chase, Béla Paláncz, Ákos Szlávecz, Yahia Anane, Katalin Kovács, Balázs Benyó: Deep Neural Network Based Methods for Predicting Human Insulin Sensitivity in Thight Glycaemic Control, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology 2020, BME VIK Irányítástechnika és Informatika Tanszék (2020) pp. 39-46., 2020 | | Benyó B., Paláncz B., Szlávecz Á., Szabó B., Anane Y., Kovács K., Chase J. G.: Artificial Intelligence Based Insulin Sensitivity Prediction for Personalized Glycaemic Control in Intensive Care, IFAC PAPERSONLINE, 2020 | | Yahia Anane, Balázs Benyó, Ákos Szlávecz, J. Geoffrey Chase: Insulin Resistance In Intensive Care Patients Under Model-Based Glycaemic Control, In: Kiss, Bálint; Szirmay-Kalos, László (szerk.) Proceedings of the Workshop on the Advances of Information Technology 2020, BME VIK Irányítástechnika és Informatika Tanszék (2020) pp. 138-141., 2020 | | Chase J. Geoffrey, Desaive Thomas, Benyo Balazs, Zhou Cong: Preface: Special edition on analysis, modelling and in-silico control in medicine, IFAC Journal of Systems and Control 9: p. 100068., 2019 | | Chase J. Geoffrey, Tsuzuki Marcos de Sales Guerra, Benyó Balázs, Desaive Thomas: Editorial: Special Section on Biological Medical Systems, ANNUAL REVIEWS IN CONTROL 48: pp. 357-358., 2019 | | Yahia Anane, Balázs Benyó, Ákos Szlávecz, Chris Pretty, J. Geoffrey Chase: Endogenous glucose production parameter estimation for intensive care patients, In: IEEE (szerk.) 2019 SCIENTIFIC MEETING ON ELECTRICAL-ELECTRONICS & BIOMEDICAL ENGINEERING AND COMPUTER SCIENCE (EBBT), IEEE (2019) 8741548, 2019 | | Nagy R., Umenhoffer T., Somogyi P., Szlávecz Á., Kubovje A., Laufer B., Szerafin T., Benyó B.: Finite Element Simulation Based Analysis of Valve-sparing Aortic Root Surgery, IFAC PAPERSONLINE, 2020 | | Bálint Szabó, Ákos Szlávecz, Béla Paláncz, Geoffrey Chase, Balázs Benyó: Improved insulin sensitivity prediction method using sex information of the patients, In: Vassányi, István; Fogarassyné, Vathy Ágnes (szerk.) Orvosi informatika. A XXXIV. Neumann Kollokvium konferencia-kiadványa, Neumann János Számítógép-tudományi Társaság (2021) pp. 88-94., 2021 | | Benyó Balázs: IFAC-PapersOnLine, Volume 54, Issue 15, , 2021 | | Chase J. Geoffrey, Zhou Cong, Knopp Jennifer L., Shaw Geoffrey M., Näswall Katharina, Wong Jennifer H K, Malinen Sanna, Moeller Knut, Benyo Balazs, Chiew Yeong Shiong, Desaive Thomas: Digital Twins in Critical Care: What, When, How, Where, Why?, IFAC PAPERSONLINE 54: (15) pp. 310-315., 2021 | | Anane Yahia, Balazs Benyo, J. Geoffrey Chase: Insulin sensitivity and blood glucose level analysis of critically ill patients in their early phase of ICU treatment, In: Bari, Ferenc; Tolnai, József; Rárosi, Ferenc (szerk.) Orvosi Informatika 2020 – A XXXIII. Neumann Kollokvium konferencia kiadványa, Neumann János Számítógép-tudományi Társaság (2020) pp. 157-166., 2020 |
|
|
|
|
|
|
|
|
|
