🧬 biology

Model Predictive Controller to Regulate Cortisol Levels in Individuals With Adrenal Insufficiency

Dit artikel stelt een Model Predictive Controller (MPC) voor, geïntegreerd met een nieuw wiskundig model van de hypothalamus-hypofyse-bijnieras (HPA-as), om te dienen als een virtuele assistent voor artsen, waardoor de optimalisatie van cortisolvervangende therapie voor patiënten met primaire of secundaire bijnierinsufficiëntie mogelijk wordt terwijl strikte doseringsbeperkingen worden nageleefd.

Oorspronkelijke auteurs: Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

Gepubliceerd 2026-07-13

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Renuka Joshi, Nayana Saha, Vittal Srinivasan, Stanislaw H. Zak, Cary N. Mariash

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je voor dat je lichaam een kleine, superintelligente thermostaat in je hersenen heeft die een speciaal "stresshormoon" genaamd cortisol regelt. Dit hormoon is als de noodbrandstof van het lichaam; het helpt je om stress te verwerken, je energie op peil te houden en infecties te bestrijden. Bij een gezond persoon werkt deze thermostaat volgens een natuurlijk dagritme, waarbij er 's ochtends meer brandstof wordt gepompt om je wakker te maken en 's avonds minder zodat je kunt slapen.

Maar bij mensen met een aandoening genaamd Bijnierinsufficiëntie (AI) is dit systeem kapot. Het is alsof de oven in hun huis is gestopt met werken. Ze kunnen zelf geen cortisol aanmaken, dus moeten ze dit via een pil (hydrocortison) binnenkrijgen om te overleven. Het grote probleem? Uitzoeken precies hoeveel ze moeten nemen en wanneer, is lastig. Als ze te weinig nemen, voelen ze zich zwak en ziek. Als ze te veel nemen, kan dat gevaarlijk zijn.

Op dit moment volgen artsen meestal een "vast schema" om veilig te spelen. Ze kunnen bijvoorbeeld zeggen: "Neem 12 mg om 8:00 uur, 4 mg om 14:00 uur en 4 mg om 20:00 uur." De auteurs van dit artikel hebben computersimulaties uitgevoerd om te zien hoe goed dit vaste schema werkt. Ze ontdekten dat het de hormoonspiegels weliswaar in de juiste buurt brengt, maar dat het niet perfect is. Het is als het rijden in een auto met cruise control ingesteld op één enkele snelheid; je komt er wel, maar de auto past zich niet aan als de weg steil of vlak wordt.

Het Nieuwe Idee: Een "Virtuele Co-piloot"

Om het beter te doen, hebben de onderzoekers een nieuwe, supergedetailleerde wiskundige kaart gemaakt van hoe het stresssysteem van het lichaam werkt. Deze kaart bevat het dagritme (de circadiane klok) en hoe het lichaam van nature probeert de productie van cortisol te stoppen wanneer er te veel aanwezig is.

Met behulp van deze kaart hebben ze een "Model Predictive Controller" (MPC) ontworpen. Denk aan deze MPC als een slimme, virtuele co-piloot voor de arts. In plaats van alleen maar een vast schema te raden, kijkt deze co-piloot constant vooruit. Hij vraagt: "Als ik nu deze dosis geef, hoe zien de hormoonspiegels er dan over een uur uit? Over twee uur? Worden ze te hoog of te laag?"

De co-piloot berekent vervolgens de perfecte dosis om de niveaus precies goed te houden, maar hij heeft strikte regels waar hij zich aan moet houden:

Geen negatieve doses: Je kunt geen "min" pillen slikken.
Geen overdosis: Hij zal geen dosis voorstellen die te hoog is (de limiet is zo ingesteld dat de patiënt niet ziek wordt van te veel cortisol).
Echte pillen: Omdat je bij de apotheek geen pil van 5,45 mg kunt kopen, rondt de co-piloot de getallen af naar de dichtstbijzijnde 5 mg (zoals 5 mg, 10 mg of 15 mg) en houdt hij zich aan de gebruikelijke tijden: 8:00 uur, 14:00 uur en 20:00 uur.

Wat de Simulatiesen lieten Zien

Het team heeft deze virtuele co-piloot getest op twee verschillende soorten defecte stresssystemen:

Primaire AI: De bijnieren (de oven) zijn volledig kapot.
Secundaire AI: De thermostaat in de hersenen (de hypothalamus en de hypofyse) is kapot, waardoor deze de klieren nooit vertelt om te werken.

In hun computersimulaties was de MPC in staat om de hormoonspiegels perfect te laten aansluiten op een "doelwit". Of het doelwit nu een rechte lijn was of een golvende lijn die het natuurlijke dag-nachtritme nabootst, de controller paste de doses aan om dit nauwgezet te volgen.

Wanneer ze het systeem bijvoorbeeld de opdracht gaven om te streven naar een cortisolspiegel van 10 µg/dL of 15 µg/dL, berekende de controller de exacte mix van pillen die nodig was om daar te komen zonder er overheen te schieten. Zelfs toen ze probeerden een veranderende dag na te bootsen met een golvende "sinusgolf"-doelstelling, paste de controller zich aan, hoewel er een kleine vertraging optrad (een kleine "faseverschuiving")—wat normaal is voor de manier waarop het lichaam reageert.

De Kern van het Verhaal

Het artikel beweert niet dat dit een genezing is of dat het al op echte mensen is getest. In plaats daarvan laten de auteurs zien dat, in hun simulaties, deze slimme, regelvolgende virtuele assistent een veel betere baan kan doen dan de oude methode met het "vaste schema". Het bewijst dat het mogelijk is om wiskunde te gebruiken om een persoonlijk, optimaal plan te maken voor het innemen van cortisol.

De onderzoekers suggereren dat de volgende stap zou zijn om de wiskunde aan te passen zodat deze bij specifieke patiënten past en vervolgens te testen op echte gegevens. Maar voor nu laat deze studie zien dat een slimme, virtuele co-piloot op een dag artsen kan helpen bij het voorschrijven van de perfecte dosis cortisol, om patiënten veilig en gezond te houden.

Technische Samenvatting: Model Predictive Controller voor het reguleren van cortisolniveaus bij individuen met bijnierinsufficiëntie

Probleemstelling
Bijnierinsufficiëntie (AI), of hypocortisolisme, is een aandoening die wordt gekenmerkt door het onvermogen van de bijnieren om voldoende cortisol te produceren, een hormoon dat cruciaal is voor het reguleren van stress, metabolisme en immuunreacties. AI manifesteert zich in twee primaire vormen: primaire AI (bijnieraandoening) en secundaire AI (hypothalamus-hypofyse-stoornis). Hoewel AI niet genezen kan worden, wordt het beheerd via cortisolvervangende therapie, meestal bestaande uit vaste doses hydrocortison (HC). Echter, standaard strategieën met vaste doses zijn vaak suboptimaal; ze houden geen rekening met de complexe, niet-lineaire dynamiek van de hypothalamus-hypofyse-bijnier-as (HPA-as), inclus\nclusief endogene circadiane ritmes en feedbackmechanismen. Bov�ftendien brengen zowel overdosing als onderdosering aanzienlijke gezondheidsrisico's met zich mee, waarbij studies aangeven dat een hogere vervangende therapie correleert met een verhoogde mortaliteit. De uitdaging ligt in het ontwikkelen van een behandelstrategie die strikt voldoet aan doseringsbeperkingen terwijl cortisolniveaus dynamisch binnen een gezonde range worden gereguleerd.

Methodologie
De auteurs stellen een nieuw wiskundig kader voor dat geavanceerde modellering combineert met Model Predictive Control (MPC) om te dienen als een virtuele assistent voor artsen.

Wiskundige Modellering van de HPA-as:
De studie construeert een niet-lineair differentiaalvergelingsmodel van de HPA-as dat drie sleutelcomponenten integreert:
- Het structurele model van Andersen et al. (2013), dat rekening houdt met glucocorticoïd- en mineralocorticoïdreceptoren en de groottebeperkingen van de klier.
- De endogene circadiane ritmefunctie $C(t)$ van Bangsgaard en Ottesen (2017), die de dagelijkse variatie in hormoonafgifte modelleert.
- Sterke negatieve feedbackmechanismen van cortisol naar Corticotropine-Releasing Hormone (CRH), zoals gesuggereerd door Sriram et al. (2012), om AI-condities accuraat te simuleren.
  Het model definieert drie toestandsvariabelen: CRH-concentratie ( $x_1$ ), ACTH-concentratie ( $x_2$ ) en cortisolconcentratie ( $x_3$ ). Een inputvariabele $u$ vertegenwoordigt de exogene cortisolvervangende therapie. Het model is afzonderlijk geparametriseerd voor primaire en secundaire AI, met specifieke waarden voor stimulatiesnelheden en depletiesnelheden afgeleid uit de literatuur.
Open-Loop Validatie:
Voordat de controle werd geïmplementeerd, werd het model gevalideerd met een open-loop simulatie van de standaard klinische praktijk. Vaste dagelijkse doses hydrocortison (20 mg en 25 mg), verdeeld over drie toedieningen (60% ochtend, 20% middag, 20% avond), werden op het model toegepast. Deze simulaties bevestigden dat hoewel vaste dosering het cortisol naar normale bereiken kon tillen, dit resulteerde in niet-optimale trajecten en de fysiologische nuances van de HPA-as niet volledig repliceerde.
Model Predictive Control (MPC) Ontwerp:
Om optimale regulatie te bereiken, ontwierpen de auteurs een MPC-controller.
- Linearisatie en Discretisatie: Het niet-lineaire HPA-model werd gelineariseerd rond een evenwichtstoestand (waar $u=0$ ) en gediscretiseerd met een zero-order hold met een bemonsteringsinterval van 1 uur.
- Controller Configuratie: De MPC werd geconfigureerd met een voorspellingshorizon ( $N_p$ ) van 10 uur en een controlehorizon ( $N_c$ ) van 4 uur. Het maakt gebruik van een Kalman-filter om niet-gemeten toestanden (CRH en ACTH) te schatten op basis van gemeten cortisolniveaus.
- Constraints: De controller handhaaft strikte beperkingen: inputdoses moeten niet-negatief zijn en begrensd zijn op 15 mg per dosis, met een dagelijkse limiet van 30 mg. Om aan te sluiten bij de klinische realiteit, zijn de berekende optimale doses gekwantiseerd naar het dichtstbijzijnde interval van 5 mg.
- Doelstelling: De controller minimaliseert een kwadratische kostenfunctie om de cortisolconcentratie naar een referentietraject (constant of sinusvormig) te drijven, terwijl de inputbeperkingen worden gerespecteerd.

Belangrijkste Bijdragen
Het artikel beschrijft vijf specifieke bijdragen:

De ontwikkeling van een nieuw HPA-as model dat expliciet zowel circadiane als ultradiane ritmes incorporeert.
De simulatie van twee onderscheidende AI-condities: primaire en secundaire bijnierinsufficiëntie.
De introductie van een inputvariabele $u$ om cortisolvervangende therapie wiskundig te modelleren.
De verificatie van het voorgestelde model tegen gepubliceerde patiëntgegevens voor primaire AI.
De constructie van een MPC-gebaseerde virtuele assistent die in staat is om optimale, beperkte cortisolvervangende strategieën voor beide AI-typen te genereren.

Resultaten
Simulatie-resultaten demonstreren de effectiviteit van de voorgestelde aanpak:

Open-Loop: Simulaties met vaste dosering toonden aan dat hoewel de cortisolspiegels binnen het normale bereik gebracht konden worden, de strategie niet optimaal was en resulteerde in pieken die per dag varieerden.
Closed-Loop (MPC): De MPC reguleerde de cortisolniveaus succesvol voor zowel primaire als secundaire AI over diverse referentietrajecten (constante 10 µg/dL, constante 15 µg/dL, en een sinusvormig profiel dat de dagelijkse variatie nabootst).
- Voor Primaire AI onderdrukte de controller effectief de verhoogde CRH- en ACTH-niveaus via negatieve feedback, terwijl het de doel-cortisolniveaus volgde.
- Voor Secundaire AI handhaafde de controller onderdrukte CRH- en ACTH-niveaus (consistent met de pathologie) en volgde succesvol het referentie-cortoltraject.
- De MPC toonde het vermogen om doseringspatronen aan te passen aan veranderende referentievraag, met slechts een lichte fysiologische faseverschuiving tussen de referentie en de toegediende cortisol.
Constraint Handling: De controller hield succesvol stand aan de opgelegde beperkingen (niet-negatief, max 15 mg/dosis, max 30 mg/dag) en kwantiseerde de output naar klinisch beschikbare doses (veelvouden van 5 mg).

Betekenis en Claims
Het artikel claimt dat de voorgestelde MPC-gebaseerde virtuele assistent een rigoureuze methode biedt voor het aanpakken van de beperkingen die inherent zijn aan de cortisolvervangende therapie, waar vaste-doseringstrategieën niet aan kunnen voldoen. Door een fysiologisch accuraat model te integreren met een optimalisatiegestuurde controller, kan het systeem behandelstrategieën genereren die het cortisol binnen een gezond bereik houden terwijl de risico's van over- of onderdosering worden geminimaliseerd. De auteurs positioneren dit werk als een stap richting gepersonaliseerde geneeskunde, waarbij de besluitvorming van een arts wordt ondersteund door een instrument dat in staat is om optimale, patiëntspecifieke doseringsschema's te berekenen. De studie concludeert dat hoewel het huidige model is gevalideerd tegen bestaande gegevens, toekomstig werk zich zal richten op het aanpassen van modelparameters aan specifieke individuen en potentieel het integreren van machine learning en geavanceerde niet-lineaire observers om de voorspellende nauwkeurigheid verder te verfijnen en interacties met andere endocriene assen, zoals de hypothalamus-hypofyse-schildklier-as (HPT-as), te verkennen.

Meer zoals dit