基于连续血糖监测数据预训练的大型传感器模型用于糖尿病管理
定量方法
2025-08-04 v3 人工智能
机器学习
摘要
连续血糖监测（CGM）结合人工智能为通过实时血糖预测实现主动糖尿病管理提供了新机会。然而，大多数现有模型是任务特定的，缺乏跨患者群体的泛化能力。受大型语言模型自回归范式的启发，我们引入了CGM-LSM，这是一种基于Transformer解码器的大型传感器模型（LSM），其在来自不同糖尿病类型、年龄和性别的患者的160万条CGM记录上进行预训练。我们将患者建模为血糖时间步的序列，以学习嵌入在CGM数据中的潜在知识，并应用于预测2小时时段的血糖读数。与先前方法相比，CGM-LSM在预测准确性和鲁棒性方面显著提高：在1小时预测 horizons 上实现了48.51%的均方根误差降低，并在held-out患者群体上实现一致的零样本预测性能。我们分析了模型在患者亚群和预测情景中的性能差异，概述了推进CGM基础模型的关键机会和挑战。
关键词
引用
@article{arxiv.2412.09727,
title = {A Large Sensor Foundation Model Pretrained on Continuous Glucose Monitor Data for Diabetes Management},
author = {Junjie Luo and Abhimanyu Kumbara and Mansur Shomali and Rui Han and Anand Iyer and Ritu Agarwal and Gordon Gao},
journal= {arXiv preprint arXiv:2412.09727},
year = {2025}
}