CrossGP：排除生理信息的跨日血糖预测
人工智能
2024-04-18 v1
摘要
糖尿病患者数量的日益增长是当今社会的一个严重问题，对人们的健康和国家财政支出产生了显著的负面影响。由于糖尿病可能发展为潜在的严重并发症，对糖尿病患者进行早期血糖预测对于及时医疗干预是必要的。现有的血糖预测方法通常利用患者的隐私数据（如年龄、性别、种族）和生理参数（如血压、心率）作为血糖预测的参考特征，这不可避免地引发了隐私保护问题。此外，这些模型通常侧重于长期（基于月）或短期（基于分钟）的预测。长期预测方法通常不准确，因为外部不确定性会极大地影响血糖值，而短期预测方法则无法提供及时的医疗指导。基于上述问题，我们提出了CrossGP，一种新颖的机器学习框架，用于仅基于患者的外部活动进行跨日血糖预测，而不涉及任何生理参数。同时，我们实现了三个基线模型用于比较。在Anderson数据集上的大量实验有力地证明了CrossGP的优越性能，并展示了其在未来实际应用中的潜力。
引用
@article{arxiv.2404.10901,
title = {CrossGP: Cross-Day Glucose Prediction Excluding Physiological Information},
author = {Ziyi Zhou and Ming Cheng and Yanjun Cui and Xingjian Diao and Zhaorui Ma},
journal= {arXiv preprint arXiv:2404.10901},
year = {2024}
}