利用单变量算法预测糖尿病患者的血糖水平

AI程序与可穿戴设备相结合可给出精确的短期血糖水平预测模型。此外，此类模型可基于通过监测个体若干生理状态与日常活动方面所收集的传感器数据，学习个性化的葡萄糖-胰岛素动态。迄今为止，开发数据驱动预测模型的主流方法是收集“尽可能多的数据”以协助医患优化调整治疗。本工作的目标是考察实现精确的个体驱动短期预测模型所需的最小数据收集量、数据量与速度。我们利用适用于在可穿戴处理器内实现的多种AI时间序列预测技术构建了一系列此类模型。我们开展了一项广泛的真实环境被动患者监测研究以建立稳健的数据集。该研究包含佩戴闪葡萄糖监测系统的1型糖尿病受试者子集。我们对所开发数据驱动预测模型及相应AI技术的性能进行了比较性定量评估。我们的结果表明，仅需在短时间内监测组织间液葡萄糖数据并以低采样频率即可实现精确短期预测。所开发的模型可在15分钟范围内预测血糖水平，仅使用6小时内收集的24个历史值平均误差低至15.43 mg/dL，而将采样频率提高至包含72个值时，平均误差降至10.15 mg/dL。我们的预测模型适用于在可穿戴设备内实现，所需硬件需求最小同时实现高预测精度。