GLYFE：1型糖尿病个性化血糖预测模型的综述与基准测试
信号处理
2020-06-30 v1 机器学习
定量方法
摘要
由于糖尿病相关数据具有敏感性，难以在不同研究间共享，血糖预测领域的进展难以评估。为解决这个问题，我们提出 GLYFE（GLYcemia Forecasting Evaluation，血糖预测评估），一个基于机器学习的血糖预测模型基准测试。为确保结果的可复现性及该基准在未来可用的特性，我们提供了关于数据流的详尽细节。使用了两个数据集：第一个包含来自 UVA/Padova 1型糖尿病代谢模拟器（T1DMS）的10名体内仿真成人，第二个由来自 OhioT1DM 数据集的6名真实1型糖尿病患者组成。预测模型针对患者个性化，并在3个不同预测时域（30、60和120分钟）上以评估准确性和临床可接受性的指标进行评价。给出了来自血糖预测文献的九种不同模型的结果。首先，它们表明标准自回归线性模型被基于核的非线性模型和神经网络超越。特别是，支持向量回归模型表现突出，同时是最准确且临床可接受度最高的模型之一。最后，各模型在两个数据集上的相对性能相同。这表明，尽管 T1DMS 模拟的数据不能完全代表真实世界数据，它们仍可用于评估血糖预测模型的预测能力。这些结果作为未来研究的比较基础。在数据难以获取、且不同研究结果的比较常常无关的领域中，GLYFE 提供了围绕标准化通用环境聚集研究人员的机会。
引用
@article{arxiv.2006.15946,
title = {GLYFE: Review and Benchmark of Personalized Glucose Predictive Models in Type-1 Diabetes},
author = {Maxime De Bois and Mehdi Ammi and Mounîm A. El Yacoubi},
journal= {arXiv preprint arXiv:2006.15946},
year = {2020}
}