从膳食协变量中学习葡萄糖-胰岛素动态中的吸收速率

传统的葡萄糖-胰岛素动态模型依赖于在实验室环境中为拟合观测而选择的启发式参数化。然而，这些模型无法描述日常生活中的葡萄糖动态。其失败的一个根源在于对餐后葡萄糖吸收速率的描述。一餐的宏量营养成分对吸收曲线具有微妙影响，难以从机制上建模。本文中，我们提出从葡萄糖-胰岛素数据和膳食协变量中学习宏量营养成分的影响。给定宏量营养信息和进餐时间，我们使用神经网络预测个体的葡萄糖吸收速率。我们将该神经速率函数作为葡萄糖动态微分方程中的控制函数，从而实现端到端训练。在模拟数据上，尽管仅观测到葡萄糖、胰岛素和宏量营养信息，我们的方法仍能紧密逼近真实吸收速率，并取得优于启发式参数化的预测效果。我们的工作可轻松推广到具有更高维协变量（如图像）的进餐事件，为针对个体日常生活个性化的葡萄糖动态模型奠定了基础。