基于结构化语法进化的差分方程学习用于餐后血糖预测
机器学习
2023-07-06 v1 人工智能
摘要
糖尿病患者必须仔细监测其血糖水平，尤其在餐后。血糖调节需要食物摄入与胰岛素大剂量注射的合理组合。血糖预测对于避免糖尿病患者餐后危险并发症至关重要。尽管传统方法（如人工神经网络）已显示出高准确率，但有时因其缺乏可解释性而不适合医生制定个性化治疗方案。在本研究中，我们提出一种强调可解释性的新型血糖预测方法：基于语法进化的可解释稀疏辨识。结合先前的聚类阶段，我们的方法提供有限差分方程以预测餐后直至两小时的血糖水平。我们将数据集划分为四小时段，并基于餐前两小时窗口的血糖值进行聚类。为每个簇训练餐后两小时窗口的预测模型，允许以 15 分钟步长进行预测，在不同时间视界下最多给出八次预测。预测安全性基于 Parkes 误差栅格区域评估。我们的技术通过可解释表达式产生安全预测，避免了 D 区（平均 0.2%）和 E 区（0%），并减少了 C 区（6.2%）上的预测。此外，我们的方案比包括非线性动力学稀疏辨识和人工神经网络在内的其他技术准确率略优。结果表明，我们的方案在不牺牲预测准确率的前提下提供可解释解，为糖尿病管理中的血糖预测提供了一种平衡准确率、可解释性与计算效率的有前景的方法。
引用
@article{arxiv.2307.01238,
title = {Learning Difference Equations with Structured Grammatical Evolution for Postprandial Glycaemia Prediction},
author = {Daniel Parra and David Joedicke and J. Manuel Velasco and Gabriel Kronberger and J. Ignacio Hidalgo},
journal= {arXiv preprint arXiv:2307.01238},
year = {2023}
}