真实场景下胰岛素-葡萄糖动态的机器学习
机器学习
2020-08-10 v1 机器学习
应用统计
摘要
我们开发了一种新的胰岛素-葡萄糖动态模型，用于预测 1 型糖尿病患者的血糖。我们通过引入由机器学习序列模型驱动的时间变化动态，对现有生物医学模型进行增强。我们的模型保持了生理学上合理的归纳偏置和临床可解释的参数（例如胰岛素敏感性），同时继承了现代模式识别算法的灵活性。建模成功的关键在于利用序列模型对个体变异性进行灵活而有结构的表示。相比之下，约束较少的模型如 LSTM 无法提供可靠或生理学上合理的预测。我们进行了广泛的实证研究，表明允许生物医学模型动态随时间变化可改善长达六小时的长期预测，并产生与胰岛素和碳水化合物的生理效应一致的预测。
引用
@article{arxiv.2008.02852,
title = {Learning Insulin-Glucose Dynamics in the Wild},
author = {Andrew C. Miller and Nicholas J. Foti and Emily Fox},
journal= {arXiv preprint arXiv:2008.02852},
year = {2020}
}
备注
Machine Learning for Healthcare 2020