利用患者特定深度学习模型定制 1 型糖尿病不良事件预测
机器学习
2026-01-22 v1 人工智能
摘要
1 型糖尿病的有效管理需要持续血糖监测和精确的胰岛素调整，以防止高血糖和低血糖。随着可穿戴血糖监测仪和移动健康应用的日益普及，准确的血糖预测对于增强自动胰岛素输送和决策支持系统至关重要。本文提出了一种基于深度学习的个性化血糖预测方法，利用患者特定数据来提高真实场景下的预测准确性和响应速度。与传统的广义模型不同，我们的方法考虑了个体变异性，实现了更有效的特定受试者预测。我们比较了留一受试者交叉验证与微调策略，以评估它们建模患者特定动态的能力。结果表明，个性化模型显著改善了对不良事件的预测，能够在真实场景中实现更精确和及时的干预。为了评估患者特定数据的影响，我们进行了实验，将多模态患者特定方法与传统仅 CGM 方法进行比较。此外，我们进行了消融研究，调查训练集逐渐变小时的模型性能，确定了有效个性化所需的最小数据量——这是在数据收集通常具有挑战性的真实场景应用中的一个重要考量。我们的发现强调了自适应、个性化血糖预测模型在推进下一代糖尿病管理方面的潜力，特别是在可穿戴和移动健康平台方面，增强了面向消费者的糖尿病护理解决方案。
引用
@article{arxiv.2601.14917,
title = {Tailoring Adverse Event Prediction in Type 1 Diabetes with Patient-Specific Deep Learning Models},
author = {Giorgia Rigamonti and Mirko Paolo Barbato and Davide Marelli and Paolo Napoletano},
journal= {arXiv preprint arXiv:2601.14917},
year = {2026}
}