利用上下文信息改进血糖预测

血糖值预测是糖尿病管理中的一项重要任务。尽管有报道称葡萄糖浓度对社交上下文（如情绪、体力活动、压力、饮食）以及糖尿病病理的影响敏感，我们仍需更多关于数据与方法论的研究，以将此类时间上下文信号纳入预测模型并加以评估。人员生成的数据源，如主动填写的问卷以及从社交媒体被动挖掘的数据，提供了捕获此类上下文的机会，然而此类数据的自报告性质与稀疏性意味着它们比血糖值等生理测量更噪且更不具体。因此，此处我们提出一种高斯过程模型，既应对这些数据挑战，又结合血糖与上下文数据的潜特征表示，用于新颖的多信号血糖预测任务。我们发现该方法优于多变量数据的常用方法，以及单独使用血糖值的方法。鉴于跨两个具不同形式上下文信息的血糖数据集的稳健评估，我们得出结论：多信号高斯过程可利用上下文信息改进血糖预测，并可能带来血糖预测研究与实践的显著转变。