HeadlinesBriefing favicon HeadlinesBriefing.com

GlucoFM: ذكاء اصطناعي لمراقبة الجلوكوز

Google AI Blog •
×

تستخدم الأجهزة القابلة للارتداء الاستهلاكية أجهزة استشعار الحركة والفسيولوجية لتقدير النشاط والنوم، لكن هذه الإشارات توفر فقط رؤية غير مباشرة لتنظيم الجلوكوز. تتبع أجهزة مراقبة الجلوكوز المستمرة (CGM) الجلوكوز الخلالي كل بضع دقائق، وتلتقط أنماط الصيام والليل وبعد الوجبات. ومع ذلك، فإن تفسير هذه المسارات يمثل تحديًا عندما تكون التسميات السريرية نادرة ومكلفة. تعالج العديد من نماذج CGM الأساسية الحالية الجلوكوز من خلال تدفق تمثيل واحد، لكن CGM يحتوي على أنماط خط أساس بطيئة تتخللها انحرافات قصيرة الأجل.

Gluco FM، وهو نموذج أساسي ذاتي الإشراف بتصميم ثنائي التدفق، يفصل الاتجاهات السكرية البطيئة عن الانحرافات قصيرة الأجل مع الحفاظ على وقت اليوم والبيانات المفقودة. تم تقييمه عبر أربع مجموعات في سبع مهام تنبؤ سريري، وكان PR-AUC الخاص بـ Gluco FM 5.8 نقطة مئوية أعلى في المتوسط من أفضل متغير Glu Former. وقد تصدر جميع تقييمات خطر السكري وخلل خلايا بيتا وثلاثة من أربعة تقييمات لمقاومة الأنسولين.

في التنبؤ بالاستجابة السكرية بعد الأكل، حقق Gluco FM أقل متوسط خطأ مطلق عبر أجهزة Dexcom وLibre، مع أفضل نقل عبر مجموعات البيانات وتكيف قوي مع عدد قليل من الأمثلة. تم تدريبه مسبقًا على 109,066 ساعة من بيانات CGM غير المصنفة، ويستخدم Gluco FM تدريبًا مسبقًا تنبؤيًا كامنًا مع مهام التنبؤ السياقي والديناميكيات الزمنية، بالإضافة إلى تحسينات مدركة لـ CGM للتعامل مع البيانات المفقودة والقطع الأثرية.