【技术实现步骤摘要】
【国外来华专利技术】使用葡萄糖测量值和机器学习进行糖尿病预测
[0001]描述了使用葡萄糖测量值和机器学习进行糖尿病预测。在一个或更多个实施方式中,观察分析平台包括使用历史葡萄糖测量值和用户群体的历史结果数据训练的机器学习模型,以预测个体用户的糖尿病分类。用户群体的历史葡萄糖测量值可以由用户群体的用户佩戴的葡萄糖监测设备提供,而历史结果数据包括从独立于葡萄糖监测设备的来源获得的一个或更多个诊断测量值。训练完成后,机器学习模型会根据可穿戴式葡萄糖监测设备在跨越多天的观察期间采集的葡萄糖测量值为用户预测糖尿病分类。然后可以输出预测的糖尿病分类,例如通过基于分类生成一个或更多个通知或用户界面。
技术介绍
[0002]糖尿病是一种影响数亿人的代谢疾病,并且是全球主要的死亡原因之一。然而,只要早期发现并通过适当的治疗就可以在很大程度上避免因糖尿病而对心脏、血管、眼睛、肾脏和神经造成的严重损害。临床和监管机构接受的糖尿病常规检测包括糖化血红蛋白(HbA1c)、空腹血糖(FPG)和2小时血糖(2Hr
‑
PG)——FPG和2Hr
‑
PG都是口服葡萄糖耐量试验(OGTT)的一部分,但FPG可以与OGTT分开检测。对于FPG检测,采集血液样本并将结果用于将人分类为“正常”(例如,没有糖尿病)或具有糖尿病前期或糖尿病。一般而言,如果一个人的空腹葡萄糖水平低于100mg/dL,则认为该人正常,而如果该人的空腹葡萄糖水平在100至125mg/dL之间,则该人被归类为糖尿病前期,如果该人的空腹血糖水平在两次单独的检测中高于126 ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法,其包括:获取用户的葡萄糖测量值,由可穿戴式葡萄糖监测设备在观察期间采集的所述葡萄糖测量值;通过使用一个或更多个机器学习模型处理所述葡萄糖测量值来预测所述用户的糖尿病分类,基于用户群体的历史葡萄糖测量值和历史结果数据生成所述一个或更多个机器学习模型;和输出糖尿病分类。2.根据权利要求1所述的方法,其中所述糖尿病分类是表示将所述用户在所述观察期间的状态描述为患有糖尿病、糖尿病前期或无糖尿病中之一。3.根据权利要求1所述的方法,其中所述糖尿病分类是表示在所述观察期间所述用户的状态为患有妊娠期糖尿病或无妊娠期糖尿病。4.根据权利要求1所述的方法,其中:所述糖尿病分类是表示预测所述用户预计将经历的糖尿病的一种或更多种不利影响;和所述历史结果数据描述了在所述用户群体的用户中观察到的糖尿病的不利影响。5.根据权利要求1所述的方法,其中所述可穿戴式葡萄糖监测设备包括传感器,所述传感器在所述观察期间被皮下插入所述用户的皮肤中以采集所述葡萄糖测量值。6.根据权利要求5所述的方法,其中所述葡萄糖测量值包括由所述可穿戴式葡萄糖监测设备在所述观察期间采集的时序葡萄糖测量值。7.根据权利要求6所述的方法,其中所述时序葡萄糖测量值由所述可穿戴式葡萄糖监测设备在所述观察期间以预定间隔连续地采集。8.根据权利要求1所述的方法,其中所述观察期跨越多天。9.根据权利要求1所述的方法,还包括:获取所述用户群体的所述历史葡萄糖测量值和所述历史结果数据,所述用户群体中用户佩戴的葡萄糖监测设备提供的所述历史葡萄糖测量值;和通过向所述一个或更多个机器学习模型提供所述历史葡萄糖测量值来生成所述一个或更多个机器学习模型,将从所述一个或更多个机器学习模型接收到的训练的糖尿病的分类与所述历史结果数据表明的糖尿病分类进行比较,以及基于所述比较调整所述一个或更多个机器学习模型的权重。10.根据权利要求9所述的方法,还包括用表明基于所述历史结果数据的相应用户的糖尿病分类的标记来标记所述历史葡萄糖测量值的轨迹。11.根据权利要求9所述的方法,其中所述历史结果数据与一个或更多个独立于所述用户群体的用户所配戴的葡萄糖监测设备提供的所述历史葡萄糖测量值的诊断测量有关。12.根据权利要求1所述的方法,其中所述历史结果数据包括所述历史葡萄糖测量值的轨迹的标记,所述标记表明所述用户群体的相应用户是否基于一个或更多个诊断测量被临床诊断为糖尿病。13.根据权利要求12所述的方法,其中所述一个或更多个诊断测量包括糖化血红蛋白(HbA1c)、口服葡萄糖耐量试验(OGTT)或空腹血糖(FPG)中的至少一种。14.根据权利要求1所述的方法,还包括:
预处理所述用户的所述葡萄糖测量值以提取一个或更多个葡萄糖特征;和向所述机器学习模型提供所述一个或更多个提取的葡萄糖特征作为输入以使所述机器学习模型能够预测所述用户的所述糖尿病分类。15.根据权利要求14所述的方法,其中所述一个或更多个提取的葡萄糖特征包括以下至少一个:超过阈值的时间测量对应于在所述观察期间所述用户的所述葡萄糖测量值高于葡萄糖阈值的时间量;范围内的时间测量值对应于在所述观察期间所述用户的葡萄糖测量值在第一葡萄糖水平和小于所述第一葡萄糖水平的第二葡萄糖水平之间的时间量;对应于单位时间内葡萄糖测量值差异的变化率测量值;平均葡萄糖测量值;或葡萄糖中位数测量。16.根据权利要求14所述的方法,其中所述机器学习模型使用至少两个提取的葡萄糖特征来预测所述用户的所述糖尿病分类。17.根据权利要求14所述的方法,其中所述预处理还包括通过去除所述葡萄糖测量值的至少一部分并从所述过滤后的葡萄糖测量值中提取所述一个或更多个葡萄糖特征来过滤所述葡萄糖测量值。18.根据权利要求1所述的方法,其中所述输出包括所述糖尿病分类和以下至少一项的葡萄糖观察报告;基于所述糖尿病分类为所述用户提供一项或更多项治疗建议;在所述观察期间由所述葡萄糖监测设备采集的所述葡萄糖测量值的视觉表示;或基于在所述观察期间由所述葡萄糖监测设备采集的所述葡萄糖测量值生成的所述用户的一个或更多个葡萄糖统计数据。19.根据权利要求18所述的方法,其中所述一个或更多个葡萄糖统计数据包括以下至少一项:超过阈值的时间测量对应于在所述观察期间所述用户的所述葡萄糖测量值高于葡萄糖阈值的时间量;范围内的时间测量值对应于在所述观察期间所述用户的葡萄糖测量值在第一葡萄糖水平和小于所述第一葡萄糖水平的第二葡萄糖水平之间的时间量;对应于单位时间内葡萄糖测量值差异的变化率测量值;平均葡萄糖测量值;或葡萄糖中位数测量。20.根据权利要求1所述的方法,其中所述葡萄糖测量值是从所述葡萄糖监测设备的存储器或从包含从所述葡萄糖监测设备通过网络传送的所述葡萄糖测量值的一个或更多个数据包获得的。21.一个设备,其包括:一个或更多个处理器;和存储器,其上存储有计算机可读指令,该指令可由所述一个或更多个处理器执行以执行包括以下的操作:
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。