研究人员开发预测低血糖事件的模型

美国有超过 3000 万人患有糖尿病——约占该国人口的 10.5%——每年有 150 万新诊断，估计每年花费超过 3000 亿美元。

由于低血糖症(低血糖)的急性和严重后果，对其的恐惧常常导致胰岛素治疗的积极性降低，最终增加高血糖症(高血糖)的长期暴露。为了优化糖尿病的管理，与高血糖相关的长期风险必须与低血糖风险相平衡。

Wm Michael Barnes '64 工业与系统工程系实践副教授 Madhav Erraguntla 和生物医学工程系实践教授 Balakrishna Haridas 正在努力开发一种低血糖事件预测模型，该模型的错误率很低-警报率，具有高度的敏感性和特异性，可以应用于新患者和新时间段。

本研究的主要动机是探索进一步提高低血糖预测性能以降低误报率的方法。

“基于连续血糖监测 (CGM) 读数的即将发生的低血糖事件的早期检测——具有高灵敏度和特异性以及低误报率——可以帮助糖尿病患者更好地控制低血糖和他们的整体健康，”Erraguntla 说。

该团队提出的准确低血糖警报将让患者通过减少对低血糖的恐惧来更好地管理糖尿病。

该研究是在去识别化的回顾性数据(即已经存在的数据)上进行的。

研究小组在 30 到 90 天内从 110 名 1 型糖尿病儿科患者那里获得了 CGM 数据集。这些数据包含正常生活条件下超过 160 万个 CGM 值，并使用机器学习算法进行分析。

该团队没有关注所有低血糖事件，而是关注持续的低血糖事件，定义为葡萄糖值低于 70 毫克/分升，持续至少 15 分钟。关注持久事件而不是瞬态事件可以提高模型性能。