[发明专利]用于基于机器学习实现获取来改进低血糖预测的血糖数据集优化

说明书

本发明涉及一种用于基于分类器获取来改进低血糖预测的数据集扩展方法，并且包括以下步骤：提供针对受试者的原始数据集，该数据集包括在给定采样率下获得的多个BG值以及与其相关联的在多个天数N内的时间戳；以及通过对作为输入X的评估块值(eHH)进行滚动方案时间分箱以执行数据变换来产生作为输出Y的对应预测值(pHH)，其中X被创建为包括针对给定过去时间段T‑p的BG值的滑动窗口，并且其中Y被创建为指示给定未来时间T‑f处的BG值是否低于指示低血糖状况的给定阈值的指示符I。

本公开整体涉及用于辅助患者和医疗保健从业者管理对糖尿病的胰岛素治疗的系统和方法。在特定方面，本发明涉及用于优化机器学习(ML)实现获取的较高数据分辨率的方法。

背景技术

糖尿病(DM)是胰岛素分泌受损和外周胰岛素抗性程度不一而导致的高血糖症。2型糖尿病的特征在于正常生理胰岛素分泌的进行性破坏。在健康的个体中，胰腺β细胞的基础胰岛素分泌持续发生，以在两餐之间的延长期内维持稳定的葡萄糖水平。在健康个体中还存在餐时分泌，其中胰岛素响应进餐在最初的第一相峰值中快速释放，随后为在2-3小时后恢复至基础水平的延长胰岛素分泌。多年控制不良的高血糖症可能引起多种健康并发症。糖尿病是全世界过早发病和死亡的主要原因之一。

有效控制血糖/血浆葡萄糖(BG)可以预防或延缓这些并发症中的许多并发症，但一旦建立，可能无法逆转。因此，在预防糖尿病并发症的努力中实现良好的血糖控制是治疗1型和2型糖尿病的主要目标。具体而言，胰岛素剂量滴定的频繁变化是帮助稳定患者血糖水平的关键(Bergenstal等人,“Can a Tool that Automates Insulin Titration be aKey to Diabetes Manage-ment？”Diabetes Tech.and Thera.2012；14(8)675-682)。已经开发了具有可调步长和生理参数估计值以及预定义的空腹血糖目标值的智能滴定仪，以施用胰岛素药剂治疗方案。长效基础胰岛素的最优初始化和滴定方法仍在确定中。然而，有证据表明，许多患者通常未接受充分滴定以达到血糖控制的目标水平的胰岛素剂量(仍处于次优剂量且未能达到治疗目标)(Holman等人,“10-year follow-up of intensiveglucose control in type 2diabe-tes,”N.Engl.J.Med.2008；359:1577–1589)。

胰岛素方案的主要问题之一是患者缺乏自主权和授权。患者通常必须去诊所计算新的滴定度。当诊所必须为患者滴定胰岛素剂量时，改变滴定剂量的可能频率受到自然限制。自我滴定方案有助于患者的授权，使他们更多地参与到他们的治疗中，这可以改善血糖控制(Khunti等人,“Self-titration of insulin in the management of people withtype 2diabetes:a practical solution to improve management in primary care,”Diabetes,Obes.,and Metabol.2012；15(8)690-700)。在其糖尿病管理和其胰岛素滴定中发挥积极作用的患者可能会感到更有能力负责其自我护理，并且更坚信其行为可以影响其疾病，从而带来更好的治疗效果(Norris等人,“Self-management education for adultswith type 2diabetes:a meta-analysis on the effect of glycemiccontrol.Diabetes Care,”2002,25:1159–71,Kulzer等人,“Effects of self-managementtraining in type 2diabetes:a randomized,prospective trial,”Diabet.Med.2007,24:415–23,Anderson等人,“Patient empowerment:results of a randomizedcontrolled trial,”Diabetes Care.1995,18:943–9)。此外，当患者控制其自身的滴定时，滴定的频率会增加，这会增加患者达到所需血糖水平的可能性。