[发明专利]用于生物物理建模和响应预测的系统、方法和装置

说明书

公开了各种系统和方法。所公开的方法中的一种或多种使用机器学习算法从生物物理数据(诸如，心率监测数据、食物记录或血糖测量值)预测生物物理响应。生物物理响应可以包括行为响应。另外的系统和方法通过解析包括食物项名称的串从食物项中提取营养信息。

相关申请的交叉引用

本申请要求于2018年11月29日提交的美国临时专利申请第62/773,117号、2018年11月29日提交的美国临时专利申请第62/773,125号、2018年11月29日提交的美国临时专利申请第62/773,134号的优先权，其中每一个都通过引用整体并入本文。

背景技术

许多生物系统，包括人体，都可以高度复杂地运行。此外，尽管单个物种可能具有总体的普遍相似性，但是个体之间可能有显著的差异。因此，可能很难理解，更不用说基于个体预测各种生物响应了。

基于个体来理解人类的生物响应可以提供各种健康和生活质量的好处。此类理解可以使个体做出更好的选择来改善他们的健康。当人群做出此类选择时，整个社会的健康都会受益。此外，此类理解可以使个体在追求个体目标的过程中更好地改变他们的生活方式。

人们越来越感兴趣的一个人类生物响应是营养，并且特别是饮食引起的血糖水平。随着时间的推移，如果血糖水平不能维持在可接受的水平，则可能会导致包括糖尿病前期或2型糖尿病的不良后果。然而，个体在血糖响应、饮食、行为和许多其他因素上可能有所不同。因此，常规模型(例如，线性血糖响应模型)可能不足以理解个体的个性化血糖响应。

发明内容

本公开提供能够获取记录受试者动作的传感器数据和其他数据并且利用强化学习来预测受试者响应和修改受试者响应以实现目标的系统和方法。所述预测可以是对生物物理响应和/或行为响应的预测。实施方式可以利用定制变量编码来针对受试者动作和响应进行建模。在一些实施方式中，本文所描述的系统可以基于奖励函数和受试者历史动作来生成针对受试者的推荐。

在一方面，本公开提供一种用于训练和使用强化学习算法来生成帮助受试者相对于奖励函数维持或调整或优化受试者的血糖水平的推荐的计算机实现的方法。所述方法可以包括：迭代地直到实现收敛条件：(i)使用强化学习算法生成推荐，所述推荐包括推荐的膳食或体育活动；(ii)使用生物物理响应模型处理所述推荐，以生成受试者遵循所述推荐的预测的血糖响应；以及(iii)将奖励函数应用于预测的血糖响应，以生成第一奖励，并且基于第一奖励更新强化学习算法。所述方法还可以包括向受试者提供推荐；测量受试者对遵循推荐的血糖响应；以及将第二奖励函数应用于所测量的血糖响应以生成第二奖励，并且基于第二奖励更新强化学习算法。在一些实施方式中，所述方法包括使用受试者的血糖响应来训练生物物理响应模型。在一些实施方式中，所述方法包括将所述受试者的血糖响应编码到低维潜在空间中以提供给所述生物物理响应模型和所述第二奖励函数。在一些实施方式中，第一奖励函数与第二奖励函数相同。在一些实施方式中，生物物理响应模型包括至少一个身体模型，所述至少一个身体模型被配置为响应于多个输入生成受试者的模拟的生物物理响应。在一些实施方式中，生成受试者的预测的血糖响应包括：将受试者的血糖响应应用于预测器，所述预测器被训练来推断未来血糖响应；将所述推荐应用于依从性模型，所述依从性模型被配置为评估受试者将遵循所述推荐的紧密程度；以及选择性地将预测器和依从性模型的输出作为多个输入应用于身体模型。在一些实施方式中，生成性预测的血糖响应还包括将模拟的生物物理响应应用于自动编码器和生成性对抗网络以生成预测的血糖响应。在一些实施方式中，收敛条件至少部分地基于第一奖励的幅度。