换一批面向智能血糖管理的餐前胰岛素剂量贝叶斯学习优化方法
Bayesian Learning Based Optimization of Meal Bolus Dosage for Intelligent Glucose Management
摘要餐前胰岛素剂量精准决策是改善糖尿病患者血糖管理的关键.临床治疗中胰岛素剂量调整一般在较短时间内完成,具有典型的小样本特征;数据驱动建模在该情形下无法准确学习患者餐后血糖代谢规律,难以确保胰岛素剂量的安全和有效决策.针对这一问题,设计一种临床经验辅助的餐前胰岛素剂量自适应优化决策框架,构建高斯过程血糖预测模型和模型有效性在线评估机制,提出基于历史剂量和临床经验决策约束的贝叶斯优化方法,实现小样本下餐后血糖轨迹的安全预测和餐前胰岛素注射剂量的优化决策.该方法的安全性和有效性通过美国食品药品监督管理局接受的UVA/Padova T1DM平台测试结果和 1 型糖尿病患者实际临床数据决策结果充分验证.可为餐前胰岛素剂量智能决策及临床试验提供方法基础和技术支持,也为中国糖尿病患者血糖管理水平的有效改善,提供了精准医学治疗手段.
更多相关知识
关键词
餐前剂量决策数据驱动建模贝叶斯优化临床经验临床数据验证Meal bolus decisiondata-driven modelingBayesian optimizationclinical experienceclinical data val-idation
栏目名称
DOI
10.16383/j.aas.c210067
发布时间
2023-10-10（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引2
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
