[論文レビュー] GLYFE: Review and Benchmark of Personalized Glucose Predictive Models in Type-1 Diabetes

Maxime De Bois, Mehdi Ammi+1 more|arXiv (Cornell University)|Jun 29, 2020

Diabetes Management and Research参考文献 114被引用数 36

ひとこと要約

本論文は、1型糖尿病の個別化ブドウ糖予測モデルのレビューとベンチマークを提供します。

ABSTRACT

Due to the sensitive nature of diabetes-related data, preventing them from being shared between studies, progress in the field of glucose prediction is hard to assess. To address this issue, we present GLYFE (GLYcemia Forecasting Evaluation), a benchmark of machine-learning-based glucose-predictive models. To ensure the reproducibility of the results and the usability of the benchmark in the future, we provide extensive details about the data flow. Two datasets are used, the first comprising 10 in-silico adults from the UVA/Padova Type 1 Diabetes Metabolic Simulator (T1DMS) and the second being made of 6 real type-1 diabetic patients coming from the OhioT1DM dataset. The predictive models are personalized to the patient and evaluated on 3 different prediction horizons (30, 60, and 120 minutes) with metrics assessing their accuracy and clinical acceptability. The results of nine different models coming from the glucose-prediction literature are presented. First, they show that standard autoregressive linear models are outclassed by kernel-based non-linear ones and neural networks. In particular, the support vector regression model stands out, being at the same time one of the most accurate and clinically acceptable model. Finally, the relative performances of the models are the same for both datasets. This shows that, even though data simulated by T1DMS are not fully representative of real-world data, they can be used to assess the forecasting ability of the glucose-predictive models. Those results serve as a basis of comparison for future studies. In a field where data are hard to obtain, and where the comparison of results from different studies is often irrelevant, GLYFE gives the opportunity of gathering researchers around a standardized common environment.

研究の動機と目的

• 1型糖尿病の既存の個別化ブドウ糖予測モデルを特定し、分類する。
• 1型糖尿病におけるブドウ糖予測のモデリング手法を評価する。
• 研究間での性能評価とベンチマークの実践を評価する。
• 標準化されたベンチマークのギャップ、課題、および機会を指摘する。

提案手法

• 1型糖尿病の個別化ブドウ糖予測モデルに関する構造化された文献レビューを実施する。
• モデリング手法を比較するためのベンチマーク基準を提案または適用する。
• 引用研究で用いられた手法と性能指標を分析する。
• 方法論的長所、限界、および再現性の考慮事項について論じる。

実験結果

リサーチクエスチョン

• RQ1 1型糖尿病における個別化ブドウ糖予測の主要なモデリング手法は何か？
• RQ2 異なるモデルはデータセット・設定・評価指標の枠でどのように性能を発揮するか？
• RQ3 現在のベンチマーク実践における共通の制約とギャップは何か？
• RQ4 ブドウ糖予測モデルの公正で再現性のあるベンチマークを改善するための推奨事項は何か？

主な発見

• 1型糖尿病における個別化ブドウ糖予測のためのさまざまなモデリング手法が調査されている。
• モデル性能はデータセットと評価指標によって異なる。
• ベンチマークの実践は再現性と比較可能性の不一致とギャップを示している。
• 共通の課題にはデータ品質、個別化、特徴量エンジニアリングの考慮が含まれる。
• この研究は標準化されたベンチマークフレームワークと将来の研究方向の機会を特定している。