[論文レビュー] Prediction of Daytime Hypoglycemic Events Using Continuous Glucose Monitoring Data and Classification Technique

Miyeon Jung, You‐Bin Lee+2 more|arXiv (Cornell University)|Apr 27, 2017

Diabetes Management and Research参考文献 27被引用数 4

ひとこと要約

本研究では、連続的血糖モニタリング（CGM）データを用いた機械学習モデルを提案し、15分前予測で日中の低血糖発作を予測する。意思決定ポイントにおけるブドウ糖低下速度と絶対的ブドウ糖レベルを活用することで、分類および回帰木（CART）モデルは80％の低血糖発作検出を達成し、類似条件下での既存手法を上回った。

ABSTRACT

Daytime hypoglycemia should be accurately predicted to achieve normoglycemia and to avoid disastrous situations. Hypoglycemia, an abnormally low blood glucose level, is divided into daytime hypoglycemia and nocturnal hypoglycemia. Many studies of hypoglycemia prevention deal with nocturnal hypoglycemia. In this paper, we propose new predictor variables to predict daytime hypoglycemia using continuous glucose monitoring (CGM) data. We apply classification and regression tree (CART) as a prediction method. The independent variables of our prediction model are the rate of decrease from a peak and absolute level of the BG at the decision point. The evaluation results showed that our model was able to detect almost 80% of hypoglycemic events 15 min in advance, which was higher than the existing methods with similar conditions. The proposed method might achieve a real-time prediction as well as can be embedded into BG monitoring device.

研究の動機と目的

• 夜間の低血糖検出技術の進展にもかかわらず、日中の低血糖に対する有効な予測手法の不足に取り組むこと。
• 血糖制御の向上を目的として、CGMデータを用いたリアルタイムで埋め込み可能な予測システムを開発すること。
• 特に、意思決定ポイントにおけるブドウ糖低下速度と絶対的ブドウ糖レベルといった、主要な生理的指標を予測特徴量として同定すること。
• CARTベースの分類モデルの性能を、高い感受性と早期警告能力を備えた低血糖発作検出において評価すること。

提案手法

• 本研究では、ブドウ糖トレンド関連の時間的特徴を抽出するために、連続的血糖モニタリング（CGM）データを入力として用いる。
• 新たな予測変数として、ピークからのブドウ糖低下速度と意思決定ポイントにおける絶対的ブドウ糖レベルを導入する。
• 15分以内に低血糖発作が発生するかどうかを分類するために、分類および回帰木（CART）アルゴリズムを採用する。
• モデルはCGMデータを用いて学習および検証され、標準的な分類指標を用いて性能が評価される。
• 本手法はリアルタイム実装を想定しており、既存のCGMデバイスへの統合に適している。

実験結果

リサーチクエスチョン

• RQ1 CGMデータを用いた機械学習モデルは、十分なリードタイムを有して日中の低血糖発作を予測可能か？
• RQ2 ブドウ糖低下速度や絶対的ブドウ糖レベルといった、ブドウ糖トレンド特徴量の中で、予期される低血糖を最も効果的に予測するものは何か？
• RQ3 CARTベースのモデルの性能は、類似条件下で既存手法と比較して、15分前における低血糖発作検出において優れているか？
• RQ4 本研究で提案するモデルは、臨床的用途に向けたリアルタイム血糖モニタリングシステムに埋め込み可能か？

主な発見

• 提案されたモデルは、日中の低血糖発作の約80％を15分前までに検出でき、高い感受性を示した。
• 意思決定ポイントにおけるブドウ糖低下速度と絶対的ブドウ糖レベルの組み合わせが、予測性能の向上に顕著に寄与した。
• 類似条件下で既存手法を上回り、特に低血糖発作の早期検出において優れた性能を発揮した。
• CARTベースのアプローチはリアルタイム予測を可能にし、ウェアラブルCGMデバイスへの統合に適している。