[论文解读] Using Contextual Information to Improve Blood Glucose Prediction

Mohammad Akbari, Rumi Chunara|arXiv (Cornell University)|Aug 24, 2019

Diabetes Management and Research参考文献 34被引用 4

一句话总结

本文提出了一种多信号高斯过程模型，将嘈杂、稀疏且多模态的个人生成健康数据（如社交媒体文本和自报问卷）与连续血糖监测（CGM）数据相结合，以提升血糖预测性能。该方法通过有效建模时间依赖性和融合异构上下文信号，在两个不同数据集上均显著优于标准基线模型，预测准确率明显提升。

ABSTRACT

Blood glucose value prediction is an important task in diabetes management. While it is reported that glucose concentration is sensitive to social context such as mood, physical activity, stress, diet, alongside the influence of diabetes pathologies, we need more research on data and methodologies to incorporate and evaluate signals about such temporal context into prediction models. Person-generated data sources, such as actively contributed surveys as well as passively mined data from social media offer opportunity to capture such context, however the self-reported nature and sparsity of such data mean that such data are noisier and less specific than physiological measures such as blood glucose values themselves. Therefore, here we propose a Gaussian Process model to both address these data challenges and combine blood glucose and latent feature representations of contextual data for a novel multi-signal blood glucose prediction task. We find this approach outperforms common methods for multi-variate data, as well as using the blood glucose values in isolation. Given a robust evaluation across two blood glucose datasets with different forms of contextual information, we conclude that multi-signal Gaussian Processes can improve blood glucose prediction by using contextual information and may provide a significant shift in blood glucose prediction research and practice.

研究动机与目标

• 解决缺乏整合多样化、现实世界上下文因素（如情绪、体力活动和饮食）的血糖预测模型的问题。
• 开发一种能够处理个人生成健康数据（PGHD）固有的噪声、稀疏性和不规则采样问题的稳健框架。
• 评估将多种上下文信号（如社交媒体文本、自报问卷）与生理血糖数据结合是否能提升预测性能。
• 探索从非结构化文本（如推文）中提取的潜在表征是否可用于推断对血糖预测有意义的上下文特征。
• 证明多信号高斯过程在血糖预测中优于单变量或标准多变量模型。

提出的方法

• 提出一种多信号高斯过程（GP）框架，联合建模血糖值与上下文数据的潜在表征，实现具有不确定性感知的序列预测。
• 利用三种表示方法从社交媒体中提取上下文特征：独元特征（基于频率）、词嵌入（W2V-E）和布朗聚类，以减少稀疏性并捕捉语义信息。
• 从用户时间线中提取用户中心特征（如发推频率、转发率）和内容中心特征（如情感、主题分布），以表征行为与情绪背景。
• GP模型采用复合核函数，捕捉血糖水平与上下文信号之间的时间相关性及非线性关系，包括周期性与近期效应。
• 在两个CGM数据集上端到端训练模型，其上下文数据来源各不相同：一个基于自报问卷，另一个基于基于推特的社交媒体数据。
• 采用多视图、多模态融合策略，将不同类型数据（文本、行为指标）整合到统一的概率框架中，同时考虑不确定性与缺失数据。

实验结果

研究问题

• RQ1 整合稀疏、嘈杂且多模态的个人生成健康数据是否能提升短期血糖预测的准确性？
• RQ2 当引入上下文信息时，多信号高斯过程模型与标准多变量时间序列模型相比，在预测血糖水平方面表现如何？
• RQ3 社交媒体文本的不同表示方法（独元特征、词嵌入、布朗聚类）在多大程度上促进了血糖预测的改进？
• RQ4 从自报数据与社交媒体数据中提取的潜在特征是否能有效捕捉与生理相关的上下文因素（如情绪与压力）？
• RQ5 所提出的模型在不同数据采集方式与数据质量水平下是否表现出鲁棒性？

主要发现

• 所提出的多信号GP模型在两个不同数据集上显著优于单变量CGM仅模型和标准多变量基线模型，能够更准确预测未来血糖值。
• 即使在数据嘈杂且稀疏的情况下，整合上下文信息（尤其是来自社交媒体和自报问卷的信息）仍能显著提升预测准确率。
• 使用神经网络词嵌入（W2V-E）和布朗聚类进行文本表征，相比仅使用传统独元特征，预测性能更强。
• 模型有效捕捉了上下文信号与血糖水平之间的时间依赖性和非线性关系，表现为RMSE和R²指标的改善。
• 该框架在具有不同形式上下文数据的数据集上表现出鲁棒性，表明其对现实世界PGHD来源具有良好的泛化能力。
• 结果表明，多信号高斯过程可作为未来血糖预测的有力范式，尤其适用于整合复杂、现实世界的行为与情绪背景。