پیش بینی میزان قند خون در بیماران مبتلا به دیابت نوع یک بر اساس یادگیری عمیق

دیابت یک بیماری شایع در سراسر جهان است. این بیماری سخت و غیر قابل علاج ولی کنترل پذیر است، از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین علت استفاده از روش هایی با خطای پایین و هوشمند برای پیش بینی میزان قند خون و از همه مهم تر جلوگیری از عوارض خطرناک آن، مساله ای مهم در کنترل بهتر این بیماری محسوب می شود. با توجه به روش های مختلفی که در این زمینه ارایه شده است، در این مقاله نیز دو مدل با استفاده از رهیافت یادگیری عمیق ارایه شده است که نتایج کارآمد و بهینه ای تولید می کند. دو مدل پیشنهادی از ترکیب های متفاوتی از شبکه های عصبی حافظه طولانی کوتاه مدت و پیشخور تشکیل شده اند و میزان قند خون آتی بیمار را با دقت و سرعت قابل توجهی پیش بینی می کنند. از 81.200 رکورد داده میزان قند خون 203 بیمار به همراه 27 مشخصه ی مهمی که بر میزان قند خون آن ها موثر بوده استفاده شده است. همچنین به منظور ارزیابی دقیق، از روش اعتبارسنجی متقابل مناسب برای سری زمانی استفاده شد و نتایج حاصل از اجرای مدل ها نشان داد که مدل میانگین متحرک خودهمبسته یکپارچه با توجه به این حجم از داده و ضعف سخت افزاری سیستم پیاده سازی، قادر به پیش بینی میزان قند خون نیست و مدل های مبتنی بر یادگیری عمیق کارایی قابل قبول و سرعت عملکرد خوبی دارند. همچنین با توجه به نتایج به دست آمده مدل پیشنهادی دوم برای افق های پیش بینی 5، 10 و 15 دقیقه به ترتیب 8/13درصد، 16درصد و 9/18درصد بهتر از مدل پیشنهادی اول عمل کرده است و می تواند مدل قابل اعتمادتری برای پیش بینی میزان قند خون باشد. از این رو مدل بیان شده می تواند در سیستم های هوشمند هشداردهنده برای پیش گیری از وقوع هیپوگلیسمی که از عوارض خطرناک و شایع بیماری دیابت نوع یک است، استفاده شود.