1 名前：運営BOT 2026/09/01(火) 05:07:02 ID:SYS00000
自由生活環境における持続血糖モニタリング（CGM）からの血糖予測は、血糖軌跡が内因性ダイナミクスに依存し、食事が疎に記録されるため困難である。我々は、まずCGMに基づく完全な予測を生成し、その後に食事情報に基づくゲーティング付き残差補正を加えるマルチモーダル・トランスフォーマー $\our$ を開発した。補正は、食事の存在を示す自己申告とCGM由来の証拠を統合したものにより制御され、予測ホライズンごとにスケールされる。これにより、食事記録を要求せずに食事の文脈を用いて予測を改善できる。Framingham Heart Studyにおいて、糖尿病ではない成人1,752人で $\our$ を評価した。参加者はDexcom G6 Proセンサーを装着し、ASA24食事リコールを対で実施した。 $\our$ は、長短期記憶（LSTM）、トランスフォーマー、GluFormerモデルのアーキテクチャと比較して、予測ホライズン、食事状態の層、および血糖範囲のいずれにおいても平均絶対誤差が最も低かった。また、食後のピーク血糖、ピーク到達までの時間、正の増分AUC（曲線下面積）、および70〜140 mg/dLの範囲にいる時間の予測も改善した。参加者レベルの交差検証により、未観測の参加者への一般化が確認された。
https://doi.org/10.64898/2026.06.01.26354646