論文の概要: GlyTwin: Digital Twin for Glucose Control in Type 1 Diabetes Through Optimal Behavioral Modifications Using Patient-Centric Counterfactuals

• arxiv url: http://arxiv.org/abs/2504.09846v1
• Date: Mon, 14 Apr 2025 03:32:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 16:53:34.967873
• Title: GlyTwin: Digital Twin for Glucose Control in Type 1 Diabetes Through Optimal Behavioral Modifications Using Patient-Centric Counterfactuals
• Title（参考訳）: GlyTwin:患者中心因子を用いた最適行動修飾による1型糖尿病の血糖コントロールのためのデジタルツイン
• Authors: Asiful Arefeen, Saman Khamesian, Maria Adela Grando, Bithika Thompson, Hassan Ghasemzadeh,
• Abstract要約: GlyTwinは、グルコース調節のための最適処理をシミュレートするために、対実的説明を用いた新しいデジタルツインフレームワークである。 GlyTwinは高血糖を予防する行動療法の提案を生成する。 結果は、GlyTwinが最先端のカウンターファクト法を上回り、76.6%が有効で、86%が効果的な介入を生んでいることを示している。
• 参考スコア（独自算出の注目度）: 6.102406188211489
• License:
• Abstract: Frequent and long-term exposure to hyperglycemia (i.e., high blood glucose) increases the risk of chronic complications such as neuropathy, nephropathy, and cardiovascular disease. Current technologies like continuous subcutaneous insulin infusion (CSII) and continuous glucose monitoring (CGM) primarily model specific aspects of glycemic control-like hypoglycemia prediction or insulin delivery. Similarly, most digital twin approaches in diabetes management simulate only physiological processes. These systems lack the ability to offer alternative treatment scenarios that support proactive behavioral interventions. To address this, we propose GlyTwin, a novel digital twin framework that uses counterfactual explanations to simulate optimal treatments for glucose regulation. Our approach helps patients and caregivers modify behaviors like carbohydrate intake and insulin dosing to avoid abnormal glucose events. GlyTwin generates behavioral treatment suggestions that proactively prevent hyperglycemia by recommending small adjustments to daily choices, reducing both frequency and duration of these events. Additionally, it incorporates stakeholder preferences into the intervention design, making recommendations patient-centric and tailored. We evaluate GlyTwin on AZT1D, a newly constructed dataset with longitudinal data from 21 type 1 diabetes (T1D) patients on automated insulin delivery systems over 26 days. Results show GlyTwin outperforms state-of-the-art counterfactual methods, generating 76.6% valid and 86% effective interventions. These findings demonstrate the promise of counterfactual-driven digital twins in delivering personalized healthcare.
• Abstract（参考訳）: 高血糖(高血糖)への頻繁で長期にわたる曝露は、神経障害、腎症、心血管疾患などの慢性合併症のリスクを増大させる。 持続型皮下インスリン注入(CSII)や持続型グルコースモニタリング(CGM)といった現在の技術は、主に血糖コントロールのような低血糖の予測やインスリンのデリバリーの特定の側面をモデル化している。 同様に、糖尿病管理におけるほとんどのデジタルツインアプローチは生理的プロセスのみをシミュレートする。 これらのシステムには、積極的な行動介入をサポートする代替的な治療シナリオを提供する能力がない。 そこで我々は,グルコース調節のための最適処理をシミュレートするために,対実的説明を用いた新しいデジタルツインフレームワークであるGlyTwinを提案する。 我々のアプローチは、患者や介護者が炭水化物摂取やインスリン摂取などの行動を変えるのに役立ち、異常なグルコースの発生を避けるのに役立ちます。 GlyTwinは、日々の選択に対する小さな調整を推奨し、これらの事象の頻度と持続時間を減少させることで、高血糖を積極的に予防する行動療法の提案を生成する。 さらに、利害関係者の選好を介入設計に取り入れ、患者中心でカスタマイズされたレコメンデーションを作成する。 GlyTwin on AZT1D, a new constructed data with longitudinal data from 21 type 1 diabetes (T1D) patients on automated insulin delivery system on 26 days。 結果は、GlyTwinが最先端のカウンターファクト法を上回り、76.6%が有効で、86%が効果的な介入を生んでいることを示している。 これらの結果は、個人化された医療の提供において、反ファクト駆動のデジタル双生児が約束されることを示している。

関連論文リスト

• Type 1 Diabetes Management using GLIMMER: Glucose Level Indicator Model with Modified Error Rate [6.300322064585917]
  我々は,血糖値を予測する機械学習手法であるGLIMMERを開発した。 GLIMMERは、グルコース値を正常および異常な範囲に分類し、ジグリセミック事象の精度を優先する新しいカスタム損失関数を考案する。
  論文  参考訳（メタデータ） (2025-02-20T01:26:00Z)
• Hybrid Attention Model Using Feature Decomposition and Knowledge Distillation for Glucose Forecasting [6.466206145151128]
  GlucoNetは、行動と生理の健康を継続的に監視するAI駆動のセンサーシステムである。 本稿では,患者の行動・生理的データを組み込んだ分解型トランスフォーマーモデルを提案する。 GGlucoNetはRMSEの60%の改善とパラメータ数の21%削減を実現し、T1-Diabetesの12名を含むデータを用いてRMSEとMAEを51%と57%改善した。
  論文  参考訳（メタデータ） (2024-11-16T05:09:20Z)
• From Glucose Patterns to Health Outcomes: A Generalizable Foundation Model for Continuous Glucose Monitor Data Analysis [47.23780364438969]
  本稿では,CGMデータの生成基盤モデルであるGluFormerについて紹介する。 GluFormerは、異なる民族や年齢、5つの国、8つのCGMデバイス、多様な病態状態にまたがる19の外部コホートに一般化する。 CGMデータと12年間のフォローアップを持つ580人の成人の縦断的研究において、GluFormerは血液HbA1C%よりも糖尿病を効果的に発症するリスクが高い個人を特定する。
  論文  参考訳（メタデータ） (2024-08-20T13:19:06Z)
• Toward Short-Term Glucose Prediction Solely Based on CGM Time Series [4.7066018521459725]
  TimeGluは、CGM時系列データに基づく短期的なグルコース予測のためのエンドツーエンドパイプラインである。 患者の個人データを追加することなく、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-04-18T06:02:12Z)
• Automatic diagnosis of knee osteoarthritis severity using Swin transformer [55.01037422579516]
  変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。 我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-07-10T09:49:30Z)
• Patterns Detection in Glucose Time Series by Domain Transformations and Deep Learning [0.0]
  本研究は,血糖値の今後の変動を予測することを目的としており,血糖値の低下が予想される可能性がある。 提案手法は, 有望な結果を得た4種類の糖尿病患者の実データを用いて検討した。
  論文  参考訳（メタデータ） (2023-03-30T09:08:31Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)
• A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
  糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。 このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
  論文  参考訳（メタデータ） (2020-08-22T07:48:04Z)
• Basal Glucose Control in Type 1 Diabetes using Deep Reinforcement Learning: An In Silico Validation [16.93692520921499]
  単一ホルモン(インスリン)と二重ホルモン(インスリンとグルカゴン)のデリバリーのための新しい深層強化学習モデルを提案する。 成体コホートでは、目標範囲のパーセンテージは77.6%から80.9%に改善した。 青年コホートでは、目標範囲のパーセンテージが55.5%から65.9%に改善され、単一ホルモンが制御された。
  論文  参考訳（メタデータ） (2020-05-18T20:13:16Z)
• DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
  動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。 本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-06T13:03:42Z)
• Short Term Blood Glucose Prediction based on Continuous Glucose Monitoring Data [53.01543207478818]
  本研究では,デジタル意思決定支援ツールの入力として連続グルコースモニタリング(Continuous Glucose Monitoring, CGM)データを利用する方法について検討する。 短時間の血液グルコース (STBG) 予測において, リカレントニューラルネットワーク (Recurrent Neural Networks, RNN) をどのように利用できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-06T16:39:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。