Fugu-MT 論文翻訳(概要): Glucose-ML: A collection of longitudinal diabetes datasets for development of robust AI solutions

論文の概要: Glucose-ML: A collection of longitudinal diabetes datasets for development of robust AI solutions

arxiv url: http://arxiv.org/abs/2507.14077v1
Date: Fri, 18 Jul 2025 16:53:05 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-21 20:43:26.367268
Title: Glucose-ML: A collection of longitudinal diabetes datasets for development of robust AI solutions
Title（参考訳）: Glucose-ML:堅牢なAIソリューション開発のための縦断的糖尿病データセットのコレクション
Authors: Temiloluwa Prioleau, Baiying Lu, Yanjun Cui,
Abstract要約: Glucose-MLは、公開されている10の糖尿病データセットのコレクションである。 Glucose-MLコレクションは、30,000日以上の連続グルコースモニター(CGM)データを含んでいる。我々は,血糖予測の課題について事例研究を行った。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Artificial intelligence (AI) algorithms are a critical part of state-of-the-art digital health technology for diabetes management. Yet, access to large high-quality datasets is creating barriers that impede development of robust AI solutions. To accelerate development of transparent, reproducible, and robust AI solutions, we present Glucose-ML, a collection of 10 publicly available diabetes datasets, released within the last 7 years (i.e., 2018 - 2025). The Glucose-ML collection comprises over 300,000 days of continuous glucose monitor (CGM) data with a total of 38 million glucose samples collected from 2500+ people across 4 countries. Participants include persons living with type 1 diabetes, type 2 diabetes, prediabetes, and no diabetes. To support researchers and innovators with using this rich collection of diabetes datasets, we present a comparative analysis to guide algorithm developers with data selection. Additionally, we conduct a case study for the task of blood glucose prediction - one of the most common AI tasks within the field. Through this case study, we provide a benchmark for short-term blood glucose prediction across all 10 publicly available diabetes datasets within the Glucose-ML collection. We show that the same algorithm can have significantly different prediction results when developed/evaluated with different datasets. Findings from this study are then used to inform recommendations for developing robust AI solutions within the diabetes or broader health domain. We provide direct links to each longitudinal diabetes dataset in the Glucose-ML collection and openly provide our code.
Abstract（参考訳）: 人工知能(AI)アルゴリズムは、糖尿病管理のための最先端のデジタルヘルス技術の重要な部分である。しかし、大規模な高品質データセットへのアクセスは、堅牢なAIソリューションの開発を妨げる障壁を生み出している。透明で再現性があり、堅牢なAIソリューションの開発を加速するために、過去7年(2018年～2025年)にリリースされた10の公開糖尿病データセットのコレクションであるGlucose-MLを紹介します。 Glucose-MLコレクションは、30,000日以上の連続グルコースモニター(CGM)データで構成され、4カ国2500人以上から合計3800万のグルコースサンプルが収集されている。参加者は1型糖尿病、2型糖尿病、前糖尿病、糖尿病のない人である。この糖尿病データセットを豊富に収集した研究者やイノベーターを支援するため、比較分析を行い、アルゴリズム開発者をデータ選択でガイドする。さらに、私たちは、フィールド内で最も一般的なAIタスクである血糖予測のタスクのケーススタディを実施します。本症例では,Glucose-MLコレクション内の10の公用糖尿病データセットを対象に,短時間の血糖予測のベンチマークを行った。我々は,同じアルゴリズムが,異なるデータセットで開発・評価した場合に,かなり異なる予測結果が得られることを示した。この研究から得られた発見は、糖尿病またはより広い健康領域内で堅牢なAIソリューションを開発するための推奨事項に使用される。我々はGlucose-MLコレクションにおいて,各経時的糖尿病データセットに直接リンクし,そのコードをオープンに提供します。

関連論文リスト

Insulin Resistance Prediction From Wearables and Routine Blood Biomarkers [44.735350554750916]
われわれはインスリン抵抗性の研究のために、米国全土でこれまでで最大のデータセットをリモートで採用しました。ディープニューラルネットワークモデルは、簡単に利用可能なデジタルバイオマーカーと血液バイオマーカーに基づいてインスリン抵抗を予測するために開発された。モデルでは、肥満および妊娠中の被験者の93%の感度と95%の調整された特異性を示した。
論文参考訳（メタデータ） (2025-04-30T16:10:20Z)
A Large-Scale Vision-Language Dataset Derived from Open Scientific Literature to Advance Biomedical Generalist AI [70.06771291117965]
PubMed Central Open Accessサブセットから派生したオープンソースのデータセットであるBiomedicaを紹介する。 Biomedicaには600万以上の科学論文と2400万の画像テキストペアが含まれている。私たちは、Webサーバを通じてスケーラブルなストリーミングと検索APIを提供し、AIシステムとのシームレスな統合を容易にします。
論文参考訳（メタデータ） (2025-03-26T05:56:46Z)
Let Curves Speak: A Continuous Glucose Monitor based Large Sensor Foundation Model for Diabetes Management [3.8195320624847833]
AIと継続的グルコースモニタリングを統合することは、近い将来のグルコース予測を約束する。 CGM-LSMは592人の糖尿病患者からの1596万のブドウ糖の記録に基づいて、近未来のグルコース予測のために事前訓練されている。 LSMは1型糖尿病患者29.81mg/dL、23.49mg/dLである。
論文参考訳（メタデータ） (2024-12-12T21:35:13Z)
Diabetica: Adapting Large Language Model to Enhance Multiple Medical Tasks in Diabetes Care and Management [25.56300105245314]
大規模言語モデル(LLM)は、様々な医療シナリオにおいて有望であるが、様々な糖尿病タスクにおけるそれらの有効性は証明されていない。本研究は糖尿病特異的LLMの訓練と評価のための枠組みを導入した。
論文参考訳（メタデータ） (2024-09-20T03:47:54Z)
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)
Incomplete Multimodal Learning for Complex Brain Disorders Prediction [65.95783479249745]
本稿では,変換器と生成対向ネットワークを用いた不完全なマルチモーダルデータ統合手法を提案する。アルツハイマー病神経画像イニシアチブコホートを用いたマルチモーダルイメージングによる認知変性と疾患予後の予測に本手法を適用した。
論文参考訳（メタデータ） (2023-05-25T16:29:16Z)
DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
論文参考訳（メタデータ） (2023-04-05T12:04:55Z)
DiaTrend: A dataset from advanced diabetes technology to enable development of novel analytic solutions [0.0]
このデータセットは、合計27,561日連続血糖測定データと、糖尿病患者54人のインスリンポンプデータ8,220日を含む、ウェアラブル医療機器からの集中的な経時的データで構成されている。このデータセットは、糖尿病患者の疾患負担を軽減し、外来患者の慢性的な状態管理に関する知識を増大させる新しい分析ソリューションの開発に有用である。
論文参考訳（メタデータ） (2023-04-04T00:59:04Z)
Personalized Understanding of Blood Glucose Dynamics via Mobile Sensor Data [0.0]
スマートフォンによるセンサ入力で連続血糖値(CGM)データを増大させる。このデータセットは、そのサイズ、GPSデータが含まれており、非侵襲的にフリーライフの患者から収集されたという事実という意味では、新しいものです。
論文参考訳（メタデータ） (2023-02-02T20:26:05Z)
Continuous Glucose Monitoring Prediction [0.0]
糖尿病は世界で最も致命的な病気の1つであり、世界の成人人口の約10%に影響を及ぼす。 1つの大きな発展は、連続血糖モニタリング(CGM)と呼ばれるシステムです。
論文参考訳（メタデータ） (2021-01-04T21:32:20Z)
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。