Улучшенное прогнозирование уровня глюкозы с помощью рекуррентной нейронной сети и продвинутой инженерии признаков

Почему важно предсказывать колебания сахара

Для людей с диабетом опасные падения или скачки уровня глюкозы могут наступать почти без предупреждения, приводя к спутанности сознания, обморокам или долгосрочному повреждению сердца, глаз и нервов. Современные датчики могут отслеживать сахар в крови каждые несколько минут, но в основном они показывают лишь текущее состояние, а не ближайшее будущее. В этом исследовании рассматривается, как искусственный интеллект может превратить потоки данных с датчиков в краткосрочные прогнозы, давая пациентам и их опекунам примерно получасовое предупреждение до возникновения проблемы.

От миниатюрных датчиков к ранним предупреждениям

Исследование сосредоточено на непрерывных мониторах глюкозы — небольших носимых устройствах, измеряющих уровень сахара в межклеточной жидкости примерно каждые пять минут. Вместо простого отображения этих измерений авторы строят цифровой конвейер, который принимает данные с датчика, очищает их и затем предсказывает, где будут уровни глюкозы через 30 минут. Цель проста, но значима: предупредить человека вовремя, чтобы он выпил сок при опасном падении, или скорректировал инсулин перед надвигающимся повышением, улучшая повседневную безопасность и долгосрочное здоровье.

Очистка шумных данных из реальной жизни

Реальные данные с датчиков далеки от идеала. Сигналы могут теряться, когда человек снимает устройство, при сбоях беспроводной связи или когда датчик дает ложные измерения. Вместо того чтобы выбрасывать такие промежутки, команда разрабатывает «гибридную» стратегию восстановления, которая зависит от длительности разрыва. Небольшие пропуски сглаживаются построением кривых между ближайшими точками; средние заполняются с помощью модели временных рядов, которая предполагает вероятные значения на основе прошлых паттернов; очень длинные разрывы рассматриваются как разделы, где данные делятся на отдельные сегменты. Такое внимательное обращение с недостающей информацией предотвращает введение прогнозов в заблуждение из‑за внезапных всплесков или фиктивных плоских участков.

Обучение модели пониманию поведения сахара

Вместо того чтобы подавать в систему только сырые показания, исследователи создают дополнительные сигналы на основе истории глюкозы каждого человека. Они вычисляют, насколько недавно изменился уровень сахара, каков его тренд за последний час, среднее значение и колебания за этот период, а также информацию о времени суток и дне недели. Эти дополнительные подсказки фиксируют суточные ритмы — например утренние подъемы или ночные минимумы — которые одни лишь сырые числа могут скрывать. Тесты показывают, что среднее за час и недавний тренд особенно важны для распознавания того, движется ли человек к низким, нормальным или высоким диапазонам.

Компактная нейроподобная модель для быстрых прогнозов

После восстановления и обогащения данные передаются рекуррентной нейронной сети — типу ИИ‑модели, хорошо подходящему для последовательностей, как в языке или музыке. Здесь модель просматривает предыдущий час показаний и вычисленных сигналов, а затем прогнозирует уровень глюкозы на шесть шагов (30 минут) вперед. Авторы намеренно выбирают относительно простую версию такой модели, чтобы она оставалась легкой для использования в реальном времени, например в мобильном приложении, связанном с облачным сервисом. Для каждого из 12 взрослых участников с сахарным диабетом 1 типа обучается отдельная модель, что позволяет системе адаптироваться к индивидуальным паттернам глюкозы.

Насколько хорошо работает цифровой дозор?

По результатам для всех 12 участников прогнозы хорошо соответствуют реальным значениям глюкозы, объясняя почти 90% колебаний в данных. При оценке с помощью инструмента безопасности, широко используемого в уходе за диабетом, более 98% прогнозов попадают в зоны, считающиеся либо точными, либо безопасными для медицинских решений, и ни один прогноз не попал в зоны, где ошибки могли бы быть опасными для жизни. Система особенно надежна в предсказании эпизодов низкого уровня сахара, которые являются одними из наиболее пугающих событий для пациентов. Важно, что модель сопоставима или превосходит результаты более сложных подходов из предыдущих исследований, при этом используя только показания датчика, что делает её более практичной для повседневного применения, где подробные записи о приёме пищи и инсулине часто отсутствуют или ненадёжны.

Что это означает для повседневной жизни с диабетом

Для неспециалиста вывод прост: умное ПО может выступать в роли раннего предупреждающего дозора, основанного на тех же датчиках, которые уже носят многие люди с диабетом. Интеллектуально восстанавливая пробелы в данных и обучая упрощённую ИИ‑модель распознавать персональные шаблоны, система может предложить полчаса заблаговременного оповещения до того, как уровень сахара уйдёт в опасную зону. Хотя исследование основано на скромном числе участников и требует проверки на больших, более разнообразных группах, оно указывает на будущее, в котором оповещения на телефоне или часах не только сообщают текущую глюкозу, но и тихо смотрят вперёд, помогая людям избегать опасности, а не реагировать уже после её наступления.

Цитирование: Osman, M.H., Mahmoud, M., Zakzouk, S. et al. Enhanced glucose forecasting using recurrent neural network and advanced feature engineering. Sci Rep 16, 12036 (2026). https://doi.org/10.1038/s41598-026-41066-5

Ключевые слова: диабет, прогнозирование уровня глюкозы в крови, непрерывный мониторинг глюкозы, искусственный интеллект, рекуррентные нейронные сети