1型糖尿病における血糖値予測のための深層学習アルゴリズムに関するシステマティックレビュー

科学分野:

• 内分泌学と代謝
• 医用人工知能
• 生物医学データサイエンス

背景:

• 1型糖尿病（T1D）の管理は、リアルタイムの血糖値（BG）データを取得するための持続血糖測定（CGM）に依存している。
• 特に深層学習（DL）などの予測アルゴリズムは、CGMデータを利用して将来のBGレベルを予測し、治療介入を支援する。
• BG予測のためのDL応用の包括的なレビューは、臨床導入を導くために必要とされている。

研究 の 目的:

• 1型糖尿病における血糖値予測のための深層学習の応用の現状を体系的にレビューすること。
• データセットの特性、入力、トレーニング、アーキテクチャ、およびパフォーマンスメトリックに基づいて深層学習モデルを評価すること。
• 深層学習ベースの血糖値予測のための課題と将来の研究の方向性を特定すること。

主な方法:

• PRISMAガイドラインに従った体系的な文献レビュー。
• PubMed、Scopus、およびWeb of Scienceデータベースを検索。
• T1DにおけるBG予測のためのDLモデルに焦点を当てた26の研究を分析。

主要な成果:

• 深層学習モデルは、CGMデータを用いた正確な血糖値予測において、大きな可能性を示している。
• 評価された研究では、データセットの特性、モデルの入力、アーキテクチャ、および予測期間が様々であった。
• 主な課題には、臨床利用における深層学習モデルの生理学的忠実性と解釈可能性の確保が含まれる。

結論:

• 深層学習モデルは、T1D管理におけるリアルタイムBG予測のための有望なアプローチを提供する。
• モデルの信頼性、安全性、および臨床導入を強化するためには、説明可能なAI（XAI）の統合が不可欠である。
• 将来の研究では、T1Dケアのための解釈可能で生理学的に健全な深層学習モデルの開発に焦点を当てるべきである。