使用混合建模方法量化食后葡萄糖反应:在马斯特里赫特研究中结合机械和数据驱动模型
Balázs Erdős1,2, Bart van Sloun1,2, Gijs H Goossens1,3
1TiFN, Wageningen, Netherlands.
PloS one
|July 27, 2023
概括
机械模型在口服葡萄糖耐受性测试中准确预测葡萄糖和胰岛素反应. 将这些与数据驱动模型相结合并没有改善预测,显示了理解葡萄糖调节的力学方法的强度.
科学领域:
- 生理学 生理学 生理学
- 计算生物学 计算生物学
- 内分泌学 在内分泌学.
背景情况:
- 葡萄糖调节的个体间的变化是复杂的.
- 机械和数据驱动的模型为葡萄糖平衡提供了不同的见解.
- 组合建模方法尚未得到充分探索.
研究的目的:
- 使用组合建模方法量化口服葡萄糖耐受性测试对葡萄糖和胰岛素反应的量化.
- 为了比较机械,数据驱动和组合模型的预测性能.
- 评估自下而上的机械模型在动态葡萄糖调节中的实用性.
主要方法:
- 提出了一种机械和数据驱动建模的连续组合.
- 在马斯特里赫特研究中使用了来自2968个人的横截面数据.
- 预测性能由R2和预测平均平方误差来衡量.
主要成果:
- 只有个性化的机械模型才能达到最佳的预测性能.
- 添加数据驱动模型并没有提高预测准确度.
- 机械模型的表现始终优于数据驱动和组合方法.
结论:
- 自下而上的机械模型很强大,适合描述动态葡萄糖和胰岛素反应.
- 个性化机械模型对于预测葡萄糖平衡是非常有效的.
- 对于这个特定的应用,可能不需要对组合建模的进一步探索.
