目的 探讨长短期记忆网络与门循环单元(LSTM-GRU)模型对1型糖尿病(T1 DM)和2型糖尿病(T2DM)患者低血糖的预警价值.方法 回顾性分析2015年7月至2017年3月于河南省人民医院内分泌科住院期间曾发生低血糖事件的50例糖尿病(DM)患者的临床资料,其中T1 DM患者18例,T2DM患者32例.以连续72 h的血糖数据为研究对象,运用Python 3.6运行LSTM-GRU模型,得到15、30、45、60 min的预测血糖值,以均方根误差(RMSE)、平均绝对百分误差(MAPE)及克拉克(Clarke)误差网格分析评价模型预测性能.采用灵敏度、特异度和准确度评价模型低血糖预警效果,进一步比较模型在T1 DM和T2DM患者的低血糖预警差异.结果 15 min预测时,LSTM-GRU模型的RMSE、MAPE分别为0.24、2.64;30 min预测时,RMSE、MAPE分别为0.26、2.84;45 min预测时,RMSE、MAPE分别为0.27、2.89;60 min预测时,RMSE、MAPE分别为0.27、2.85.Clarke误差网格分析表明该模型对血糖的预测准确度均满足ISO 15197—2013标准.LSTM-GRU模型在15 min低血糖预警时,T1 DM和T2DM患者的灵敏度、特异度、准确度分别为95.54％、98.41％、98.10％,88.82％、99.47％、99.05％;30 min预警时,T1 DM和T2DM患者的灵敏度、特异度、准确度分别为94.49％、98.41％、97.98％,87.94％、99.44％、99.01％;45 min预警时,T1 DM和T2DM患者的灵敏度、特异度、准确度分别为94.52％、98.49％、98.02％,85.53％、99.48％、98.98％;60 min预警时,T1 DM和T2DM患者的灵敏度、特异度、准确度分别为92.78％、98.54％、97.92％,85.15％、99.46％、98.95％.无论在哪个预测时长下,LSTM-GRU模型对T1 DM和T2DM患者的低血糖预警效果比较,差异有统计学意义(P<0.05).结论 LSTM-GRU模型能有效进行低血糖预警,且对T1 DM患者的低血糖预警效果优于T2 DM患者.

1型糖尿病;2型糖尿病;长短期记忆网络与门循环单元模型;低血糖预警

彭秀丽;王延年;李全忠

河南大学人民医院/河南省人民医院 内分泌科,河南 郑州 450003;郑州大学 信息工程学院,河南 郑州 450001

河南医学研究

[1]彭秀丽;王延年;李全忠-.LSTM-GRU模型对1型糖尿病和2型糖尿病患者低血糖的预警价值)[J].河南医学研究,2022(12):2135-2139

低血糖预警,长短期记忆网络与门循环单元模型

GRU,糖尿病患者,T2DM,内分泌科,住院期间,低血糖事件,Python,血糖值,RMSE,MAPE,克拉克,Clarke,网格分析,预测性能,预警效果,比较模型,预测准确度,ISO,哪个,效果比较

0.121416