用于估计葡萄糖值的基于机器学习的系统的制作方法

技术特征：
1.一种估计使用者的血糖值的方法，包括：接收包括由使用者活动数据的来源收集的有关活动数据的第一组输入以及包括从血糖仪提供的间歇葡萄糖测量值的第二组输入；和经由在处理器设备处执行的用于所述使用者的估计模型处理第一组输入和第二组使用者输入以生成一组估计的葡萄糖值，其中所述估计模型是集成模型，其包括：一种或多种机器学习算法，以及生理模型。2.根据权利要求1所述的方法，其中所述一种或多种机器学习算法包括以下的至少一种：一个或多个人工神经网络；一个或多个回归模型；一个或多个决策树模型；一个或多个支持向量机；一个或多个贝叶斯网络；一个或多个概率机器学习模型；一个或多个高斯处理模型；一个或多个隐马尔可夫模型；以及一个或多个深度学习网络。3.根据权利要求1或2所述的方法，其中从所述使用者活动数据的来源收集的所述有关活动数据包括以下的一项或多项：关于所述使用者的代谢数据；和关于所述使用者的身体活动数据。4.根据权利要求1、2或3所述的方法，其中处理包括：经由在所述处理器设备处执行的用于所述使用者的所述估计模型，仅处理第一组输入和第二组使用者输入，以在不使用来自连续葡萄糖传感器布置的信息的情况下生成所述一组估计的葡萄糖值。5.根据任一前述权利要求所述的方法，其中接收包括：接收包括由所述使用者活动数据的来源收集的所述有关活动数据的第一组输入、包括从血糖仪提供的间歇葡萄糖测量的第二组输入、包括由使用者输入的营养信息的第三组输入以及包括由所述使用者的胰岛素输注设备输送的胰岛素的第四组输入；并且其中处理包括：经由在所述处理器设备处执行的用于所述使用者的所述估计模型处理第一组输入、第二组输入、第三组输入和第四组输入以生成所述一组估计的葡萄糖值，其中所述一组估计的葡萄糖值跟踪实际的葡萄糖值。6.根据任一前述权利要求所述的方法，其中所述处理器设备在后端服务器系统处实施，其中所述估计模型在所述后端服务器系统处作为网络应用程序的一部分执行，并且其中所述后端服务器系统被配置为将处理所述估计的葡萄糖值的结果发送到客户端设备和胰岛素输注设备中的一个或多个。7.根据任一前述权利要求所述的方法，其中所述处理器设备在客户端设备处实施，其中所述估计模型在所述客户端设备处作为移动应用程序的一部分执行，或者其中所述处理
器设备在胰岛素输注设备处实施。8.根据任一前述权利要求所述的方法，还包括：确定所述估计的葡萄糖值是否在可接受的准确度范围内；当所述估计的葡萄糖值不在可接受的准确度范围内时，生成所述使用者可察觉的第一通知；和当所述估计的葡萄糖值在可接受的准确度范围内时，基于所述估计的葡萄糖值控制胰岛素输注设备的胰岛素输送。9.一种基于处理器的计算设备，包括：至少一个处理器设备；以及可操作地与所述至少一个处理器设备相关联的非暂时性处理器可读介质，所述处理器可读介质包含可配置成使所述至少一个处理器设备执行一种方法的可执行指令，所述方法包含：接收包括由使用者活动数据的来源收集的有关活动数据的第一组输入以及包括从血糖仪提供的间歇葡萄糖测量值的第二组输入；和经由在处理器设备处执行的用于所述使用者的估计模型处理第一组输入和第二组使用者输入以生成一组估计的葡萄糖值，其中所述估计模型是集成模型，其包括：一种或多种机器学习算法；以及生理模型。10.根据权利要求9所述的计算设备，其中所述一种或多种机器学习算法包括以下的至少一种：一个或多个人工神经网络；一个或多个回归模型；一个或多个决策树模型；一个或多个支持向量机；一个或多个贝叶斯网络；一个或多个概率机器学习模型；一个或多个高斯处理模型；一个或多个隐马尔可夫模型；以及一个或多个深度学习网络。11.根据权利要求9或10所述的计算设备，其中从所述使用者活动数据的来源收集的所述有关活动数据包括以下的一项或多项：关于所述使用者的代谢数据；和关于所述使用者的身体活动数据。12.根据权利要求9、10或11所述的计算设备，所述方法还包含：确定所述估计的葡萄糖值是否在可接受的准确度范围内；当所述估计的葡萄糖值不在可接受的准确度范围内时，生成所述使用者可察觉的第一通知；和当所述估计的葡萄糖值在可接受的准确度范围内时，基于所述估计的葡萄糖值控制胰岛素输注设备的胰岛素输送。13.根据权利要求9、10、11或12所述的计算设备，其中处理包括：
经由在所述处理器设备处执行的用于所述使用者的所述估计模型，仅处理第一组输入和第二组使用者输入，以在不使用来自连续葡萄糖传感器布置的信息的情况下生成所述一组估计的葡萄糖值。14.根据权利要求9、10、11、12或13所述的计算设备，其中接收包括：接收包括由所述使用者活动数据的来源收集的所述有关活动数据的第一组输入、包括从血糖仪提供的间歇葡萄糖测量的第二组输入、包括由使用者输入的营养信息的第三组输入以及包括由所述使用者的胰岛素输注设备输送的胰岛素的第四组输入；并且其中处理包括：经由在所述处理器设备处执行的用于所述使用者的所述估计模型处理第一组输入、第二组输入、第三组输入和第四组输入以生成所述一组估计的葡萄糖值，其中所述一组估计的葡萄糖值跟踪实际的葡萄糖值。15.一种胰岛素输注和管理系统，其包括：胰岛素输注设备，其被配置为向使用者输送胰岛素；血糖仪；使用者活动数据的来源；和根据权利要求9至14中任一项所述的基于处理器的计算设备，其中所述基于处理器的计算设备支持与所述胰岛素输注设备的数据通信，并且被配置为基于所述一组估计的葡萄糖值控制由所述胰岛素输注设备向所述使用者输送胰岛素。16.一种估计特定使用者的葡萄糖值的方法，包括：对于多个使用者中的每一个：接收包括由使用者活动数据的来源收集的有关活动数据的第一组输入以及包括从血糖仪提供的间歇葡萄糖测量值的第二组输入；经由在处理器设备处执行的机器学习模型处理第一组输入中的每一个和第二组输入中的每一个以生成用于所述多个使用者的群体模型；通过所述机器学习模型处理所述特定使用者的输入，以将所述群体模型转换为针对所述特定使用者优化的个性化模型；和在另一处理器设备处经由所述个性化模型处理所述特定使用者的有关活动数据和所述使用者的至少一个葡萄糖测量值，以生成所述特定使用者的一组估计的葡萄糖值。

技术总结
提供了一种用于估计使用者的葡萄糖值的方法以及胰岛素输注和管理系统。胰岛素输注和管理系统可以包括配置为向使用者输送胰岛素的胰岛素输注设备；血糖仪；使用者活动数据的来源；以及支持与胰岛素输注设备进行数据通信的基于处理器的计算设备。计算设备的处理器设备可执行用于估计使用者的葡萄糖值的方法。备可执行用于估计使用者的葡萄糖值的方法。备可执行用于估计使用者的葡萄糖值的方法。


技术研发人员：P
受保护的技术使用者：美敦力迷你迈德公司
技术研发日：2020.08.06
技术公布日：2022/3/22