Forecasting and decision support for type 1 diabetes insulin therapy using machine learning

Autor/a

Oviedo Castillo, Silvia

Director/a

Vehí, Josep

Contreras Fernández-Dávila, Ivan

Data de defensa

2019-04-09

Pàgines

106 p.



Departament/Institut

Universitat de Girona. Departament d'Enginyeria Elèctrica, Electrònica i Automàtica

Resum

Insulin therapy for Type 1 Diabetes (T1D) has several ramifications with different degrees of automation. The advances in sensors and monitoring devices have led to an increasing availability of data. Additionally, machine learning algorithms usage has sprung, allowing the development of models for Blood Glucose (BG) forecasting with relative ease. Nevertheless, BG forecasting is still a challenging task for prediction horizons beyond 30 min and, even more so, with missing or erroneous data, which is a common burden in the field. This thesis is devoted to generate machine learning models that forecast either BG levels using regression algorithms or postprandial hypoglycemia using classification algorithms. The application of these models range from Multiple Daily Injections (MDI) therapy up to Sensor Augmented Pump (SAP) therapy.


La teràpia amb insulina per a pacients amb T1D tenen vàries ramificacions amb diferents graus d’automatització. Els avenços en sensors i dispositius de monitorització comporten un increment en la disponibilitat de dades. A més a més, l’ús d’algoritmes d’aprenentatge automàtic s’han popularitzat, facilitant així el desenvolupament de models per pronosticar Glucosa en Sang (GS) amb major facilitat. No obstant això, preveure els nivells de GS és una tasca complexa per a finestres de predicció més enllà de 30 minuts, i més encara, amb dades errònies o absents, la qual cosa és una limitació molt freqüent en aquest camp. Aquesta tesis està dedicada a la generació de models basats en aprenentatge automàtic per predir ja siguin nivells de GS utilitzant algoritmes de regressió o hipoglucèmia postprandial utilitzant algoritmes de classificació. L’aplicació d’aquests models van des de la teràpia de múltiples injeccions diàries (MID), fins a la teràpia SAP

Paraules clau

Blood glucose; Glucosa a la sang; Glucosa en la sangre; Type 1 diabetes; Diabetis tipus 1; Diabetes tipo 1; Machine learning; Aprenentatge automàtic; Aprendizaje automático; Postprandial hypoglycemia; Hipoglucèmia postprandial; Hipoglucemia postprandial; Insuline therapy; Teràpia amb insulina; Terapia con insulina; Forecasting models; Models de predicció; Modelos de predicción

Matèries

004 - Informàtica; 616.4 - Patologia del sistema limfàtic, òrgans hematopoètics, endocrins; 68 - Indústries, oficis i comerç d'articles acabats. Tecnologia cibernètica i automàtica

Documents

tsoc_20190409.pdf

3.375Mb

 

Drets

ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

Aquest element apareix en la col·lecció o col·leccions següent(s)