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

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(T1DM)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T1DM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T1DM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IS...