AI模型结合CGM与餐食数据提升血糖预测

一项最新研究利用多模态Transformer模型MealRes-Gate，结合连续血糖监测（CGM）数据和稀疏记录的餐食信息，显著提升了自由生活状态下的血糖预测能力。该模型将餐食数据作为门控残差细化模块，融入基于CGM的骨干模型。在弗雷明汉心脏研究的1752名非糖尿病和糖尿病前期成年人中，MealRes-Gate在30至120分钟的预测时间窗口内均优于多种基线模型（包括循环神经网络、Transformer和GluFormer），尤其在餐后、高血糖和低血糖时段增益最大。该研究为糖尿病前期人群的个性化代谢管理提供了新工具。