في عالم التكنولوجيا الصحية، تمثل التنبؤات الدقيقة بمستويات الجلوكوز ضرورة ملحة لتمكين الأشخاص المصابين بالنوع الأول من السكري (T1D) من إدارة حالتهم الصحية بشكل أكثر فعالية. ومع تزايد الاعتماد على الأنظمة الآلية لتوصيل الأنسولين، تظهر الحاجة إلى حلول مبتكرة. هنا يأتي دور نموذج PhysioSeq2Seq الهجين.

تقوم تقنيات التنبؤ التقليدية، مثل الشبكات العصبية ذات الذاكرة الطويلة القصيرة (LSTM)، بمواجهة تحديات مهمة عندما يتعلق الأمر بالتنبؤ طويل الأمد، حيث تواجه مشكلات تعويض الأخطاء. لذلك، تمثل PhysioSeq2Seq نقلة نوعية من خلال دمج نماذج فسيولوجية خاصة بالمريض مع الأنظمة القائمة على تسلسل - تسلسل (Seq2Seq) لموازنة التنبؤات.

يعمل النموذج عن طريق البحث عن أفضل تطابق بين مرضى من بين مجموعة مكونة من 300 توأم رقمي تم برمجته بناءً على تجربة مستمرة لمراقبة الجلوكوز (CGM) لمدة 3 ساعات. يتم إدخال متغيرات الحالة المدفوعة الفيزيائية العشر للتوأم الموازي في كل من مشفر (Encoder) ومفكك الشيفرة (Decoder) للشبكة. هذه الاستراتيجية المبتكرة تضمّن عدم تراكم الأخطاء، وتقدم تنبؤات محسَّنة بطول 48 خطوة.

عند التقييم على مجموعة من المشاركين، أظهرت نتائج PhysioSeq2Seq أنها تتمتع بدقة عالية، حيث حققت متوسط خطأ مطلق بلغ 39.28 mg/dL، مما يمثل تحسنًا كبيرًا مقارنةً بالنماذج السابقة.

إن PhysioSeq2Seq ليس مجرد ابتكار تقني، بل هو خطوة هامة نحو تحسين حياة المرضى وتحقيق نتائج صحية أفضل. مع استمرار الأبحاث، يبدو أن الاستراتيجيات المبنية على البيانات الفسيولوجية الخاصة بالمرضى ستلعب دوراً أساسياً في مستقبل رعاية مرضى السكري.