《预见未来的一瞥》：探索1型糖尿病自我管理中血糖预测技术的作用

文献标题

“It’s like a glimpse into the future”: Exploring the Role of Blood Glucose Prediction Technologies for Type 1 Diabetes Self-Management

文献信息

• 主题领域: 健康信息技术与人机交互，尤其是1型糖尿病的自我管理支持。
• 关键词: 健康, 1型糖尿病, 人工智能, 定性研究, 移动健康

研究背景与问题

• 问题或挑战:

  • 1型糖尿病（T1D）的自我管理需要复杂的决策过程，例如预计血糖波动，这令许多患者面临巨大的压力。
  • 人工智能（AI）支持的血糖预测技术（Blood Glucose Prediction, BGP）虽然具有潜力，但由于预测的不确定性和解释难度，用户在日常决策中很难融入这些工具。

• 重要性:

  • 高质量的糖尿病管理可以降低急性和长期健康问题的风险，如低血糖导致晕厥以及长期心血管疾病或肾功能衰竭。
  • 提供有效工具以减少管理负担对1型糖尿病患者的生活质量有重要影响。

• 研究动机与相关工作:

  • 现有T1D技术通常依赖用户对数据的自主解释，但缺乏对未来血糖预测的支持。
  • 尽管关于二型糖尿病（T2D）的技术研究较多，针对T1D中人工智能的应用研究较少，特别是患者如何与BGP交互以及其对自我管理的影响方面。

解决方案

• 方法和提出的解决方案:

  • 开发MOON-T1D应用程序，这是一款提供模拟血糖预测（模拟数据而非真实用户数据）的移动应用。
  • 通过用户体验采样法（Experience Sampling Method，ESM）和半结构化访谈，研究了15名T1D患者使用MOON-T1D的经历。

• 创新之处:

  • 在有关BGP的现有研究中较少结合用户体验，本文聚焦于用户需求、情感反应及其日常管理方式的改变。
  • 结合实际使用情境设计研究方法，提出了与用户体验相关的设计指南。

• 实施步骤和关键技术:

  • 建立一个用户可以记录食物摄入、胰岛素注射和运动活跃性的应用程序界面。
  • 使用深度学习模型（基于现有的OhioT1DM数据集）生成模拟的血糖预测，并允许用户交互记录估值。
  • 通过反思性主题分析（Reflexive Thematic Analysis）对数据进行编码和分析，提取关键主题用于设计优化。

研究成果

• 具体成果:

  • 发现BGP在特定情境（如体育活动、计划外高活动、睡眠等）中对用户支持效果显著。
  • 归纳出四个关键主题：
    1. BGP可缓解某些管理活动中的约束。
    2. 平衡对预测的信任和依赖。
    3. BGP引发的情感（正面如信心，负面如压力）对管理行为的影响。
    4. 不同个体在互动与参与上的差异影响对系统的响应。

• 与现有解决方案的对比优势:

  • 聚焦用户体验与实际需求，与仅注重算法预测准确性的研究不同，更人性化。
  • 考虑了预测中的情感和心理影响，如用户如何与不确定性共处。

• 实验或评估结果:

  • 使用MOON-T1D的总体体验较为积极，98.3%的ESM响应评价认为BGP具有帮助意义。
  • 提出了改进安全性、呈现预测不确定性等新设计建议。

• 局限性与未来方向:

  • 局限性：
    • 使用的是模拟数据，可能与实际应用场景有一定偏差。
    • 研究样本集中于西欧患者，文化和医疗系统的异质性未被充分反映。
  • 未来方向：
    • 在更长时间跨度和更真实数据情境中评估BGP对健康指标的影响。
    • 研究多种预测可视化方式的用户接受度及效用。
    • 探索如何将BGP创新性地纳入现有糖尿病管理支持系统。