식후 혈당 레벨 예측을 위한 방법 및 수단

식후 혈당 레벨 예측을 위한 방법 및 수단 본 발명은 혈당 레벨을 예측, 특히, 식후 혈당 레벨을 예측하기 위한 방법(100)과 관련되며, 상기 방법은 컴퓨터로 구현되고, 시간 범위를 커버하는 환자의 제1 의료 데이터 세트를 수신하는 단계(101) - 상기 제1 의료 데이터 세트는 상기 환자의 포도당 데이터 및 추가 다른 의료 데이터를 포함함 - , 상기 제1 의료 데이터 세트로부터 제2 의료 데이터 세트를 추출하는 단계(102) - 상기 제2 의료 데이터 세트는 상기 제1 의료 데이터 세트의 서브세트이고 상기 추출하는 단계는 상기 제1 의료 데이터 세트에서 중복을 식별하고 식별된 중복을 제거하는 단계(103), 지정 최대 임계 데이터 값보다 높은 데이터 값을 식별하는 단계(104) 또는 지정 최소 임계 데이터 값보다 낮은 데이터 값을 식별하고 상기 식별된 데이터 값에 연관된 데이터를 제거하는 단계(105), 지정 양보다 많이 지정 예상 데이터 값과 차이 나는 데이터 값을 식별하고 상기 식별된 데이터 값에 연관된 데이터를 제거하는 단계(106), 데이터 값이 누락된 불완전한 데이터를 식별하고 식별된 불완전한 데이터를 제거하는 단계(107), 적어도 하나의 지정 시간-종속적 데이터 패턴을 식별하고 상기 식별된 시간-종속적 데이터 패턴에 연관된 데이터를 제거하는 단계(108) 중 적어도 하나를 포함함 - , 추출된 제2 의료 데이터 세트를 입력으로서 혈당 레벨 예측 모델에 제공하는 단계(109), 및 상기 제2 의료 데이터 세트에 기초한 상기 혈당 레벨 예측 모델의 출력을 사용해 상기 환자의 미래 혈당 레벨을 예측하는 단계(110)를 포함한다. The invention relates to a method (100) for predicting blood glucose levels, in particular for postprandial blood glucose level prediction, the method being computer-implemented and comprising: receiving (101) a first medical data set of a patient covering a time range, said first medical data set comprising glucose data and further other medical data of said patient, extracting (102) a second medical data set from said first medical data set, wherein the second medical data set is a subset of the first medical data set and wherein the extracting comprises at least one of: identifying (103) duplicates in the first medical data set and removing identified duplicates, identifying (104) data values that lie above a predefined maximum threshold data value or identifying (105) data values that lie below a predefined minimum threshold data value and removing data associated to said identified data values, identifying (106) data values that differ from predetermined expected data values by more than a predetermined amount and removing data associated to said identified data values, identifying (107) incomplete data for which data values are missing and removing identified incomplete data, identifying (108) at least one predetermined time-dependent data pattern and removing data associated to said identified time-dependent data pattern, providing (109) the extracted second medical data set as input to a blood glucose level prediction model, and predicting (110) future blood glucose levels of the patient using the output of the blood glucose level prediction model based on the second medical data set.