BLOOD GLUCOSE PREDICTION SYSTEM AND METHOD USING SALIVA-BASED ARTIFICIAL INTELLIGENCE DEEP LEARNING TECHNIQUE

타액 기반 인공지능 딥러닝 기법을 활용한 혈당 예측 시스템 및 방법이 개시된다. 일 실시예에 따르면 식후 혈당 예측 시스템은, 식사에 따른 혈당 변화 및 타액당 변화 사이의 패턴 차이를 신체 지표를 고려하여 추론하도록 당 변화 추론 모델을 학습시키고, 식후 타액당과 식후 혈당 사이의 상관 관계를 상기 패턴 차이를 고려하여 추론하도록 식후 혈당 추론 모델을 학습시키는 학습 모델링부; 대상자의 신체 지표와 식후 타액당을 획득하는 대상자 정보 획득부; 상기 대상자의 신체 지표를 입력 파라미터로 상기 당 변화 추론 모델을 이용하여 상기 대상자의 패턴 차이를 추정하는 패턴 차이 추정부; 및 상기 대상자의 식후 타액당과 상기 추정된 패턴 차이를 입력 파라미터로 상기 식후 혈당 추론 모델을 이용하여 상기 대상자의 식후 혈당을 예측하는 식후 혈당 예측부를 포함할 수 있다. It is disclosed a blood glucose prediction system and method using saliva-based artificial intelligence deep learning technique. According to one example embodiment, a postprandial blood glucose prediction system may comprise a learning modeling unit for learning a glucose change inference model to infer a pattern difference between blood glucose change and salivary glucose change according to eating by considering a physical indicator, and learning a postprandial blood glucose inference model to infer a correlation between postprandial salivary glucose and postprandial blood glucose by considering the pattern difference; a target information acquiring unit for acquiring a physical indicator and postprandial salivary glucose of a target; a pattern difference estimating unit for estimating a pattern difference of the target by using the glucose change inference model with the physical indicator of the target as an input parameter; and a postprandial blood glucose predicting unit for predicting postprandial blood glucose of the target by using the postprandial blood glucose inference model with the postprandial salivary glucose and the estimated pattern difference of the target as an input parameter.