arXiv cs.AI· Shakson Isaac, Chirag Patel·· 12 小时前AI 评分26
SSMCGM-Stream：面向个性化糖尿病管理的流式状态空间模型
SSMCGM-Stream: A Streaming State-Space Model for Personalized Diabetes Management
AI 导读
SSMCGM-Stream 是一种流式状态空间模型，随每条血糖读数更新个性化隐藏状态，实现常数时间预测、生理结构化的反事实推理与基于隐藏状态归因的可解释预测。在 T1DEXI 队列上，其预测性能与强神经基线相当，同时大幅降低计算成本，支持设备端持续糖尿病决策支持。基于该模型，SSMCGM-Agent 通过受约束的语言模型接口将预测、解释与反事实转化为有依据的风险感知自然语言建议。
正文 · AI 翻译
摘要：连续血糖监测可支持糖尿病管理，但需要预测模型足够准确、可解释且高效，以便实时部署。我们提出 SSMCGM-Stream，一种流式状态空间模型，它维护一个随每条新到达的血糖读数更新的个性化隐藏状态，从而提供常数时间预测、具有生理结构的反事实推理，以及通过隐藏状态归因实现的可解释预测。在此基础上，SSMCGM-Agent 通过受防护的语言模型接口，将预测、解释和反事实转化为有依据的建议，从而提供风险感知的自然语言决策支持。在 T1DEXI 队列上评估时，SSMCGM-Stream 取得了与强神经基线相当的预测性能，同时大幅降低计算成本，从而支持连续的设备端糖尿病决策支持。
| 评论： | 被 NeurIPS 2026 AI4Science 和 GenAI4Health 研讨会接收 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.28976 [cs.LG] |
| （或 arXiv:2610.28976v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.28976 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Shakson Isaac [查看电子邮件]
[v1]
2026年10月20日星期二 22:48:57 UTC（1,316 KB）
来源：arXiv cs.AI · arxiv.org