Розробка застосунку для аналізу рівня глюкози на основі машинного навчання

Abstract

Дипломна робота присвячена розробці мобільного застосунку для аналізу рівня глюкози на основі машинного навчання для пацієнтів з цукровим діабетом 1 типу. Актуальність теми обумовлена необхідністю покращення якості самоконтролю глікемії та зниження ризику розвитку ускладнень діабету використовуючи сучасні технології моніторингу та прогнозування. Метою роботи є створення комплексного програмного рішення, яке поєднує моніторинг глюкози в реальному часі з прогнозуванням майбутніх значень та наданням персоналізованих рекомендацій для оптимізації глікемічного контролю. У роботі проведено детальний аналіз предметної області, досліджено сучасні підходи до безперервного моніторингу глюкози та методи машинного навчання для прогнозування глікемії. Для прогнозування рівня глюкози обрано модель LightGBM, яка демонструє оптимальний баланс між точністю прогнозування та обчислювальною ефективністю. Проведено комплексну попередню обробку даних, створено систему інженерії ознак з розрахунком активного інсуліну, активних вуглеводів, швидкості зміни глюкози. Впроваджено стратегію з використанням вагових коефіцієнтів для різних діапазонів глюкози для покращення точності прогнозування, що призвело до зниження RMSE на 7,3%, MAE на 16,4% та підвищення коефіцієнта детермінації R² на 56,3%. Архітектура мобільного застосунку побудована за принципами Clean Architecture з використанням патерну MVVM та бібліотеки BLoC для управління станом. Реалізовано дворівневу систему зберігання даних злокальною зашифрованою базою SQLite та хмарним резервним копіюванням. Особливістю розробленої системи є інтеграція ML-моделі у мобільний застосунок через конвертацію LightGBM у формат ONNX. Створено комплексну систему аналітики з розрахунком Time in Range, генерацією амбулаторного профілю глюкози та автоматичним виявленням патернів глікемії.