CGM 糖尿病缓解预测 PoC Demo

Core Claim

这个 PoC 想证明什么

研究演示

1

CGM 不是一个单独模型，而是连续血糖数据源。

2

模型读取 5 分钟血糖曲线，学习餐后、夜间、黎明、跨日稳定性。

3

把 CGM 时序模型和 HbA1c、传统 Logistic、传统 ML、CGM 摘要特征做同题对照。

Sample Flow

样本流转

Sample Mix

匿名样例队列

CGM Raw Sequence

原始时序输入

5 分钟一点

每人 14 天，共 4032 个读数

剔除前 2 天适应期后，模型使用 12 天有效序列：每天 288 点，合计 3456 点。

Quality Control

质控规则

Feature Dictionary

从曲线里抽取什么信号

Experiment Comparison

AUC 对照

内部验证外部验证

Question

每组模型回答的问题

Model Cards

实验组定义

Temporal Model Blueprint

CGM 原始时序怎么变成预测概率

正式项目路线

Input Tensor

模型输入

[B, 12, 288, C]

B 是患者数；12 是有效天数；288 是每天 5 分钟点位；C 包含血糖、变化量、缺失 mask、时间编码和餐后窗口。

Output

模型输出

p_remission_12m0.42

risk_band中缓解潜力

top_evidence餐后峰值、夜间均值、跨日波动

qc_flags有效率 ≥90%

Patient Samples

样例个体

72h CGM Trace

5 分钟血糖曲线样例

Temporal Evidence

预测依据

Manifest

演示审计链

Cloudflare Pages

发布信息

npm run deploy:cgm

默认发布目录是 cgm-remission-demo，项目名是 cgm-remission-demo。

01

所有数据在前端模拟生成，不接入真实患者数据。

02

页面用于商务/专家演示，不能被包装成临床诊断工具。

03

真实项目需要伦理审批、数据治理、外部验证和模型校准。