从餐食图像、临床变量和肠道微生物组信息预测餐后血糖反应
Predicting Postprandial Glycemic Response from Meal Images, Clinical Variables, and Gut Microbiome Information
浏览论文内容
中文总结 AI 辅助
本研究提出一种多模态框架，利用餐食图像估计宏量营养素，并结合临床与肠道微生物组信息，实现可扩展的个性化餐后血糖反应预测，优于现有基线。
中文摘要 AI 辅助
预测餐后血糖反应（PPGR）是个性化营养和2型糖尿病管理的基础，然而现有方法通常依赖人工记录的膳食摄入，这限制了其在自由生活场景中的可扩展性。我们提出了一种多模态框架，用图像衍生的宏量营养素估计取代人工膳食记录，并将其与临床变量和肠道微生物组信息整合，用于个性化PPGR预测。该框架联合执行基于图像的宏量营养素估计和血糖预测，同时一个基于注意力的预测模块对饮食与宿主特定信息之间的交互进行建模。我们在一个包含餐食图像、连续血糖监测、临床变量和肠道微生物组谱的真实世界数据集上评估了所提出的方法。所提出的模型在使用图像衍生的营养输入时优于现有的PPGR基线，并且在使用自动估计的营养信息时，其性能接近依赖人工报告宏量营养素的方法。这些结果表明，将图像衍生的营养与互补的临床和肠道微生物组信息相结合，为可扩展的个性化PPGR预测提供了实用基础。
英文摘要
Predicting postprandial glycemic response (PPGR) is fundamental to personalized nutrition and type 2 diabetes management, yet existing approaches typically rely on manually reported dietary intake, limiting their scalability in free-living settings. We propose a multimodal framework that replaces manual dietary logging with image-derived macronutrient estimates and integrates them with clinical variables and gut microbiome information for personalized PPGR prediction. The framework jointly performs image-based macronutrient estimation and glucose prediction, while an attention-based prediction module models interactions between dietary and host-specific information. We evaluate the proposed approach on a real-world dataset comprising meal images, continuous glucose monitoring, clinical variables, and gut microbiome profiles. The proposed model outperforms existing PPGR baselines using image-derived nutritional inputs and approaches the performance of methods that rely on manually reported macronutrients despite using automatically estimated nutritional information. These results demonstrate that combining image-derived nutrition with complementary clinical and gut microbiome information provides a practical foundation for scalable personalized PPGR prediction.
发表机构
- Technical University of Munich（慕尼黑工业大学）
- University Hospital Augsburg（奥格斯堡大学医院）
- Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
- Aalto University（阿尔托大学）
机构由 AI 辅助整理，请以论文原文为准。
