هوش مصنوعی

DiabAgent برای ارزیابی کنترل مداوم قند خون با عامل‌های هوش مصنوعی معرفی شد

پژوهشگران مجموعه‌ای شامل چارچوب کنترلی، شبیه‌ساز و بنچمارک ساخته‌اند تا توان مدل‌ها را در تنظیم مداوم قند خون بررسی کنند؛ ارزیابی نظام‌مند این توانایی، به گفتهٔ آن‌ها، هنوز کافی نیست.

۱ دقیقه مطالعه
Figure 1: APC and its first instantiation. (a) The APC loop, in which an agent acts on a physiological system through device tools and is scored on the physiological outcome. This work applies it to type 1 diabetes, and
تصویر درج‌شده در مقالهٔ اصلی؛ حقوق بازنشر مستقل تأیید نشده است. — arXiv · AI (پیش‌چاپ) · پرونده اصلی · منبع تصویر: ناشر خبر

پژوهش تازه‌ای در arXiv با معرفی DiabAgent می‌کوشد توان مدل‌های پزشکی را در کنترل فیزیولوژیکِ مستمر بسنجد؛ کاری فراتر از پاسخ‌گویی به پرسش‌های بالینی. دیابت نوع یک نمونهٔ این پژوهش است: در این بیماری، اختلال در ترشح انسولین، فرد را به انسولین تزریقی وابسته می‌کند و دوز آن باید با توجه به غذا، ورزش، بیماری و اندازه‌گیری‌های قند خون تنظیم شود.

DiabAgent سه جزء دارد: چارچوب Agentic Physiological Control (APC)، شبیه‌ساز DiabetSim و بنچمارک SweetBench. در چارچوب APC، عامل با استفاده از ابزارهای دستگاه‌های پزشکی و مشاهده‌های پیوسته، قند خون را کنترل می‌کند و وضعیت فرد را استنباط می‌کند. چکیدهٔ در دسترس جزئیات بیشتری از روش ارزیابی یا نتایج ارائه نمی‌کند؛ مقاله نیز پیش‌چاپ است.

این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.

منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗

پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست