Blood glucose level prediction from meal photos and behavior change by AR and nudge for avoiding postprandial hyperglycemia

本研究では、血糖値の時系列データと食事の情報から、個人ごとの血糖値予測モデルを構築し、摂ろうとしている食事により血糖値がどれだけ上昇するかを事前に予測する手法を開発すること、また、高血糖状態を避ける食行動の行動変容手法として、配膳されている各食品に対して、（どの程度）食べて良いかを、AR（拡張現実感）により重畳して表示する手法、食べる速度をセンシングし、ナッジにより血糖値が上がりにくい食べ方を誘発する手法を設計しその有効性を調査することを目的としている。上記を実現するため、(1) 画像からの食事種類・量の推定、(2) 血糖値の推定モデルの構築、(3) 行動変容に向けた食品・量の推薦手法、(4) ARを使ったアプリケーション、(5) 箸型IoTデバイスによる食行動の詳細なセンシング、(6) IoTナッジ、の６研究開発項目を実施し、実証実験により有効性を示すことを目標に研究を進めている。2022年度までに、摂取予定の食事から血糖値の上昇を事前に予測し，ナッジを用いて摂取量を減らすべき食品をフィードバックする高血糖抑制支援システムを設計・開発した。2 時間後の血糖値を予測する血糖値予測モデルを構築するため、被験者 10 名から、血糖値の時系列データと血糖値に影響があるとされるデータ（食事情報、睡眠情報，被験者の身体情報）を収集した。血糖値予測モデルの評価を行った結果、最も精度の高い被験者においてRMSE（二乗平均平方根誤差）は 7.66、MAE（平均絶対誤差）は 4.66 となることが示された。

本研究では、血糖値の時系列データと食事の情報から、個人ごとの血糖値予測モデルを構築し、摂ろうとしている食事により血糖値がどれだけ上昇するかを事前に予測する手法を開発すること、また、高血糖状態を避ける食行動の行動変容手法として、配膳されている各食品に対して、（どの程度）食べて良いかを、AR（拡張現実感）により重畳して表示する手法、食べる速度をセンシングし、ナッジにより血糖値が上がりにくい食べ方を誘発する手法を設計しその有効性を調査することを目的としている。上記を実現するため、(1) 画像からの食事種類・量の推定、(2) 血糖値の推定モデルの構築、(3) 行動変容に向けた食品・量の推薦手法、(4) ARを使ったアプリケーション、(5) 箸型IoTデバイスによる食行動の詳細なセンシング、(6) IoTナッジ、の６研究開発項目を実施し、実証実験により有効性を示すことを目標に研究を進めている。2022年度までに、摂取予定の食事から血糖値の上昇を事前に予測し，ナッジを用いて摂取量を減らすべき食品をフィードバックする高血糖抑制支援システムを設計・開発した。2 時間後の血糖値を予測する血糖値予測モデルを構築するため、被験者 10 名から、血糖値の時系列データと血糖値に影響があるとされるデータ（食事情報、睡眠情報，被験者の身体情報）を収集した。血糖値予測モデルの評価を行った結果、最も精度の高い被験者においてRMSE（二乗平均平方根誤差）は 7.66、MAE（平均絶対誤差）は 4.66 となることが示された。