इस शोधपत्र में, हम ग्लूकोलेंस नामक एक व्याख्यात्मक मशीन लर्निंग मॉडल का उपयोग करके भोजन के बाद AUC और हाइपरग्लाइसेमिया की भविष्यवाणी करने के लिए एक विधि प्रस्तावित करते हैं। ग्लूकोलेंस पहनने योग्य सेंसर डेटा (गतिविधि स्तर, रक्त शर्करा), भोजन रिकॉर्ड और कार्य लॉग जैसे विभिन्न तरीकों से डेटा का उपयोग करता है, और बड़े पैमाने पर भाषा मॉडल और प्रशिक्षित मशीन लर्निंग मॉडल को एकीकृत करता है। इसे 5-सप्ताह के नैदानिक परीक्षण (10 वयस्क) के डेटा के आधार पर विकसित और मूल्यांकन किया गया था, और इष्टतम सेटिंग पर 0.123 का सामान्यीकृत मूल माध्य वर्ग त्रुटि (NRMSE) प्राप्त किया, जो मौजूदा मॉडल की तुलना में 16% अधिक है। इसके अलावा, इसने हाइपरग्लाइसेमिया की भविष्यवाणी करने के लिए 73.3% सटीकता और 0.716 का F1 स्कोर दर्ज किया, और विभिन्न काउंटरफैक्टुअल स्पष्टीकरणों के माध्यम से हाइपरग्लाइसेमिया को रोकने के लिए उपचार विकल्पों का सुझाव दिया।
