본 연구는 1형 당뇨병 환자의 저혈당 위험을 예측하기 위해 단기(최대 2시간) 및 장기(최대 24시간) 예측 지평을 통합한 머신러닝 모델을 제시합니다. ResNet과 LSTM 모델을 이용하여 혈당 수치, 인슐린 투여량, 가속도 데이터를 학습시켰으며, 저혈당 발생 전 5-15분, 15-30분, 30분-1시간, 1-2시간, 2-4시간, 4-8시간, 8-12시간, 12-24시간을 예측하는 9개의 클래스 분류를 수행했습니다. 특히 LSTM 모델이 9개 클래스 분류에서 우수한 성능을 보였으나, 개인별 모델은 0, 1, 2 클래스에서만 높은 재현율(각각 98%, 72%, 50%)을 달성했습니다. 반면, 모집단 기반 6개 클래스 모델은 적어도 60% 이상의 사건을 검출하여 성능 향상을 보였습니다. 장기 예측 지평은 현재 접근 방식으로는 어려움이 있으며, 다른 모델을 고려해야 할 수 있습니다.
