知道实验室,公司。美国(纽约证券交易所:认识)今天宣布一项新的研究结果题为“小说在扩展数据集数据预处理技术提高机器学习模型精度的非侵入式血糖监测”。该研究表明,持续的算法改进和更高质量的数据大大提高了测量的准确度知道实验室的专有Bio-RFID传感器技术,导致整体平均绝对相对偏差(MARD)的11.3%。
与都知道实验室的先前的研究,这项研究的目的是评估的能力Bio-RFID传感器方法,不断量化血糖,使用G6®Dexcom公司将连续葡萄糖监测设备(CGM)作为参考。在这个新的研究数据收集完成2023年5月,知道实验室应用新颖的数据预处理技术和训练光Gradient-Boosting机(lightGBM)模型来预测血糖值使用3311观察-或参考设备值从330小时的收集的数据来自13个健康的参与者。通过这种方法,知道实验室能够预测血糖测试集-提供了一个盲评估模型性能的数据集——MARD的11.3%。
相比之下,知道实验室发布的研究结果2023年5月分析数据从五个参与者类似的人口使用1555从130小时的观测数据收集、lightGBM毫升模型的第一个应用程序,导致整体MARD 12.9%。
2023年6月,知道实验室宣布完成构建创1的原型,包含Bio-RFID传感器知道实验室一直在使用进行临床研究过去的两年里,在实验室环境,公布结果的稳定性便携设备。测试与创1设备正在进行中,优化数据收集的传感器配置,包括新的环境和人为因素。
公司的重点是收集更多高质量、高分辨率数据在不同参与者的人口代表不同血糖范围和测试场景,改进其算法基于这个新的数据,并优化其传感器为规模做准备。支持这项工作,公司继续测试其创1设备每天与正在进行的临床研究与固定实验室系统。创1将生成数百亿数据观测过程将帮助验证算法性能的关键在真实的场景中,知道实验室的血糖监测设备可以使用。这是一个关键组成部分实现公司的愿景让fda产品市场。
2023年,知道实验室仍专注于改进和外部验证的技术,导致越来越多的同行评审的证据,可以发现www.knowlabs.co research-and-validation。
