Эта статья является продолжением серии статей о приложении для информационной поддержки лечения диабета. Первую часть можно посмотреть здесь. В ней описаны особенности лечения диабета, назначение разработанного мною приложения ZAPP и его основные функции. Более подробно был описан раздел приложения Инъекции и забор образцов. А тема этого материала — самоконтроль диабета. Обсуждаемый здесь раздел так и называется Ввод данных самоконтроля.

• Часть 1. О приложении ZAPP. Инъекции, забор образцов и напоминания

• Часть 2. Ввод данных самоконтроля

Этот раздел предназначен для ведения дневника самоконтроля. Описание основных функций раздела см. ниже.

Вся введенная информация помещается в базу данных, Данные каждого пользователя доступны для просмотра и анализа только этому пользователю, они защищены от несанкционированного доступа. База данных содержит обширный каталог продуктов. Сведения о продуктах включают в себя количество в них так называемых хлебных (ХЕ) или углеводных (УЕ) единиц. Также в базе данных хранятся индивидуальные и общие параметры настройки приложения.

Интерфейс максимально облегчен, имеет дружественный характер, использует выбор из списков, простые способы перетаскивания значений, интуитивно понятные способы ввода.

Например, при вводе информации о продуктах достаточно ввести название продуктов (даже приблизительно), единицу измерения (граммы, штуки, куски и т.п.) и количество этих граммов, штук или кусков. Доступен автоматически формируемый список наиболее часто употребляемых продуктов.

Другой пример. Порядок приема пищи определяется визуально последовательностью именованных элементов. Для изменения порядка нужно просто перетащить какой-либо элемент в нужное место последовательности. Для удаления какого-либо вида приема пищи его нужно просто перетащить в специальную область. Одного клика мышью достаточно для добавления нового вида приема пищи.

Есть две позиции в этом разделе приложения ZAPP, где использование алгоритмов искусственного интеллекта имеет перспективы:

Прогнозирование показателей мониторинга когда осуществляется самоконтроль диабета: дозы инсулина перед приемом пищи, количество ХЕ в предполагаемом меню приема пищи, уровень глюкозы после приема пищи. В текущей версии приложения используются векторная авторегрессия на базе модели VARMAX (см. https://www.statsmodels.org/devel) и библиотека для Питона statsmodels 0.15.0. Было бы интересным оценить работу нейросетевых моделей временных рядов (таких, как LSTM или GRU). Вопрос сейчас исследуется на предмет реализации.

Операции поиска продуктов с заданием нечёткой информацией о них. В текущей версии приложения они реализуются обычными тривиальными (например, SQL LIKE). Хотя прорабатывается возможность использовать и специфические операции поиска по подобию (сходству) названий или кратких описаний продуктов. И на этой основе формировать рекомендации по замене тех или иных продуктов, которые невозможно съесть по каким-либо причинам. Например, при нарушениях в ЖКТ, аллергических реакциях. Естественно речь идет о продуктах, взаимозаменяемых по количеству ХЕ в них, другие соображения замены здесь не рассматриваются.