{"id":1848,"date":"2026-08-06T19:49:04","date_gmt":"2026-08-06T17:49:04","guid":{"rendered":"https:\/\/www.hsu-hh.de\/dataeng\/?page_id=1848"},"modified":"2026-08-06T20:45:50","modified_gmt":"2026-08-06T18:45:50","slug":"diamant","status":"publish","type":"page","link":"https:\/\/www.hsu-hh.de\/dataeng\/forschung\/aktuelle-projekte\/diamant\/","title":{"rendered":"DiaMant"},"content":{"rendered":"\n

Zielsetzung<\/strong><\/h3>\n\n\n\n

DiaMant zielt darauf ab, hypoglyk\u00e4mische Ereignisse bei Patientinnen und Patienten mit Typ-1-Diabetes zu verhindern, indem das Risiko bis zu 120 Minuten vor dem Auftreten vorhergesagt wird. \u00dcber eine App-basierte Schnittstelle stellt das System zeitnahe Warnungen und Interventionsempfehlungen bereit, die an den jeweils vorhergesagten Zeithorizont angepasst sind. Ein zentrales Ziel des Projekts ist es, die Rolle der Personalisierung bei der Verbesserung der Hypoglyk\u00e4mie-Vorhersage zu untersuchen und zu evaluieren, ob populationsbasierte Modelle \u00fcber verschiedene Personen und Altersgruppen hinweg generalisieren k\u00f6nnen.<\/p>\n\n\n\n

Beschreibung<\/strong><\/h3>\n\n\n\n

Typ-1-Diabetes ist eine Autoimmunerkrankung, die eine Insulintherapie zur Regulierung des Blutzuckerspiegels erfordert. Eine Insulinbehandlung kann jedoch dazu f\u00fchren, dass der Glukosespiegel unter 70 mg\/dL f\u00e4llt, was eine Hypoglyk\u00e4mie verursacht. Wird eine Hypoglyk\u00e4mie nicht rechtzeitig behandelt, kann sie Schwindel, Bewusstlosigkeit, Koma und in schweren F\u00e4llen den Tod verursachen. Eine fr\u00fchzeitige Erkennung kann pr\u00e4ventive Ma\u00dfnahmen unterst\u00fctzen, etwa das Essen eines Snacks oder k\u00f6rperliche Ruhe. DiaMant adressiert diese Herausforderung durch die Klassifikation des Hypoglyk\u00e4mierisikos. Das Projekt zielt darauf ab, die pr\u00e4diktive Leistungsf\u00e4higkeit zu verbessern und den Mangel an ausreichend gro\u00dfen und hochwertigen Datens\u00e4tzen zu \u00fcberwinden, die robuste Analysen \u00fcber verschiedene Patientenkohorten hinweg erm\u00f6glichen.<\/p>\n\n\n\n

Aktueller Forschungsstand<\/strong><\/h3>\n\n\n\n

Zur Unterst\u00fctzung der Modellentwicklung haben wir DiaData durch die Integration von 15 \u00f6ffentlich verf\u00fcgbaren Datens\u00e4tzen publiziert. DiaData umfasst Daten von 2510 Patientinnen und Patienten mit Typ-1-Diabetes und kombiniert kontinuierliche Glukosemessdaten, Herzfrequenzwerte, demografische Informationen, Laborwerte sowie pers\u00f6nliche Gesundheitsmerkmale, darunter Alter, Geschlecht, BMI, Gr\u00f6\u00dfe, Gewicht und ethnische Zugeh\u00f6rigkeit [1]. Der Datensatz wurde zudem mithilfe fortgeschrittener Methoden zur Datenimputation und Qualit\u00e4tsverbesserung weiter optimiert, die angepasst auf spezifische Zeitbereiche mit Datenl\u00fccken angewendet wurden [2].<\/p>\n\n\n\n

Das System klassifiziert das Hypoglyk\u00e4mierisiko \u00fcber klinisch relevante Vorhersagehorizonte hinweg: zum Zeitpunkt des Auftretens sowie 5-15, 20-45 und 50-120 Minuten vor dem Auftreten. Diese Zeitfenster sollen handlungsrelevante Interventionen unterst\u00fctzen, insbesondere in kritischen Phasen wie 5-15 Minuten vor einer Hypoglyk\u00e4mie, in denen eine Selbstbehandlung noch m\u00f6glich ist [3].<\/p>\n\n\n\n

Zur besseren Stabilit\u00e4t und Flexibilit\u00e4t haben wir mehrere Modellvarianten trainiert, darunter Versionen mit und ohne Herzfrequenzdaten. Die Klassifikationsmodelle wurden in eine App integriert, die Datenerfassung, Modellausf\u00fchrung und Interventionsempfehlungen auf Grundlage der vorhergesagten Zeit bis zur Hypoglyk\u00e4mie unterst\u00fctzt. Wird beispielsweise innerhalb von 0-25 Minuten ein Risiko erkannt, empfiehlt die App, sich hinzusetzen und einen Snack zu konsumieren [4].<\/p>\n\n\n\n

Dar\u00fcber hinaus haben wir untersucht, ob die Erg\u00e4nzung von Glukose-Zeitreihendaten durch pers\u00f6nliche Merkmale oder Vitalparameter die Modellleistung verbessert. Au\u00dferdem wurden spezialisierte Expertenmodelle f\u00fcr unterschiedliche Altersgruppen trainiert: Kinder im Alter von 2-13 Jahren, Jugendliche im Alter von 14-20 Jahren, Erwachsene im Alter von 21-44 Jahren sowie \u00e4ltere Erwachsene ab 45 Jahren. Diese Modelle wurden mit einem populationsbasierten Modell verglichen, um die Generalisierbarkeit \u00fcber Altersgruppen hinweg zu evaluieren. Dabei zeigte sich, dass insbesondere Kinder von spezialisierten Expertenmodellen profitieren [3].<\/p>\n\n\n\n

Zuk\u00fcnftige Arbeiten<\/strong><\/h3>\n\n\n\n

Auf Grundlage von DiaData werden wir eine breite Auswahl an Machine-Learning- und Deep-Learning-Modellen entwickeln und vergleichen. Zur weiteren Verbesserung der Vorhersageleistung und Interpretierbarkeit werden wir au\u00dferdem Ensemble-Learning-Ans\u00e4tze untersuchen und SHAP-basierte Merkmalsanalysen durchf\u00fchren.<\/p>\n\n\n\n

Referenzen<\/strong><\/h3>\n\n\n\n

[1] Cinar B, Maleshkova M. Benchmarking hypoglycemia classification using quality-enhanced DiaData. IEEE J Biomed Health Inform<\/em>. 2025;29(12):8831-8838. doi:10.1109\/JBHI.2025.3620603<\/p>\n\n\n\n

[2] Gupta V, Grensing F, Cinar B, Van Den Boom L, Maleshkova M. Fill in the gaps – applying polynomial-based imputation techniques for heart rate data. In: 2026 IEEE Conference on Artificial Intelligence (CAI)<\/em>. IEEE; 2026:1174-1181. doi:10.1109\/cai68641.2026.11536361<\/p>\n\n\n\n

[3] Cinar B, Maleshkova M. Evaluating generalizability of population-based and age-segmented models for hypoglycemia classification. In: 2026 IEEE Conference on Artificial Intelligence (CAI)<\/em>. IEEE; 2026:1348-1355. doi:10.1109\/cai68641.2026.11536643<\/p>\n\n\n\n

[4] Grensing F, Cinar B, Maleshkova M. Early warning of hypoglycemia via sensor-agnostic machine learning: a clinical app design for type 1 diabetes. In:\u00a0International Conferences on Applied Computing 2025 and WWW\/Internet 2025: Proceedings<\/em>. IADIS Press; 2025. Presented at: 22nd International Conference on Applied Computing 2025 and 24th International Conference on WWW\/Internet 2025 (AC ICWI 2025); November 1-3, 2025; Porto, Portugal.t robust analysis across broader patient populations rather than isolated study cohorts.<\/p>\n","protected":false},"excerpt":{"rendered":"

Zielsetzung DiaMant zielt darauf ab, hypoglyk\u00e4mische Ereignisse bei Patientinnen und Patienten mit Typ-1-Diabetes zu verhindern, indem das Risiko bis zu 120 Minuten vor dem Auftreten vorhergesagt wird. \u00dcber eine App-basierte […]<\/p>\n","protected":false},"author":4068,"featured_media":0,"parent":204,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"categories":[4],"tags":[],"class_list":["post-1848","page","type-page","status-publish","hentry","category-forschung"],"lang":"de","translations":{"de":1848,"en":1858},"pll_sync_post":{},"_links":{"self":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1848","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/users\/4068"}],"replies":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/comments?post=1848"}],"version-history":[{"count":4,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1848\/revisions"}],"predecessor-version":[{"id":1864,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/1848\/revisions\/1864"}],"up":[{"embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/pages\/204"}],"wp:attachment":[{"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/media?parent=1848"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/categories?post=1848"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.hsu-hh.de\/dataeng\/wp-json\/wp\/v2\/tags?post=1848"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}