Ein Forschungsteam hat ein konzeptionelles Rahmenwerk namens GlucoSense vorgestellt, das Smartphone-Bewegungsdaten und Blutzuckerprognosen kombiniert, um das Risiko für Typ-2-Diabetes frühzeitig einzuschätzen. Die Arbeit von Forschenden der Westcliff University, des SINTEF Digital, der International Islamic University Chittagong, der University of Oslo und der Southeast University wurde in „Frontiers in Digital Health“ veröffentlicht (DOI: 10.3389/fdgth.2026.1932366).
GlucoSense besteht aus zwei Modulen auf Basis von Graph Attention Networks (GATv2). Ein Modul erkennt menschliche Aktivitäten anhand von Smartphone-Beschleunigungsdaten über 23 Aktivitätsklassen; das andere sagt den Blutzuckerverlauf 30 Minuten im Voraus vorher und wurde mit dem OhioT1DM-Datensatz trainiert. Anders als sequenzielle Modelle bildet GlucoSense Zusammenhänge zwischen Bewegungsmustern, Herzaktivität, Ernährung und Glukoseverhalten in einer Graphstruktur ab.
In einer 90-tägigen longitudinalen Studie mit sechs Teilnehmenden wurden mittlere Glukosewerte, Zeit über hyperglykämischen Schwellenwerten und der glykämische Variationskoeffizient berechnet. Das System habe metabolisch gesunde Personen und solche mit prädiabetischen Mustern korrekt identifiziert, teilte das Team mit. Die Ergebnisse wurden mit HbA1c-Labortests abgeglichen; die klinischen Resultate stimmten mit der Klassifikation des Systems überein. Das Glukosemodul senkte den RMSE von 31,82 mg/dl bei einer LSTM-Baseline auf 25,60 mg/dl, das Aktivitätsmodul erreichte 98,50 Prozent Genauigkeit. Alle Unterschiede seien durch gepaarte Signifikanztests bestätigt worden.
Die Autorinnen und Autoren betonen, dass es sich um einen Machbarkeitsnachweis mit sechs Teilnehmenden handelt. Die Ergebnisse zeigten nicht die Wirksamkeit in der Bevölkerung; größere, multizentrische Studien seien nötig. offset von 0,1 pro Score-Punkt.
