独立研究者のMohamed Menasyは、連続血糖モニターデータから5クラス15分先の血糖値トレンドを予測するためのエンドツーエンドのオンデバイス機械学習パイプラインを詳述したエンジニアリング研究「GlucoEdge」を公開しました。本作業では、わずか2,909パラメータからなるコンパクトな1D CNNを導入し、PyTorchからLiteRTへの変換に至る完全なワークフローをカバーしています。

  • 静的INT8ポストトレーニング量子化により、モデルアーティファクトのサイズが約31%削減されました。
  • 量子化によりマクロリコールは0.5060から0.4135に低下し、すべての4つの方向性クラスで性能が低下しました。
  • 本研究では、マイノリティクラスの挙動への量子化の影響（キャリブレーションデータの被覆率や入力範囲のクリッピングを含む）とともに、デプロイメントサイズを分析しています。
  • オフライン推論は物理的なAndroidデバイス上でテストされ、コードと再現性資料はGitHubで公開されています。

著者は、時系列ウィンドウの重複やコンテキストプレフィックスリークのリスクといった制限事項を明示し、これは医療システムではなく研究用プロトタイプであることを明確にしています。