独立研究员Mohamed Menasy发布了GlucoEdge，这是一项工程研究，详细阐述了基于连续血糖监测器数据进行五类、15分钟血糖趋势预测的端到端设备端机器学习流水线。该工作引入了一个仅包含2,909个参数的紧凑1D CNN，并涵盖了从PyTorch到LiteRT转换的完整工作流程。

  • 静态INT8训练后量化将模型工件大小减少了约31%。
  • 量化导致宏观召回率从0.5060降至0.4135，所有四个方向类别的性能均下降。
  • 该研究分析了部署规模以及量化对少数类行为的影响，包括校准数据覆盖率和输入范围裁剪。
  • 在物理Android设备上测试了离线推理，代码和可复现材料已在GitHub上提供。

作者明确指出局限性，如重叠的时间序列窗口和上下文前缀泄漏风险，并澄清这是一个研究原型而非医疗系统。