本研究提出了一种新机器学习方法GLIMMER，旨在提高1型糖尿病管理中的血糖预测精度。通过调整损失函数，血糖预测的RMSE和MAE分别提高了23%和31%。

我们提出了一种混合变分自编码器的方法，用于学习可解释的连续葡萄糖监测和餐饮数据的表示。该方法通过基于机制的微分方程将潜在空间与输入联系起来，产生反映生理量的嵌入。在糖尿病类型2和糖尿病前期个体的数据集上，我们的无监督表示发现了个体之间的分离。我们的嵌入产生的聚类效果比其他特征好4倍，为血糖控制提供了细致而可解释的嵌入空间。

美国有超过三分之一的成年人是糖尿病前期患者，80％不知晓自己的状况。研究采用改进的机器学习方法，提高从可穿戴设备数据中预测血糖水平的准确性，超过了当前的87％准确性基准。