谷歌发布专用于连续血糖监测的基础模型 GlucoFM

Google Research 于2026年8月26日介绍 GlucoFM，一种面向连续血糖监测数据的轻量级自监督基础模型；其关注价值在于尝试用较少临床标注，从日常血糖曲线中提取可迁移的代谢表征。

• 模型将不规则CGM记录对齐到24小时网格，保留缺失位置，并把血糖信号拆分为较慢的生理状态流和短期事件流，以区分基线变化、餐后波动、活动影响及传感器异常等动态。
• 论文原文称，模型使用477名受试者、109066小时未标注CGM记录进行预训练，并在4个队列、7项临床预测任务上测试，包括糖尿病风险、胰岛素抵抗、β细胞功能障碍、低血糖和肥胖等。
• 在受试者隔离的线性探测实验中，论文摘要称其平均PR-AUC较表现最好的CGM专用基础模型高4.1个百分点；Google Research博客则报告为5.8个百分点，二者可能对应不同版本或比较口径，因此不宜直接合并解读。
• 该研究评估的是冻结表征的回顾性预测性能，不是诊断工具或实时治疗系统。论文还显示，模型在跨数据集迁移和少样本适配中表现较好，但数据规模、设备采样率和人群差异仍可能影响结果。
• 影响/看点：如果后续研究能在更大、更多设备和真实临床人群中复现结果，双流分解与缺失感知设计可能降低CGM模型对标注数据的依赖；其临床价值仍取决于外部验证、阈值设定及对误报和漏报的控制。
• 资料依据: Google Research Blog《GlucoFM: Foundation model for continuous glucose monitoring》（2026年8月26日） https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring/；论文《GlucoFM: A Dual-Stream Foundation Model for Continuous Glucose Monitoring》（2026年5月29日） https://arxiv.org/html/2605.30865

本内容由 AI 生成，仅供参考，请注意甄别