Gorden Sun推文
GlucoFM：针对连续血糖监测的基础模型
Google 团队发布了 GlucoFM，一个针对连续血糖监测（CGM）数据的基础模型。该模型利用超过 10 万小时无标注的真实血糖数据进行训练，能够将血糖走势分解为基础水平和突发波动两个信号。在预测糖尿病风险、胰岛素抵抗等 7 种代谢健康问题上，其准确度优于现有模型；还能根据餐前血糖和饮食信息预测餐后血糖，且在小样本和跨机构场景下具有较好的适应性。模型目前未开源。
译文
GlucoFM：针对连续血糖监测的基础模型 现在很多人会佩戴贴在皮肤上的动态血糖仪，它每隔几分钟就会测一次血糖，能完整记录一天甚至几周的血糖变化。不过，这些海量数据里充满了日常波动、饭后血糖飙升，有时候还会夹杂设备本身的测量误差。医生通常很难有精力把所有数据一条条标注清楚，这就导致很多血糖数据无法被充分利用。 为了解决这个问题，Google 团队让 GlucoFM 用了超过 10 万小时没有人工标注的真实血糖数据来学习。这个模型最厉害的地方在于，它能像有经验的医生一样，把复杂的血糖走势拆分成两股信号同时看：一边监测整天平缓的基础血糖变化，另一边监测吃饭、运动等事件引起的突发波动。 几个亮点： 看病更准：在预测糖尿病风险、胰岛素抵抗、胰岛细胞功能异常等 7 种代谢健康问题时，它的准确度比现有的同类模型都要高。 能提前猜出吃完饭后的血糖：只要给它看餐前 1 小时的血糖走势、这顿饭吃了什么（碳水、蛋白质等）以及个人基础体征，它就能更准确地推测出饭后 2 小时的完整血糖变化轨迹。 只需要很少的数据就能上手：就算换了一个新医院、面对完全没见过的病人群体，或者手里只有极少数标记好的样本，它也能很快适应并给出靠谱的分析。 看得越久越全面：如果让它连续分析一个人 2 到 7 天的数据，它对身体长期代谢状态的判断会比只看单日记录更加准确。 模型目前未开源。 官方介绍：https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring/
GlucoFM：针对连续血糖监测的基础模型 现在很多人会佩戴贴在皮肤上的动态血糖仪，它每隔几分钟就会测一次血糖，能完整记录一天甚至几周的血糖变化。不过，这些海量数据里充满了日常波动、饭后血糖飙升，有时候还会夹杂设备本身的测量误差。医生通常很难有精力把所有数据一条条标注清楚，这就导致很多血糖数据无法被充分利用。 为了解决这个问题，Google 团队让 GlucoFM 用了超过 10 万小时没有人工标注的真实血糖数据来学习。这个模型最厉害的地方在于，它能像有经验的医生一样，把复杂的血糖走势拆分成两股信号同时看：一边监测整天平缓的基础血糖变化，另一边监测吃饭、运动等事件引起的突发波动。 几个亮点： 看病更准：在预测糖尿病风险、胰岛素抵抗、胰岛细胞功能异常等 7 种代谢健康问题时，它的准确度比现有的同类模型都要高。 能提前猜出吃完饭后的血糖：只要给它看餐前 1 小时的血糖走势、这顿饭吃了什么（碳水、蛋白质等）以及个人基础体征，它就能更准确地推测出饭后 2 小时的完整血糖变化轨迹。 只需要很少的数据就能上手：就算换了一个新医院、面对完全没见过的病人群体，或者手里只有极少数标记好的样本，它也能很快适应并给出靠谱的分析。 看得越久越全面：如果让它连续分析一个人 2 到 7 天的数据，它对身体长期代谢状态的判断会比只看单日记录更加准确。 模型目前未开源。 官方介绍：https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring/
