血糖値AI、新しい仕組みで高精度に

Google ResearchとUNSW Sydneyは、持続血糖モニタリング（CGM）のための自己教師あり基盤モデルであるGlucoFMを発表しました。その核となる動きは「分割」です。既存のCGMモデル（CGMformer、GluFormer、CGM-JEPA）は、血糖値の軌跡を単一の絡み合ったシーケンスとしてエンコードします。GlucoFMはこれを、ゆっくりとした生理的「状態」ストリームと一時的な「イベント」ストリームに分解し、観測マスクをそのまま維持し、2つのJEPAスタイルの潜在目的で事前学習を行います。 0.72Mパラメータのエンコーダは、14のコホート・タスク評価においてタスク平均PR-AUC 58.8を達成しました。これは、同じコーパスで再学習された最強のCGM特化型ベースラインの54.7を上回ります。このモデルは、477人の被験者から得られた109,066時間分のラベルなしCGMデータを用いて、単一のH100で事前学習されました。 展開可能でしょうか？研究インフラとしては可能です。しかし、臨床または消費者向け製品としては、まだです。研究チームは直接的に述べています。「GlucoFMは研究プロトタイプであり、いかなる規制当局からも承認または認可されておらず、病気の診断、治療、治癒、予防を目的としたものではありません。」すべての評価は遡及的であり、最大の事前学習コホートは非公開であり、2026年8月26日現在、チェックポイントは出荷されていません。論文ではコードと再現性スクリプトの公開を約束しています。 今日展開可能なのは「レシピ」です。0.72Mの学習可能なパラメータと単一のNVIDIA H100での120エポックで、CGMコーパスを持つどのチームでもこれを再現でき、24時間ウィンドウの推論はCPUコンテナまたはオンデバイスで実行できます。 CGMを単一の信号として扱うことの問題点: CGMformer、GluFormer、CGM-JEPAのような既存のCGM基盤モデルは、血糖値の軌跡を単一の絡み合ったシーケンスとしてエンコードします。しかし、CGMは同時に2つのものを持っています。それは、ゆっくりとした調節ベースラインと、食事、活動、ストレス、またはセンサーのアーティファクトによる短期的で一時的な逸脱です。臨床ラベルは高価でコホート固有であるため、教師あり学習には限界があります。(function(){ var f = document.getElementById('mtp-glucofm-frame'); window.addEventListener('message', function(e){ if(e && e.data