Google Research 发布了 GlucoFM，这是一个面向连续血糖监测（CGM）的轻量级自监督基础模型。该模型采用双流设计，分别对缓慢的血糖变化趋势和短期血糖波动进行建模。在四个队列、七项临床预测任务共 14 项评估中，GlucoFM 的 PR-AUC 相比最优的 GluFormer 变体平均高出 5.8 个百分点，并在餐后血糖反应（PPGR）预测任务中取得了最低的平均绝对误差（MAE）。模型在 109,066 小时的无标注 CGM 数据上完成了预训练，具备跨数据集迁移和少样本适应能力。
GlucoFM：面向连续血糖监测的轻量级基础模型
Google Research 推出用于连续血糖监测的基础模型 GlucoFM，采用双流设计建模血糖趋势与短期波动。在14项评估中，其PR-AUC平均比最优GluFormer变体高5.8个百分点，PPGR预测MAE最低，并在10.9万小时无标注数据上预训练，支持跨数据集迁移与少样本适应。
GlucoFM展示了垂直领域基础模型的轻量化和自监督预训练路径。FDE在医疗健康企业AI交付中，可借鉴其双流建模与少样本迁移策略，提升对时间序列生理数据的建模效率，并利用预训练基础模型降低客户场景中的标注依赖，加速项目落地。