Google Researchは2026年8月26日(現地時間)、連続血糖モニタリング (CGM) 向けの軽量な自己教師あり基盤モデル「GlucoFM」を発表した。このモデルは、糖尿病リスク評価、インスリン抵抗性、膵臓β細胞機能不全など、代謝関連の多様な予測タスクにおいて新たな性能基準を確立した。既存モデルの課題を解決するため、グルコースの緩やかな傾向と短期的な変動を別々のストリームで処理するデュアルストリーム設計を採用している。
「GlucoFM」は、血糖値の推移における緩やかなベースラインパターンと、食事や活動、センサー誤差などに起因する短期的な変動を明示的に分離する。従来のCGM基盤モデルが単一の表現ストリームでグルコースを処理していたのに対し、「GlucoFM」はデュアルストリーム設計により、時間帯やデータ欠損を維持しつつ、これらを区別する。このアプローチにより、限られたラベル付きデータで糖尿病リスク、インスリン抵抗性、膵臓β細胞機能不全といった情報を推定可能にする。
モデルは、Wear-CGMおよび4つの公開データセットから収集された合計109,066時間にも及ぶラベルなしCGMデータで事前学習された。各記録は24時間、5分間隔のグリッドに調整され、測定済みと未測定の位置を区別する観測マスクが保持される。事前学習では、生データではなく潜在表現を予測する2つのタスク (Contextual predictionとTemporal dynamics) を用いることで、広範な日中のグルコースパターンを捉え、連続的なグルコース動態を学習した。
「GlucoFM」は、4つの異なるコホートおよび7つの臨床予測タスクにおいて評価された。その結果、14のコホート・タスク評価全体で、既存の最良モデル「GluFormer」のPR-AUC（Precision-Recall Area Under the Curve）を平均5.8パーセンテージポイント上回った。特に糖尿病リスクと膵臓β細胞機能不全の全評価、およびインスリン抵抗性の4つの評価のうち3つで最高のPR-AUCを達成した。さらに、食後血糖反応 (PPGR) 予測においては、DexcomとLibreという2種類のCGMデバイスを横断して、平均絶対誤差 (MAE) で最低値を記録した。これは、クロスデータセット転送性能と少量データからの適応能力の高さを示している。
参考: Google Research Blog — 2026年8月27日 03:42 (JST)
原文ハイライト"GlucoFM is a lightweight, self-supervised CGM foundation model that models slower glucose trends"