Perangkat wearable konsumen menggunakan sensor gerak dan fisiologis untuk memperkirakan aktivitas dan tidur, tetapi sinyal-sinyal ini hanya memberikan pandangan tidak langsung tentang regulasi glukosa. Monitor glukosa kontinu (CGM) melacak glukosa interstisial setiap beberapa menit, menangkap pola puasa, malam, dan pasca-makan. Namun, menafsirkan jejak ini menantang ketika label klinis jarang dan mahal. Banyak model fondasi CGM yang ada memproses glukosa melalui satu aliran representasi, tetapi CGM mengandung pola dasar lambat yang diselingi oleh deviasi jangka pendek.

Gluco FM, model fondasi yang diawasi sendiri dengan desain aliran ganda, memisahkan tren glikemik lambat dari deviasi jangka pendek sambil mempertahankan waktu hari dan data yang hilang. Dievaluasi pada empat kohort dalam tujuh tugas prediksi klinis, PR-AUC Gluco FM 5,8 poin persentase lebih tinggi rata-rata daripada varian Glu Former terbaik. Ini memimpin semua evaluasi risiko diabetes dan disfungsi sel beta, serta tiga dari empat evaluasi resistensi insulin.

Pada peramalan respons glikemik pasca-makan, Gluco FM mencapai kesalahan absolut rata-rata terendah di perangkat Dexcom dan Libre, dengan transfer lintas dataset terbaik dan adaptasi few-shot yang kuat. Dilatih sebelumnya pada 109.066 jam data CGM tanpa label, Gluco FM menggunakan pra-pelatihan prediktif laten dengan tugas prediksi kontekstual dan dinamika temporal, plus augmentasi yang sadar CGM untuk menangani data yang hilang dan artefak.