消費者向けウェアラブルは、運動および生理センサーを使用して活動と睡眠を推定しますが、これらの信号はグルコース調節の間接的なビューのみを提供します。持続グルコースモニター（CGM）は、数分ごとに間質グルコースを追跡し、空腹時、夜間、食後のパターンを捕捉します。しかし、臨床ラベルがまばらで高価な場合、これらのトレースを解釈することは困難です。既存のCGM基盤モデルの多くは、単一の表現ストリームを介してグルコースを処理しますが、CGMには短期の偏差によって中断される遅いベースラインパターンが含まれています。

Gluco FMは、デュアルストリーム設計を持つ自己教師あり基盤モデルであり、遅い血糖トレンドを短期の偏差から分離し、時刻と欠損を保持します。4つのコホートで7つの臨床予測タスクで評価され、Gluco FMのPR-AUCは、最良のGlu Formerバリアントよりも平均で5.8パーセントポイント高かったです。すべての糖尿病リスクおよびβ細胞機能障害評価、および4つのインスリン抵抗性評価のうち3つでリードしました。

食後血糖反応予測では、Gluco FMはDexcomおよびLibreデバイス全体で最低の平均絶対誤差を達成し、最良のクロスデータセット転送と強力な少数ショット適応を実現しました。109,066時間のラベルなしCGMデータで事前トレーニングされたGluco FMは、文脈予測および時間ダイナミクスタスクを含む潜在予測事前トレーニングと、欠損およびアーティファクトを処理するためのCGM認識オーグメンテーションを使用します。