Потребительские носимые устройства используют датчики движения и физиологические датчики для оценки активности и сна, но эти сигналы дают лишь косвенное представление о регуляции глюкозы. Непрерывные мониторы глюкозы (CGM) отслеживают интерстициальную глюкозу каждые несколько минут, фиксируя паттерны натощак, ночные и постпрандиальные. Однако интерпретация этих данных затруднена, когда клинические метки редки и дороги. Многие существующие базовые модели CGM обрабатывают глюкозу через один поток представления, но CGM содержит медленные базовые паттерны, прерываемые краткосрочными отклонениями.

Gluco FM, самоконтролируемая базовая модель с двухпоточной архитектурой, отделяет медленные гликемические тенденции от краткосрочных отклонений, сохраняя время суток и пропуски данных. Оцененная на четырех когортах по семи клиническим задачам прогнозирования, PR-AUC Gluco FM была на 5,8 процентных пункта выше в среднем, чем у лучшего варианта Glu Former. Она лидировала во всех оценках риска диабета и дисфункции бета-клеток, а также в трех из четырех оценок резистентности к инсулину.

При прогнозировании постпрандиального гликемического ответа Gluco FM достигла наименьшей средней абсолютной ошибки на устройствах Dexcom и Libre, с лучшим переносом между наборами данных и сильной адаптацией с малым числом примеров. Предобученная на 109 066 часах немаркированных данных CGM, Gluco FM использует латентное предсказательное предобучение с задачами контекстного прогнозирования и временной динамики, а также дополнения, учитывающие CGM, для обработки пропусков и артефактов.