A fogyasztói viselhető eszközök mozgás‑ és fiziológiai szenzorai jók az aktivitás és az alvás becslésére, de a glükózszabályozásról csak közvetett képet adnak. A folyamatos glükózmonitorozás (continuous glucose monitor, CGM) ezt kiegészíti: bőr alá helyezett kis szenzor másodpercenkénti helyett percekenként rögzíti az intersticiális glükózt, lehetővé téve az éhomi, éjszakai és étkezés utáni mintázatok tanulmányozását. Ugyanakkor ezeknek a görbéknek az értelmezése nehéz, különösen amikor a magas minőségű, klinikai címkék ritkák és költségesek.
Miért más a GlucoFM?
Sok meglévő CGM‑alapmodell — például CGMformer, GluFormer és CGM‑JEPA — egyetlen reprezentációs csatornán dolgozza fel a glükózjelet, anélkül hogy explicit módon szétválasztaná a lassabb, alaptrendet és a rövid távú eseményeket. A CGM‑adat azonban nem homogén: jellemzően lassabb, alapvető szabályozási mintákból áll, amelyek rövid, éles elhajlásokkal (pl. étkezés, aktivitás vagy szenzor‑artefaktumok) színesednek. Felmerült a kérdés: használhatók‑e a napi CGM‑adatsorok olyan klinikai jellemzők becslésére — például diabetes kockázat, inzulinrezisztencia és béta‑sejt diszfunkció — viszonylag kevés címkézett adattal?
A választ a GlucoFM adja: egy önfelügyelt (self‑supervised) alapmodell, amely kettős sávú (dual‑stream) szerkezetben dolgozza fel a naponta rögzített glükózgörbét, különválasztva a lassabb glikémiás állapotot és a rövid távú eseménykomponenst, miközben megőrzi az időpont‑információt és a hiányzó értékek maszkját. A rejtett (latent) predikciós célok segítik a modell napi kontextusának és temporális fejlődésének megtanulását.
Pre‑training: adatmennyiség és előfeldolgozás
GlucoFM előtréningjéhez 109,066 óra címkézetlen CGM‑adatot használtak a Wear‑CGM gyűjteményből és négy publikált adatbázisból, összesen 477 résztvevő/szakaszos rekorddal. A CGM‑felvételekben gyakoriak a hiányok, eltérő mintavételi időközök és szenzor‑artefaktumok. A GlucoFM minden felvételt napi, 24 órás, ötmásodperces (valójában ötperces) rácsra igazít, megőrizve egy megfigyelési maszkot, amely megkülönbözteti a mért és a nem mért pozíciókat.
A kettős sávú kódoló egy alacsonyabb frekvenciájú állapotkomponenst tanul (lassabb glikémiás trendek) és egy esemény‑maradékot (rövid távú eltérések, amelyek fiziológiából, viselkedésből vagy szenzortevékenységből adódhatnak).
A GlucoFM nem a nyers glükózértékek pontos rekonstruálására törekszik (mivel ezek mérési zajt és artefaktumot tartalmazhatnak), hanem rejtett‑térbeli prediktív előtréninget alkalmaz két kiegészítő feladattal:
- Kontextus‑predikció: a napi glükózsorozat részeit letiltják, majd a modell feladata a letiltott rész rejtett reprezentációjának előrejelzése a környező kontextusból. A rejtett térben történő jóslás a szélesebb napi mintázatokat ragadja meg anélkül, hogy minden mérés visszaállítására kényszerítené a modellt.
- Temporális dinamika: a modell megtanulja előrejelezni, hogyan változik a személy stabil alapvonala és a rövid távú eltérések óráról órára, ezáltal a glükóz folytonos dinamikáját rögzíti, nemcsak izolált pillanatképeket.
Különböző CGM‑tudatos augmentációk (alapvonal‑dri ft, tömörödéshez hasonló esések, ritkásabb mintavétel, rövid kapcsolódáskimaradások) teszik a modellt ellenállóvá a valós felvételeken előforduló variációkkal és hiányokkal szemben.
Mit tud GlucoFM a gyakorlatban?
A modellt négy kohorton (CGMacros, Stanford, Hall és ShanghaiT2DM) tesztelték hét klinikai predikciós feladaton — diabetes kockázat, inzulinrezisztencia, béta‑sejt diszfunkció, hyperlipidémia, hypoglykaemia, obesitas és glucotype — összesen 14 kohort–feladat értékelésben. Emellett külön értékelték a kétórás posztprandiális glikémiás válasz (postprandial glycemic response, PPGR) előrejelzését.
A vizsgálatok céljai között szerepelt, hogy a fagyasztott (frozen) reprezentációk informatívak‑e egyedi 24 órás ablakokra ismeretlen résztvevőktől; hasznosak‑e előzményként a posztprandiális pályák előrejelzésében; javít‑e a többnapos kombináció a személyszintű predikción; mennyire transzferálódnak a reprezentációk új kohortokra; és hogyan alkalmazkodnak kevés címkézett adat esetén.
Pontosság a metabolikus feladatokban
Elsőként alany‑diszjunkt ablak‑szintű lineáris próbacímkézést (linear probing) végeztek: a kódolót lefagyasztották, egy lineáris osztályozót tanítottak 24 órás reprezentációkra úgy, hogy egy résztvevő soha ne szerepeljen egyszerre a tanító és tesztkészletben. Ez azt méri, hogy egyetlen napi reprezentáció mennyire ad információt ismeretlen személyekről.
GlucoFM a vizsgált módszerek közül a legmagasabb feladat‑átlagolt PR‑AUC értéket érte el. A 14 kohort–feladat értékelésén átlagosan 58.8 PR‑AUC‑t adott, szemben a legerősebb CGM‑specifikus alapvonallal retréningezett modell 54.7‑es értékével — ez abszolút 4.1 százalékpont nyereség, ami ~7.5% relatív javulásnak felel meg. Emellett, egy azonos előtréning‑korpuszon tanult, legjobb GluFormer variánshoz viszonyítva GlucoFM átlagosan 5.8 százalékponttal jobb PR‑AUC‑t ért el.
GlucoFM nyerte a diabetes‑kockázat és a béta‑sejt‑diszfunkció összes értékelését, és háromból négy inzulin‑rezisztencia értékelésben is a legjobb volt.
Posztprandiális glikémiás válasz előrejelzése
A dinamikus feladatoknál 874 étkezéshez párosított eseményt használtak 34 résztvevőtől, alany‑diszjunkt keresztvalidációval, a két CGM‑eszköz (Dexcom és Libre) külön‑külön modellezve ugyanazon felosztások alatt. A modellnek az étkezés kezdetéhez rendelkezésre álló információkból kellett előrejeleznie a kétórás glükózváltozás pályáját az étkezés előtti értékhez képest.
A különböző bemenetek kombinálásával — egy óra pre‑meal CGM, étkezési tápanyagadatok (energia, szénhidrát, zsír, fehérje, rost) és személyes jellemzők (éhomi glükóz, BMI, diabetes státusz) — GlucoFM az összesített legkisebb átlagos abszolút hibát (MAE) érte el: 21.88 mg/dL. Ez jobb, mint a legjobb alapvonal 22.90 mg/dL‑es MAE‑ja, és lényegesen jobb, mint az edzési felosztás átlaga (27.69 mg/dL). Ezek az eredmények arra utalnak, hogy GlucoFM kiegészítő történeti kontextust nyújt a posztprandiális válaszok előrejelzéséhez.
Több nap szerepe a személyszintű predikcióban
Mivel egy 24 órás görbe nem feltétlenül fedi le teljesen egy személy glükózmintázatait, megvizsgálták, hogy több nap kombinálása javít‑e a személyszintű predikciót. GlucoFM minden napot külön kódolt, majd legfeljebb hét nap reprezentációját átlagolva egyenlő súllyal vette figyelembe az egyes résztvevőket.
A legtöbb beállításban és adatállományon további napok hozzáadása javította a PR‑AUC‑t: például a Stanford béta‑sejt diszfunkció esetén 9.6 pontot, a Hall diabetes‑predikcióban 14.0 pontot hozott a többnapos átlag. A CGMacros adatokon is többnyire pozitív javulás látható volt Dexcom, Libre és fuzionált szenzoradatok esetén. A ShanghaiT2DM inzulinrezisztencia feladaton a sima átlagolás kevésbé bizonyult hatékonynak, ami azt mutatja, hogy az aggregálás optimális módja feladattól függően változhat.
Kohortok közötti átviteli képesség
A csapat megvizsgálta, hogy a megtanult fiziológiai minták általánosíthatók‑e: egy kohorton tanult downstream osztályozó mennyire működik egy másik, független kohortban. A GlucoFM a diabetes‑kockázat és inzulinrezisztencia feladatok 12 kereszt‑kohort értékeléséből 11‑ben felülmúlta a második legerősebb módszert 0.5–8.6 PR‑AUC ponttal, és egyszer maradt el 0.6 ponttal. Az abszolút PR‑AUC értékek 61.6%‑tól (Stanford→Hall) egészen 90.0%‑ig (Hall→CGMacros inzulinrezisztencia) terjedtek, ami arra utal, hogy a lassabb és gyorsabb fiziológiai összetevők külön kezelésével a fagyasztott reprezentációk jobban át tudják hidalni a kohortspecifikus zajt.
Kevés címkézett adattal való tanulás
Mivel a címkézett klinikai adatok beszerzése drága, két few‑shot beállítást is teszteltek: az egyiknél az egy osztályra jutó címkézett résztvevők száma változott, a másiknál pedig az egy résztvevőtől rendelkezésre álló megfigyelések részaránya. A GlucoFM minden adat‑keretnél a legjobb eredményeket adta, még a legszűkösebb körülmények között is (egy‑egy résztvevő osztályonként és 1%‑os megfigyelési arány). A modell különösen hatékonynak bizonyult, amikor a címkézett alanyok száma kevés.
A kettős sáv hatékonysága
Végül megvizsgálták, hogy maga a kettős sávú architektúra hoz‑e előnyt: összehasonlították a teljes dual‑stream modellt egyszerűbb alternatívákkal (nyers bemenetet feldolgozó, csak állapot‑orientált és csak esemény‑orientált változatokkal). Az "esemény‑only" verzió teljesített a leggyengébben, jelezve, hogy a rövid távú fluktuációk önmagukban nem elegendők. A nyers‑input és "state‑only" verziók versenyképesek voltak, de a teljes dual‑stream rendszer konzisztensen jobb eredményt adott, alátámasztva a lassú és gyors dinamikák elkülönített modellezésének hasznosságát.
Következtetések és korlátok
Az eredmények azt mutatják, hogy a CGM‑modellek profitálhatnak a glükóz dinamikájának többskálás szerkezetét expliciten figyelembe vevő megközelítésből — lassabb trendek, rövid távú eltérések, napi időzítés és szenzorhiányosság kezelése. A címkézetlen CGM‑adatokból tanult újrafelhasználható reprezentációk erős teljesítményt adtak predikciós, transzfer és few‑shot beállításokban, ami segíthet kevesebb címkézett klinikai adattal is jobb modelleket készíteni.
Ugyanakkor a metabolikus válaszok erősen egyénenként, kohortonként és eszközönként változnak, és az előtréning populáció jelenleg mérsékelt nagyságú. A következő lépések közé tartozik a nagyobb, sokféle populációra kiterjedő előtréning, a GlucoFM kiterjesztése a független 24 órás ablakoknál hosszabb, natív többnapos modellezésre (hetek‑hónapok alatt megjelenő trendek rögzítésére), valamint a valós idejű változások kezelésének vizsgálata.
Elismerések
A kutatásban részt vevő szerzők: Zechen Li, Keerthana Natarajan, Weizhi Zhang, Simon A. Lee, Yuwei Zhang, Maxwell A Xu, Menglian Zhou, Zeinab Esmaeilpour, Flora D. Salim (University of New South Wales), Mark Malhotra, Lindsey Sunden, Shwetak Patel, Yuzhe Yang és Ahmed A. Metwally. Külön köszönet Bobak J. Mortazavi‑nak és Ricardo Gutierrez‑Osuna‑nak (Texas A&M University) a tanulmányban használt CGMacros adatbázisért.
