Google Researchは2026年8月26日、持続血糖測定（CGM）データを用いた新しい基盤モデル「GlucoFM」を発表しました。このモデルは、血糖値の緩やかな傾向と短期間の変動を分離して捉える設計を採用しています。
血糖値の動態を二つの流れで捉える設計
GlucoFMは、CGMデータに含まれる緩やかな血糖変動のパターンと、食事や活動によって生じる短期間の変動を、それぞれ別のストリームとして分離してモデル化します。従来のモデルが血糖値を単一のデータストリームとして処理していたのに対し、GlucoFMは時間経過やデータの欠損を保持したまま、これら二つの要素を個別に扱うことが可能です。
この設計により、糖尿病リスクの評価やインスリン抵抗性、ベータ細胞機能の判定といった多様な代謝予測タスクにおいて、高い性能を実現しています。評価の結果、既存の最良のモデルであるGluFormerのバリアントと比較して、PR-AUC（適合率と再現率の曲線下面積）が平均で5.8ポイント向上しました。また、食事後の血糖値応答（PPGR）の予測においても、DexcomやLibreといった2つのデバイスを用いた評価で、最も低い平均絶対誤差（MAE）を記録しています。
高い汎用性と少量のデータへの適応力
GlucoFMは、109,066時間に及ぶラベルなしのCGMデータを用いて事前学習が行われています。この学習プロセスでは、データの欠損やサンプリング間隔の違い、センサーのノイズといった、実際のCGM利用時に直面する変動を考慮した手法がとられています。
また、未知のデータセットに対する転送性能や、ラベル付きのデータが極めて限定的な状況における適応力においても、優れた結果を示しています。4つのコホートを用いた14の評価項目において、糖尿病リスクとベータ細胞機能の評価では最高値のPR-AUCを達成しました。さらに、1日分のデータだけでなく、最大7日分までのデータを組み合わせることで、個人の予測精度をさらに高めることも可能です。