أعلنت فرقة بحثية من غوغل وجامعة نيوساوث ويلز عن إطلاق GlucoFM، نموذج أساسي موجه للتعلم الذاتي لمراقبة الجلوكوز المستمرة. يعتمد النموذج على فكرة جديدة تقسم بيانات الجلوكوز إلى تيارين منفصلين: أحدهما يتابع الحالة الفسيولوجية البطيئة والآخر يسجل الانحرافات العابرة الناجمة عن تناول الطعام أو النشاط أو الإجهاد.

يتكون النموذج من 0.72 مليون معامل قابل للتدريب، وتم تدريبه على 109,066 ساعة من بيانات الجلوكوز غير المصنفة من 477 شخصًا باستخدام معالج NVIDIA H100 واحد. أثبت النموذج تفوقًا واضحًا في الاختبارات: حقق 58.8 نقطة في متوسط PR-AUC عبر 14 تقييمًا متقاطعًا، مقابل 54.7 للنموذج الأساسي الأقوى المتخصص في المراقبة المستمرة للجلوكوز، بتحسن نسبي يبلغ 7.5%.

أكدت فرقة البحث أن GlucoFM لا يزال نموذجًا بحثيًا في مرحلة تطوير ولم يحصل على موافقة تنظيمية من أي جهة. تقييمات الأداء جميعها بأثر رجعي وتستند إلى بيانات تاريخية، وليس للنموذج أي استخدام سريري أو استهلاكي معتمد حاليًا.

القيمة العملية الفورية للنموذج تكمن في المنهجية والخوارزميات التي يستخدمها. يمكن لأي فريق يمتلك بيانات مراقبة جلوكوز نسخ النموذج بكفاءة، خاصة أن الاستدلال لمدة 24 ساعة يعمل على حاويات وحدة المعالجة المركزية أو الأجهزة المحمولة. التزمت فرقة البحث بإصدار الكود وأدوات إعادة الإنتاج.

في اختبار التنبؤ بمستويات الجلوكوز بعد تناول الطعام لمدة ساعتين، بلغ متوسط الخطأ المطلق 21.88 ملغ/ديسيليتر مع السياق الكامل، مقابل 22.90 للنموذج الأفضل السابق. كما تفوق النموذج على معايير المقارنة التقليدية في عدة معايير تقييم متخصصة.