Google Research presentó GlucoFM el 26 de agosto, un modelo de base autosupervisado dedicado exclusivamente a curvas de monitorización continua de glucosa (CGM). El artículo está publicado en arXiv con el número 2605.30865, firmado por Ahmed A. Metwally y Zechen Li, de Google Research. El escenario que aborda es muy concreto: un sensor que se lleva en el brazo entrega una medición cada cinco minutos, y tras acumular varios días se obtiene una curva larga y ruidosa de la que los médicos quieren extraer indicadores como la resistencia a la insulina o la función de las células beta, algo que antes dependía de ingeniería manual de características.
El enfoque del modelo divide la curva en dos vías. Una gestiona las variables lentas, es decir, las tendencias metabólicas de varias horas a un día; la otra gestiona las variables rápidas, como los picos tras las comidas o la hipoglucemia nocturna. Ambas vías se codifican por separado y luego se combinan en una representación conjunta. El equipo realizó un estudio de ablación y comprobó que la versión que conserva solo el "flujo de eventos" obtiene el peor rendimiento: las fluctuaciones momentáneas por sí solas no bastan para construir un retrato metabólico estable.
Los números, al detalle
El preentrenamiento utilizó 109.000 horas de datos de CGM sin etiquetar, procedentes de 477 registros de participantes o sesiones en cinco conjuntos de datos. La evaluación abarca cuatro cohortes —CGMacros, la cohorte de Stanford, la cohorte Hall y ShanghaiT2DM— y siete tareas de predicción clínica, lo que da 14 combinaciones de cohorte y tarea. El punto de comparación fue la mejor variante de GluFormer: el PR-AUC medio de GlucoFM fue 5,8 puntos porcentuales superior, una mejora relativa de alrededor del 7,5%. En riesgo de diabetes y función de células beta ganó en todos los casos, y en resistencia a la insulina ganó en tres de las cuatro evaluaciones. El error absoluto medio (MAE) al predecir la respuesta glucémica posprandial fue de 21,88 mg/dL, frente a 22,90 de la línea base. En las 12 evaluaciones de transferencia entre conjuntos de datos, ganó en 11, con márgenes de entre 0,5 y 8,6 puntos.
La parte de aprendizaje con pocos ejemplos (few-shot) se acerca aún más a la práctica real. Incluso con un solo participante etiquetado por clase, o usando solo el 1% de las observaciones, GlucoFM mantiene su ventaja. En la investigación clínica, el costo del etiquetado suele ser un orden de magnitud mayor que el de la recolección de datos, un punto mucho más útil en la práctica que cualquier puntuación en una tabla de clasificación.
Un contraste en la escala de los datos
Haciendo un cálculo aproximado: 109.000 horas con un muestreo cada cinco minutos equivalen a cerca de 1,3 millones de puntos de datos. Los modelos de lenguaje de la misma época suelen partir de billones de tokens, así que esta escala prácticamente desaparece en la comparación. Los 477 registros repartidos en cinco conjuntos de datos tampoco pueden considerarse una escala grande. El propio Google lo reconoce sin rodeos en el apartado de limitaciones: la población de preentrenamiento es más bien pequeña y, por ahora, el modelo solo procesa ventanas independientes de 24 horas, sin captar tendencias semanales o mensuales.
Los modelos de base para señales y los modelos de lenguaje no parecen compartir la misma lógica de escalado. Las curvas de CGM tienen pocos grados de libertad y una estructura marcada, así que los datos de unos pocos cientos de personas ya bastan para que el modelo aprenda qué cuenta como una fluctuación normal. Entre sus planes futuros, Google menciona escalar a poblaciones más grandes y diversas, construir un modelado nativo de varios días, admitir adaptación en tiempo real y comprender mejor las diferencias en los patrones de ruido entre cohortes.
El salto al dispositivo
La evaluación se validó por separado en sensores Dexcom y Libre, lo que demuestra que el modelo no está atado a las características de muestreo de un único tipo de hardware. Los datos de respuesta posprandial incluyen 874 pares de eventos de comida de 34 participantes: un volumen pequeño, pero con una recolección limpia. En los últimos años, el CGM ha ido pasando del manejo de la diabetes al uso en personas sanas; con la llegada de versiones sin necesidad de receta, el número de usuarios solo puede crecer, y con él la cantidad de curvas sin etiquetar disponibles para el aprendizaje autosupervisado. Un modelo ligero y capaz de transferirse con pocos ejemplos encaja justo en ese momento.
Fuentes: blog oficial de Google Research, artículo en arXiv 2605.30865, CocoLoop; la arquitectura del modelo, el volumen de datos de preentrenamiento y los criterios de las 14 combinaciones de cohorte y tarea siguen lo indicado en el blog oficial.