Google Research merilis GlucoFM pada 26 Agustus, sebuah model fondasi self-supervised yang hanya mengolah kurva continuous glucose monitoring (CGM). Makalahnya diunggah ke arXiv dengan nomor 2605.30865, ditulis oleh Ahmed A. Metwally dan Zechen Li dari Google Research. Skenario yang disasar cukup spesifik: sensor yang dipakai di lengan mengeluarkan satu angka setiap lima menit, dan setelah beberapa hari terkumpul jadi kurva panjang yang berisik. Untuk membaca indikator klinis seperti resistansi insulin dan fungsi sel beta dari situ, selama ini dibutuhkan rekayasa fitur manual.
Model ini memecah kurva jadi dua jalur. Satu jalur menangani variabel lambat, yaitu tren metabolik dalam hitungan jam hingga satu hari. Jalur lain menangani variabel cepat, seperti lonjakan setelah makan dan hipoglikemia malam hari yang bersifat penyimpangan jangka pendek. Masing-masing jalur dienkode terpisah, lalu digabung jadi satu representasi. Tim melakukan studi ablasi dan menemukan bahwa versi yang hanya menyisakan 'arus kejadian' tampil paling buruk — fluktuasi sesaat saja tidak cukup untuk membentuk gambaran metabolik yang stabil.
Kalau angkanya dibeberkan
Pretraining menghabiskan 109.000 jam data CGM tanpa label, diambil dari 477 catatan partisipan/sesi di lima dataset. Evaluasi mencakup empat kohort — CGMacros, kohort Stanford, kohort Hall, dan ShanghaiT2DM — pada tujuh tugas prediksi klinis, yang jika disilangkan menjadi 14 kombinasi kohort-tugas. Dibandingkan varian terbaik GluFormer, PR-AUC GlucoFM rata-rata lebih tinggi 5,8 poin persentase, atau peningkatan relatif sekitar 7,5%. Model ini unggul penuh pada risiko diabetes dan fungsi sel beta, serta menang tiga dari empat evaluasi pada resistansi insulin. Untuk prediksi respons glukosa pascamakan, MAE-nya 21,88 mg/dL dibanding baseline 22,90. Pada transfer lintas dataset, GlucoFM menang 11 dari 12 evaluasi, dengan selisih 0,5 hingga 8,6 poin.
Bagian few-shot lebih dekat ke situasi nyata. Dengan hanya satu partisipan berlabel per kategori, atau hanya 1% dari total observasi, GlucoFM tetap mempertahankan keunggulannya. Dalam riset klinis, biaya pelabelan seringkali satu tingkat lebih mahal dibanding biaya pengumpulan data — temuan ini lebih praktis ketimbang sekadar skor di papan peringkat.
Skala data yang jadi kontras
Kalau dihitung kasar: 109.000 jam dengan interval sampling lima menit setara sekitar 1,3 juta titik data. Model bahasa masa kini biasanya mulai dari triliunan token, jadi skala ini nyaris tak terlihat jika dibandingkan. Dengan 477 catatan dari lima dataset, skalanya juga jauh dari besar. Google sendiri menulis dengan terus terang di bagian keterbatasan: populasi pretraining relatif kecil, dan model saat ini hanya memproses jendela waktu 24 jam yang berdiri sendiri, belum bisa melihat tren tingkat mingguan atau bulanan.
Model fondasi berbasis sinyal dan model bahasa tidak berbagi logika skala yang sama. Kurva CGM punya derajat kebebasan rendah dan struktur yang kuat, sehingga data dari beberapa ratus orang saja sudah cukup bagi model untuk belajar 'apa yang dianggap fluktuasi normal'. Dalam rencana ke depan, Google menyebut akan memperluas ke populasi yang lebih besar dan beragam, membangun pemodelan multi-hari secara native, mendukung adaptasi real-time, serta ingin memahami perbedaan pola noise antar kohort.
Turun ke perangkat
Evaluasi dilakukan dan divalidasi terpisah pada sensor Dexcom dan Libre, menunjukkan model ini tidak terikat pada karakteristik sampling satu jenis perangkat keras saja. Data respons pascamakan — 874 pasangan kejadian makan dari 34 partisipan — jumlahnya tidak besar tapi bersih. CGM dalam beberapa tahun terakhir mulai merambah dari manajemen diabetes ke populasi sehat secara umum, dan begitu versi tanpa resep beredar, jumlah pemakainya hanya akan bertambah, begitu pula kurva tanpa label yang tersedia untuk pelatihan self-supervised. Model yang ringan dan bisa ditransfer dengan sedikit contoh pas berada di titik ini.
Sumber: Blog resmi Google Research, makalah arXiv 2605.30865, CocoLoop; arsitektur model, volume data pretraining, dan skema evaluasi 14 kombinasi kohort-tugas mengikuti yang tercantum di blog resmi.