CGM-JEPA
一种仅靠连续血糖监测仪信号预训练的早期血糖预测模型,把血糖变化当作单一整体来学习,因而无法区分其中的短期波动。
简单来说
CGM-JEPA是一款仅依靠连续血糖监测仪(CGM,一种贴在皮下、每隔几分钟测一次血糖的小型传感器)原始数据预训练而成的人工智能模型。它不依赖医生给出的诊断标签,而是直接从血糖数值随时间描绘出的曲线本身中寻找规律。
打个比方,这就像用一台摄像机从早到晚连续拍摄一条小溪。这台摄像机不会区分溪水大幅蜿蜒的主流,和撞到石头后溅起的小水花,而是把两者混在同一段影像里。放到血糖上,就是把一天之内缓慢起伏的整体趋势,和因为进餐、运动而瞬间跳动的小波动,当作同一团信号来学习。
正因如此,CGM-JEPA以及同代的其他模型都存在一个局限:无法把缓慢的基础趋势和短期波动分开处理。这一局限后来在谷歌研究院提出「从一开始就分开学习两者」的模型GlucoFM时,被重新拿出来作为比较对象。
在报道中是这样出现的
文章中,CGM-JEPA与CGMformer、Glucoformer一起被列为「把血糖信号当作单一表示流处理,未能区分缓慢基线模式与短期波动」的早期模型代表。需要注意的是,CGM-JEPA并非新推出的GlucoFM出自同一开发方,也不是GlucoFM的前身版本,而只是文中为作比较而引用的先前研究之一。