血糖基础模型跨队列迁移暴涨11分！丢弃传感器干扰带，AUROC从68.75飙至73.57
GlucoPRISM: Protocol-Supervised Pretraining for Cross-Cohort Glucose Transfer
📖 AI 总结
该研究针对连续血糖监测（CGM）基础模型在跨队列迁移时，测量差异会随表征一同传播的问题，提出GlucoPRISM方法。其核心思路是通过"响应契约"对GlucoFM骨干网络进行预训练监督，将表征划分为64维Trait带（不随天数或传感器变化）、48维State带（仅随天数变化）和16维Sensor带（追踪设备差异），并利用在Dexcom与Libre配对记录上校准的合成传感器视图提供监督信号，无需临床标签。在十二个跨队列迁移方向上，从同一冻结编码器中剔除Sensor带后，平均迁移AUROC从68.75提升至73.57，优于GlucoFM的69.3。增益来源有二：在唯一使用两种传感器的目标队列CGMacros中，过滤带来11至19个百分点的提升，且在生成器重新校准后依然稳健；其余八个方向上编码器本身即超出GlucoFM 3.5个百分点。过滤后设备仍可线性解码，说明被移除的是损害迁移的设备相关成分而非全部测量信息。保留的表征带在十四个公共任务-队列单元中的十三个上改善了窗口AUROC，并在一个包含9303名参与者的外部队列中改善了十五个临床终点中十四个的相关性。
🔑 关键词速览
| 连续血糖监测（CGM） | 一种通过皮下传感器持续测量组织间液葡萄糖浓度的技术，用于糖尿病管理。 |
| 基础模型（Foundation Model） | 在大规模数据上预训练、可适应多种下游任务的通用模型。 |
| 响应契约（Response Contracts） | 规定表征各部分在特定变化（如日期或传感器变化）下应如何响应的监督规则。 |
| AUROC | 接收者操作特征曲线下面积，衡量二分类模型性能的指标，值越高表示性能越好。 |
| 跨队列迁移（Cross-Cohort Transfer） | 将在一个队列上训练的模型应用于另一个不同队列数据的过程，常面临分布偏移挑战。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅