《从血糖范式到健康结果：一种用于连续血糖监测数据分析的可泛化基础模型》2024年9月11日本文主要介绍了“血糖范式生成与分析模型（以下简称‘该模型’）”这一基于转换器架构的生成式模型，以及该模型在连续血糖监测（CGM）数据分析中的应用。文章详细描述了该模型的开发过程、训练方法、性能评估以及在临床预测中的潜在应用。糖尿病是一种影响全球超过5亿人的慢性疾病，预计2021年全球糖尿病相关支出超过了9000亿美元。糖尿病是心血管疾病、肝病、癌症等多种并发症的主要风险因素。连续血糖监测作为管理糖尿病和提高患者治疗质量的关键工具，其数据的深入分析对于改善糖尿病治疗至关重要。随着自监督学习（SSL）在医疗领域的兴起，基础模型（FM）成为了处理和分析与生物医学数据相关的海量未标记数据的重要工具。连续血糖监测作为一种重要的血糖监测手段，提供了丰富的时序数据，但在预测更广泛的健康结果方面仍有待充分利用。因此，开发一种能够有效利用连续血糖监测数据进行健康预测的基础模型显得尤为重要。为此，研究团队提出了这一生成式基础模型，该模型采用转换器架构，通过自监督学习的方式进行训练。该模型在超过一千万个来自10,812名非糖尿病个体的连续血糖监测数据上进行训练。该模型通过对连续血糖监测训练数据进行标记，并使用下一个标记预测的方式进行生成式自回归训练。此外，该模型还能够将连续血糖监测样本嵌入到1024维空间中，用于各种下游任务。该模型的主要贡献是：●可泛化性强：该模型在15个外部数据集上进行了验证，涵盖了来自5个不同地理区域、6个不同连续血糖监测设备以及多种代谢疾病（包括正常血糖、糖尿病前期、糖尿病、妊娠糖尿病和肥胖）的4936名个体。●预测能力强：该模型生成的嵌入能够超越传统的连续血糖监测分析工具，在预测HbA1c、肝脏相关参数、血脂和睡眠相关指标方面取得了较高的皮尔逊相关系数。●预测未来健康结果：该模型能够预测未来4年的健康结果，包括血糖水平、肝脏脂肪含量、血压和睡眠质量等。●临床试验结果预测：该模型能够利用随机对照试验（RCT）中干预前的连续血糖监测数据预测干预后的主要和次要结果。●饮食数据集成：该模型能够将饮食数据整合到模型中，根据饮食摄入数据生成连续血糖监测数据，模拟饮食干预的结果，并预测个体对特定食物的反应。总之，该模型的成功开发和应用，为连续血糖监测数据的全面分析提供了新的工具。该模型不仅能够捕捉血糖范式的细微变化，还能预测多种健康结果，为代谢健康管理和临床研究提供了有力支持。该模型在不同人群、地域、连续血糖监测设备和疾病中表现出色，为慢性病管理、风险分层和治疗策略优化提供了新的工具。该模型的出现标志着精准代谢健康管理和临床研究的范式转变，将对糖尿病治疗、药物开发和精准医疗产生重大影响。如需要《从血糖范式到健康结果：一种用于连续血糖监测数据分析的可泛化基础模型》（英文，共55页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后发来email地址索取。★ 每日鲜鸡汤 ★Silence, is the best reply to a fool. 沉默，是对蠢人最好的回应。早上好！
