# GLUCOFM — mô hình nền tảng mới cho giám sát đường huyết liên tục

Đăng ngày: 2026-08-28

Tôi vẫn luôn tin rằng công nghệ có thể mang lại những thay đổi lớn lao cho sức khỏe con người, và giám sát đường huyết liên tục (CGM) là một ví dụ điển hình. Công nghệ này theo dõi đường huyết sau mỗi vài phút, cho phép chúng ta hiểu rõ hơn về cách cơ thể phản ứng với thức ăn, hoạt động hay giấc ngủ. Tuy nhiên, việc giải mã những luồng dữ liệu này không hề đơn giản, đặc biệt khi các nhãn lâm sàng chất lượng cao lại khan hiếm và đắt đỏ. Các mô hình nền tảng CGM hiện có như CGMformer, GluFormer, hay CGM-JEPA thường xử lý dữ liệu glucose như một luồng đơn nhất, bỏ qua thực tế rằng đường huyết có cả xu hướng chậm và những biến động ngắn hạn phản ánh bữa ăn, hoạt động, hoặc nhiễu cảm biến. Đó là một lỗ hổng đáng kể mà ngành cần khắc phục để tối ưu hóa việc đánh giá nguy cơ bệnh tiểu đường hay kháng insulin. Nhận thấy điều đó, một nhóm các nhà nghiên cứu đã phát triển GlucoFM – một mô hình nền tảng giám sát đường huyết liên tục tự giám sát, có thiết kế dòng kép độc đáo. GlucoFM giải quyết trực tiếp vấn đề trên bằng cách tách riêng biệt các xu hướng đường huyết chậm (lower-frequency state component) và những biến động ngắn hạn (residual event component), đồng thời vẫn giữ được thông tin về thời gian trong ngày và dữ liệu bị thiếu. Mô hình này được huấn luyện trước trên một lượng dữ liệu khổng lồ: 109.066 giờ dữ liệu CGM chưa gắn nhãn từ Wear-CGM và bốn bộ dữ liệu công khai khác, tổng cộng 477 hồ sơ người tham gia/phiên. Thay vì chỉ đơn thuần tái tạo các chỉ số đường huyết thô vốn dễ bị nhiễu, GlucoFM dùng phương pháp tiền huấn luyện dự đoán ẩn với hai nhiệm vụ bổ sung, cho phép nó học được ngữ cảnh hàng ngày và sự tiến hóa theo thời gian của đường huyết. Kết quả đánh giá GlucoFM thực sự ấn tượng. Nó đã được thử nghiệm trên bốn nhóm đối tượng khác nhau và bảy nhiệm vụ dự đoán lâm sàng, bao gồm đánh giá nguy cơ tiểu đường, kháng insulin, rối loạn chức năng tế bào beta, tăng lipid máu, hạ đường huyết, béo phì và loại glucotype. Trong tổng số 14 đánh giá về nhóm đối tượng-nhiệm vụ, GlucoFM đạt điểm PR-AUC (Precision-Recall Area Under the Curve) cao hơn trung bình 5,8 điểm phần trăm so với biến thể GluFormer tốt nhất, với cả hai mô hình đều được tiền huấn luyện trên cùng một tập dữ liệu. Cụ thể hơn, GlucoFM dẫn đầu tất cả các đánh giá về nguy cơ tiểu đường và rối loạn chức năng tế bào beta, và ba trong số bốn đánh giá về kháng insulin. Rõ ràng, việc hiểu được cấu trúc đa thang độ của dữ liệu đường huyết đã mang lại lợi thế cạnh tranh đáng kể. Không dừng lại ở đó, GlucoFM còn thể hiện hiệu suất vượt trội trong dự báo phản ứng đường huyết sau ăn (PPGR) theo dõi trong hai giờ. Nó đạt sai số tuyệt đối trung bình (MAE) thấp nhất là 21,88 mg/dL, so với 22,90 mg/dL của mô hình nền tảng tốt nhất và 27,69 mg/dL của MAE trung bình của tập huấn luyện. Kết quả này được ghi nhận khi sử dụng thông tin đầy đủ, bao gồm cả 1 giờ CGM trước bữa ăn, dinh dưỡng bữa ăn, và thông tin người tham gia như đường huyết lúc đói, BMI và tình trạng tiểu đường, trung bình trên hai thiết bị CGM phổ biến là Dexcom và Libre. Mô hình cũng cho thấy khả năng chuyển giao tốt nhất giữa các bộ dữ liệu, và thích ứng linh hoạt với ít dữ liệu (few-shot adaptation) khi chỉ có một người tham gia được gắn nhãn cho mỗi lớp hoặc chỉ 1% dữ liệu quan sát. Điều này cực kỳ có ý nghĩa khi chi phí thu thập dữ liệu lâm sàng chất lượng cao vẫn luôn là một rào cản lớn. Mô hình GlucoFM đã chứng minh rằng việc phân tách rõ ràng các xu hướng đường huyết chậm và nhanh là chìa khóa để tạo ra những biểu diễn dữ liệu mạnh mẽ, có thể tái sử dụng. Nó không chỉ cải thiện đáng kể độ chính xác trong nhiều nhiệm vụ y tế, mà còn mở ra cánh cửa cho việc tận dụng tối đa dữ liệu CGM chưa gắn nhãn và giảm bớt sự phụ thuộc vào dữ liệu lâm sàng được gắn nhãn đắt đỏ. Tương lai của y học cá nhân hóa, đặc biệt trong quản lý tiểu đường và các rối loạn chuyển hóa, có vẻ tươi sáng hơn rất nhiều.

Canonical: https://www.tungpham.vn/blog/glucofm-mo-hinh-nen-tang-moi-cho-giam-sat-duong-huyet-lien-tuc