10万小时血糖数据训出的AI，小到能塞进手机

10万小时血糖数据训出的AI，小到能塞进手机

硬币大小的一个传感器贴在手臂背面，每五分钟记一次血糖。我见过戴它的人吐槽，这东西一天能攒下两百多个数据点。

8月26日，Google Research联合新南威尔士大学发了个模型，叫GlucoFM，专门吃这种数据。我扒了官方博客和论文，训练集是109,066小时的无标注连续血糖记录，折算下来超过十二年不间断的血糖流水[1]。

公开口径里中国糖尿病人约1.4亿。这个模型跟每个人的关系，我拆开讲。

它干了一件反常识的事

这个模型小得反常，可训练参数只有72万，比一张手机壁纸的文件还小。同行做血糖基础模型的思路是堆参数，它反过来，把功夫下在了结构上[2]。

血糖曲线里其实叠着两种东西。一种是慢的，基础血糖水平，几个小时才挪一点。一种是快的，吃饭、运动、传感器误差砸出来的尖峰。过去的模型把这两种信号搅在一起读，GlucoFM把它们拆成两条流分开处理，再合起来判断[1]。

❶ 预训练数据109,066小时，来自477名受试者的无标注血糖记录

❷ 四个人群队列、七项临床预测任务，涵盖糖尿病风险、胰岛素抵抗、低血糖等

❸ 14项队列任务评测平均PR-AUC 58.8，最强基线54.7，领先4.1个点

❹ 餐后两小时血糖预测平均误差21.88 mg/dL，低于所有对比模型[1][2]

说人话就是，它不背答案，它学会了看曲线的章法。因为不用人工标注的临床标签，训练成本极低，一张H100就能训完，推理在CPU甚至手机上就能跑[2]。

对1.4亿糖友意味着什么

先泼冷水。这是个研究原型，Google自己写得很清楚，没经过任何监管审批，不能用于诊断和治疗。短期内你不会在手机上见到它[1]。

但方向值得认真对待。现在戴CGM的人拿到的只是曲线和报警，数据的价值远没榨干。这类模型成熟之后，同一台设备能顺手给出糖尿病风险评估、胰岛素抵抗倾向、餐后血糖预测，相当于把一部分体检塞进了每天贴在胳膊上的传感器里[1]。

我也算过一笔开销账。CGM设备现在一个月要花几百块，劝退了大部分轻症用户。模型小到手机能跑，意味着算法这条线不需要更贵的设备，反而奔着更便宜的方向去。

另一个被忽视的价值在研究侧。临床标签贵，这模型的训练全程不要标签。意味着任何一家攒了几年CGM数据的医院科室，都能照着论文复现一个自己的版本，论文承诺放出代码和复现脚本[2]。

我的判断是，AI医疗下一个落地点不在大医院的诊室里，在这些贴在胳膊上的传感器里。

血糖数据是最诚实的身体日记，AI开始读它了。你戴过动态血糖仪吗？体验如何，评论区聊聊。也希望它过审那天，设备价格已经先降下来了。

#GlucoFM #血糖监测 #Google #糖尿病 #健康科技

参考来源

[1] Google Research 官方博客，GlucoFM 连续血糖监测基础模型（foundation model for continuous glucose monitoring），双流架构与七项临床预测任务评测（2026-08-26）

[2] arXiv 论文及第三方技术报道，GlucoFM 0.72M 参数、109,066 小时预训练、单卡 H100 训练、PR-AUC 58.8 vs 54.7 细节（2026-08）

[3] 国际糖尿病联盟（IDF）全球糖尿病地图，中国成人糖尿病患者约 1.4 亿