健康科学：持続グルコースモニタリングデバイスデータを用いる基盤モデル
Nature 650, 8103 doi: 10.1038/s41586-025-09925-9
持続グルコースモニタリング（CGM）により、グルコース動態の詳細な経時的プロファイルが得られるが、グルコース恒常性を達成したり、長期的な転帰予測をしたりするCGMの潜在能力は十分に活用されていない。今回我々は、糖尿病ではない人がほとんどを占める１万812人の成人の1000万以上のグルコース測定値について自己教師あり学習で訓練した、CGMデータのための生成基盤モデルGluFormerを紹介する。このモデルは、自己回帰予測を用いて、5カ国、8種類のCGMデバイス、さまざまな病態生理学的状態（前糖尿病、1型糖尿病、2型糖尿病、妊娠糖尿病、肥満症など）にわたる、19の外部コホート（n = 6044）に移される表現を学習した。これらの表現は、血糖パラメーターを予測するための、ベースライン時の血糖値やHbA1c値、ならびに他のCGM由来指標に一貫した改善をもたらした。前糖尿病者において、GluFormerは、2年間にHbA1c値が臨床的な意味を持つ上昇を起こす可能性のある人々を層別化し、その精度はベースライン時のHbA1c値や一般的なCGM指標より優れていた。短期間のCGMを行っていて追跡期間中央値が11年の580人の成人コホートでは、GluFormerは、HbA1c値よりも効率的に、糖尿病発症および心血管疾患による死亡のリスクが高い人を特定した。具体的には、新規糖尿病発症の66％、心血管疾患による死亡の69％が上位四分位群で起こったのに対し、リスクの下位四分位群ではそれぞれ7％と0％であった。臨床試験においても、ベースライン時のCGM表現が、転帰予測を改善した。食餌データを統合した、このモデルのマルチモーダル拡張により、妥当と思われるグルコース軌跡が生成され、個人の食物に対する血糖反応が予測された。総合的にこれらの知見は、GluFormerが血糖パターンを符号化する一般化可能な枠組みを提供し、代謝健康のための精密医療手法に役立つ情報をもたらし得ることを示している。
