CGM 파운데이션 모델의 가치는 특정 과제의 점수 하나보다, 불완전한 시계열에서 어떤 정보를 보존하고 그 표현을 다른 과제로 얼마나 안정적으로 옮길 수 있는지에 달려 있다. 이런 관점에서 GlucoFM의 핵심은 모델 규모가 아니라 시간 정렬, 표현 학습, 시간 규모 분리라는 세 가지 설계 선택에 있다.
결측을 지우지 않고 입력 구조에 남긴다
불규칙하게 기록된 CGM을 모델에 넣으려면 먼저 시간축을 정리해야 한다. GlucoFM은 데이터를 24시간 단위의 시간순 그리드에 배치하되, 각 지점이 실제로 관측됐는지를 나타내는 마스크를 함께 보존한다.1
이 방식의 의미는 정렬과 관측을 별개의 문제로 다룬다는 데 있다. 모든 기록을 공통 형식으로 맞추면서도, 빈 구간과 실제 측정값을 구분할 수 있는 단서를 유지한다. 혈당값 교란, 서로 다른 샘플링 속도, 센서 데이터 누락을 모사하는 CGM 특화 데이터 증강도 같은 방향을 따른다.1
다만 24시간 그리드는 유용한 표준화 수단인 동시에 하나의 모델링 가정이다. 앞으로는 그리드 설정이나 결측 양상이 달라질 때 표현과 성능이 얼마나 안정적인지 확인할 필요가 있다.
예측할 값보다 재사용할 표현을 학습한다
GlucoFM은 마스킹된 원시 혈당값을 그대로 복원하는 대신 JEPA 방식으로 잠재 표현을 학습한다. 사전학습 목표에는 마스킹된 문맥 표현 학습과 시간적 동역학 모델링이 함께 포함된다.1
여기서 중요한 판단 기준은 복원 정확도가 아니라 전이 가능성이다. 잠재 공간이 임상 예측에 필요한 구조를 담는다면 하나의 사전학습 표현을 여러 과제에 활용할 수 있다. 반대로 잠재 표현은 원시 값처럼 직관적으로 해석하기 어렵기 때문에, 어떤 정보가 실제로 보존됐는지를 별도로 점검해야 한다.
GlucoFM의 융합 전 프로브 분석은 이 지점을 일부 보여준다. 상태 토큰은 시간 단위 혈당 수준을 더 잘 보존했고, 이벤트 토큰은 단기 혈당 변화를 더 잘 보존했다.1 즉, 느린 추세와 짧은 편차를 분리하는 이중 스트림 인코더가 단순한 구조적 장식에 그치지 않고 서로 다른 시간 정보를 담당했는지를 확인한 것이다.
평균 성능은 가능성을 보여주지만 적용 범위를 확정하지 않는다
GlucoFM은 109,066시간의 비라벨 CGM 데이터와 477개의 참가자·세션 기록으로 사전학습됐다. 평가는 4개 코호트의 7개 임상 예측 과제에서 총 14건의 코호트·과제 조합을 대상으로 진행됐다.1
평균 결과에서는 평가된 최상위 CGM 전용 파운데이션 모델보다 PR-AUC가 4.1%포인트 높았다. 이는 여러 평가 조합을 합산했을 때의 비교 우위를 보여주지만, 모든 코호트와 모든 과제에서 동일한 폭의 개선이 있었다는 뜻으로 해석해서는 안 된다.
식후 혈당 반응 평가에는 참가자 34명의 식사 이벤트 874건이 사용됐으며, 전체 입력 정보를 사용한 GlucoFM의 평균 MAE는 21.88mg/dL였다. 이 수치는 모델 비교의 기준점이 될 수 있지만 평균 MAE만으로 오차의 분포나 특정 상황에서의 성능까지 알 수는 없다.
다음 단계에서 볼 것은 ‘더 높은 평균’보다 ‘안정성’이다
GlucoFM이 제시하는 방향은 분명하다. CGM의 불규칙성과 누락을 입력 단계에서 보존하고, 서로 다른 시간 규모를 분리하며, 원시 값 복원보다 전이 가능한 잠재 표현에 초점을 맞춘다. 그러나 실제 활용 가능성을 판단하려면 평균 지표 밖의 정보가 더 필요하다.
향후 결과에서는 다음 항목을 우선 확인할 만하다.
14건의 코호트·과제 조합별 성능 차이가 얼마나 큰가
샘플링 속도와 센서 누락 조건이 달라져도 성능이 유지되는가
상태 토큰과 이벤트 토큰의 역할 분리가 새로운 데이터에서도 재현되는가
식후 혈당 반응의 평균 MAE 외에 오차 분포가 어떻게 나타나는가
24시간 그리드와 데이터 증강 설정을 바꿨을 때 결과가 얼마나 민감하게 변하는가
결국 GlucoFM의 장기적 가치는 한 번의 벤치마크 우위보다, CGM의 수집 조건과 예측 과제가 달라져도 학습된 표현이 일관되게 작동하는지에 의해 결정될 것이다.
1GlucoFM: A Dual-Stream Foundation Model for Continuous Glucose Monitoring
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.