Google Research เปิดตัว GlucoFM โมเดล AI วิเคราะห์น้ำตาล
Google Research เปิดตัว GlucoFM โมเดลปัญญาประดิษฐ์ขนาด 0.72 ล้านพารามิเตอร์ สำหรับการตรวจวัดระดับน้ำตาลในเลือดอย่างต่อเนื่อง
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Google Research เปิดตัว GlucoFM โมเดลรากฐานวิเคราะห์ระดับน้ำตาลในเลือดแบบคู่
- ใช้พารามิเตอร์เพียง 0.72 ล้านตัว เทรนด้วยการ์ดจอ NVIDIA H100 จำนวน 1 ตัว
- ทำคะแนนเฉลี่ย PR-AUC สูงถึง 58.8 ดีกว่าโมเดลพื้นฐานเดิมที่ทำได้ 54.7
- ยังเป็นงานวิจัยต้นแบบ ไม่อนุญาตใช้ทางการแพทย์และรอเปิดเผยโค้ดเร็วๆ นี้
Google Research ได้เผยแพร่ผลงานวิจัยโมเดลปัญญาประดิษฐ์ตัวใหม่ในชื่อ GlucoFM ซึ่งเป็นโมเดลรากฐาน (Foundation Model) แบบสตรีมคู่ (Dual-Stream) ขนาด 0.72 ล้านพารามิเตอร์ ออกแบบมาเพื่อใช้งานกับการตรวจวัดระดับน้ำตาลในเลือดอย่างต่อเนื่อง (Continuous Glucose Monitoring หรือ CGM) โดยทีมนักวิจัยมุ่งเน้นให้โมเดลนี้เป็นโครงสร้างพื้นฐานด้านการวิจัยเท่านั้น ยังไม่ได้รับการรับรองจากหน่วยงานกำกับดูแลเพื่อใช้เป็นผลิตภัณฑ์ทางการแพทย์หรือสำหรับผู้บริโภคทั่วไปแต่อย่างใด
ในปัจจุบัน สูตรการสร้างโมเดลนี้ถือเป็นสิ่งที่นำไปต่อยอดได้ทันที ด้วยขนาดพารามิเตอร์เพียง 0.72 ล้านตัวและการฝึกฝนผ่าน 120 รอบ (Epochs) บนจีพียู NVIDIA H100 เพียงตัวเดียว ทำให้ทีมวิจัยที่มีชุดข้อมูล CGM สามารถนำไปทำซ้ำได้ นอกจากนี้ การอนุมานในช่วงเวลา 24 ชั่วโมงยังสามารถทำงานบนคอนเทนเนอร์ซีพียูหรือบนอุปกรณ์พกพาได้โดยตรง โดยทางทีมงานระบุวันที่ 26 สิงหาคม 2026 ว่าจะมีการปล่อยโค้ดและสคริปต์สำหรับการทำซ้ำออกมาให้ใช้งานกัน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
โมเดล CGM แบบเดิมมักแปลงข้อมูลระดับน้ำตาลเป็นลำดับต่อเนื่องแบบพัวพันชิ้นเดียว แต่ข้อมูลจาก CGM นั้นประกอบด้วยสองส่วนสำคัญพร้อมกัน ได้แก่ เส้นฐานการควบคุมระดับน้ำตาลระยะยาว และความเบี่ยงเบนชั่วคราวจากการรับประทานอาหาร กิจกรรมการออกกำลังกาย ความเครียด หรือสัญญาณรบกวนจากเซ็นเซอร์ ประกอบกับป้ายกำกับทางคลินิกมีราคาแพงและจำกัดเฉพาะกลุ่มประชากร ทำให้การฝึกอบรมแบบมีผู้สอนทำได้ยาก GlucoFM จึงเข้ามาแก้ปัญหานี้ด้วยสถาปัตยกรรมเฉพาะตัว
ระบบของ GlucoFM จะจัดระเบียบการบันทึกข้อมูลแต่ละรายการเข้ากับตารางเวลา 24 ชั่วโมงคงที่ โดยมีช่วงเวลาห่างกันทุกๆ 5 นาที ทำให้ได้ตำแหน่งข้อมูลรวม 288 ตำแหน่ง พร้อมทั้งรักษาดัชนีเริ่มต้นตามวงรอบเวลา 24 ชั่วโมงเอาไว้ และมีการรักษาหน้ากากข้อมูลสังเกตการณ์ไว้ตั้งแต่ต้นจนจบ เพื่อจัดการกับตำแหน่งข้อมูลที่ขาดหายไปได้อย่างแม่นยำยิ่งกว่าการเติมเต็มข้อมูลแบบหนาแน่น
"GlucoFM is a research prototype, has not been cleared or approved by any regulatory authority, and is not intended to diagnose, treat, cure or prevent disease."
Google Research Team
จากนั้นตัวกรองแบบเกาส์เซียนจะแยกสัญญาณออกเป็นสองส่วน ได้แก่ สตรีมสถานะที่ได้จากการกรองแนวโน้ม และสตรีมเหตุการณ์จากส่วนที่ถูกบดบังไว้ โดยใช้เคอร์เนลด้านเดียวเพื่อให้มั่นใจว่าข้อมูลระดับน้ำตาลในอนาคตจะไม่รั่วไหลเข้ามาปะปนกับการประเมินสถานะในปัจจุบัน ทั้งสองสตรีมจะถูกแปลงเป็นแพตช์ขนาด 1 ชั่วโมง และรวมเข้ากับฟีเจอร์เวลาในรอบวันก่อนเข้าสู่กระบวนการฝึกอบรมล่วงหน้าต่อไป
การพัฒนาโมเดลรากฐานเฉพาะทางด้านสุขภาพอย่าง GlucoFM สะท้อนให้เห็นถึงความพยายามของยักษ์ใหญ่อย่าง Google ในการนำปัญญาประดิษฐ์มาเจาะลึกข้อมูลชีวมาตร (Biometrics) ที่มีความซับซ้อนสูง เช่น ระดับน้ำตาลในเลือด การแยกสัญญาณออกเป็นสตรีมสถานะและสตรีมเหตุการณ์ถือเป็นแนวทางทางคณิตศาสตร์ที่ช่วยให้ AI เข้าใจรูปแบบชีวิตประจำวันของผู้ป่วยได้ดีขึ้น แม้ว่าในปัจจุบันเทคโนโลยีนี้จะยังอยู่ในขั้นตอนห้องปฏิบัติการและไม่สามารถนำมาวินิจฉัยโรคได้ทันที แต่ถือเป็นก้าวสำคัญที่อาจเปลี่ยนโฉมหน้าของการดูแลสุขภาพดิจิทัลในอนาคต
ในการประเมินประสิทธิภาพผ่านงานย่อยเจ็ดงานครอบคลุมสี่กลุ่มประชากร GlucoFM ทำคะแนนเฉลี่ย PR-AUC ได้สูงถึง 58.8 สูงกว่าโมเดลพื้นฐานเฉพาะทางรุ่นก่อนหน้าที่ทำได้ 54.7 นอกจากนี้ยังทำนายผลตอบสนองของระดับน้ำตาลหลังอาหารในเวลาสองชั่วโมงได้แม่นยำด้วยค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ 21.88 มิลลิกรัมต่อเดซิลิตร จากผู้เข้าร่วมการทดลอง 34 คนผ่านเซ็นเซอร์จาก Dexcom และ Libre
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น