この記事のポイント

  • Google ResearchのGlucoFMは109,066時間の連続血糖測定データで事前学習され、477件の参加者・セッション記録を用いたと報告されている
  • GlucoFMの食後血糖応答の評価は34人から得た874件の食事イベントを対象に行われた
  • JMIR AI掲載の2026年研究では、1型糖尿病の成人351人・15,601食のデータで栄養情報を加えた予測モデルが検証された
目次
  1. 同じ食事でも反応は違う
  2. 基盤モデルGlucoFMの評価規模
  3. 栄養情報を加えると何が変わるか
  4. 実用化の前に残る検証
01

同じ食事でも反応は違う

同じ食品を食べても食後の血糖の上がり方は人によって異なる。糖質量だけでなく、食べる順序、運動、睡眠、代謝の状態が影響するため、食品の標準的な栄養表示だけでは個人の反応を説明しきれない。この個人差を、連続血糖測定(CGM)のデータから学習しようとする研究が進んでいる。

世界保健機関(WHO)は糖尿病の診断を空腹時血糖やHbA1cなどの基準で行うものとしており、予測モデルの出力そのものは診断基準ではない。予測は生活の振り返りを助ける道具であり、診断や薬の変更は医療者の判断によるという線引きが、研究を実用へ移す際の前提になる。

02

基盤モデルGlucoFMの評価規模

Google Researchが2026年8月に公表したGlucoFMは、CGM向けの自己教師あり基盤モデルである。同研究の要約によれば、事前学習にはWear-CGMと公表済み4データセットから得た109,066時間分のラベルなしCGMデータが使われ、合計477件の参加者・セッション記録が含まれた。

食後血糖応答の予測では、食事開始前の情報から食後2時間の血糖変化の推移を予測する課題が設定され、34人の参加者から得た874件の食事イベントで評価された。参加者を分けた交差検証が行われたと要約は述べており、学習に使った人のデータで評価する方式ではない。ただし34人という規模は、一般の利用者全体への当てはめには小さい。

03

栄養情報を加えると何が変わるか

学術誌JMIR AIに2026年9月に掲載された研究では、1型糖尿病の成人351人、15,601食分のCGM、インスリン、食事データを使い、栄養情報の詳細さを変えた予測モデルが比較された。炭水化物だけを使う基準モデルより、詳しい栄養情報を加えたモデルの方が食後予測で概ね良い結果を示したと論文は結論づけている。

ただし論文自身が、栄養素ごとの寄与を因果関係や生理学的な効果として解釈すべきではないと明記し、臨床での有用性を判断するには外部データでの検証と前向き研究が必要だとしている。モデルが当たることと、食事指導として安全に使えることは別の評価である。

04

実用化の前に残る検証

測定機器の誤差、食事記録の入力漏れ、参加者の年齢や健康状態の偏りは、モデルの精度を左右する。研究参加者で得た性能が、異なる機器や異なる集団でも再現するかを外部データで確かめる工程が欠かせない。GlucoFMの評価も4つのコホートで行われた範囲の結果であり、日常利用の製品性能を保証するものではない。

次の具体的な節目は、これらのモデルが前向き研究や製品の臨床評価として登録・公表されるかどうかである。それまでは、予測結果は食事と活動を振り返る参考情報として扱い、糖尿病の診断や治療の変更には使わないという扱いが、研究側の公表内容と一致する。

出典・参考資料