纵向葡萄糖表示的可转移证据重建

长时间的生理记录包含许多常规测量结果，而预测信息通常集中在罕见事件、持续负担和重复出现的时间模式中。屏蔽自动编码恢复测量值；对比学习可以调整观点。我们研究明确优先考虑结构化信号证据的自我监督。我们引入了可转移证据重建（TER），它从未标记的录音中构建证据，在一个录音组上安装新的低容量读取器，并要求读取器在另一组中恢复相同的证据而无需重新安装。通过这种跨组测试进行区分，可以学习具有可转移证据解码规则的表示；证据指导自我监督，但不用作下游特征。对于连续血糖监测 (CGM)，观察感知的每日编码器和时钟感知的多日存储器将血糖水平与记录的时间相结合，同时组织最多 7 天的历史记录。在 14 项任务排行榜上，TER 将之前最强的总体 PR-AUC/ROC-AUC/Macro-F1 分数提高了 5.51/4.43/2.80 个百分点，并在 12/14 项任务上设置了新的最佳指标。这些排行榜收益是两个最强基线之间各自差距的 2.0-2.9 倍。通过公开的预训练数据、折叠和匹配的线性探针，TER 比我们的 GlucoFM 再现高出 6.09/5.52/2.72 点。目标读者消融、相同历史控制和跨人员读出支持结构化证据、跨群体读者拟合和学习的多日组织的组合。