From Supervised to Self-Supervised Learning for Heterogeneous Physiological Signals:

Abstract

Continuous physiological monitoring provides large amounts of heterogeneous and partially observed data, yet learning from such signals remains challenging due to irregular sampling, missing modalities, and substantial variation across cohorts. Existing supervised approaches commonly address these issues through resampling and imputation, which may introduce information that is not present in the original observations. This thesis investigates alternative learning strategies that preserve the structure of the observed physiological data while improving cross-cohort generalization. We first establish a common evaluation framework for supervised hypoglycemia detection using continuous glucose monitoring (CGM). The observed cross-cohort performance degradation highlights the limitations of models trained and evaluated under cohort-specific settings and motivates the use of self-supervised representation learning. We then study different pretraining objectives using CGM and evaluate their representations within and across cohorts. Building on these findings, we investigate the contribution of additional physiological channels to CGM-based downstream tasks and identify the configurations that provide the most consistent representations. These studies motivate the design of GlucoAnchor, a multimodal foundation model for heterogeneous and partially observed physiological time series. The proposed framework avoids treating missing observations as values that must be reconstructed and instead learns directly from recorded measurements. By combining self-supervised representation learning with a unified evaluation protocol, this work provides a principled framework for learning generalizable physiological representations across cohorts and signal modalities. The results establish the basis for extending foundationmodel approaches to continuous physiological monitoring beyond CGM-specific applications.***

La surveillance physiologique continue produit d’importants volumes de données hétérogènes et partiellement observées, dont l’exploitation reste difficile en raison de l’échantillonnage irrégulier, de l’absence de certaines modalités et des différences entre cohortes. Les approches supervisées traitent généralement ces contraintes par rééchantillonnage et imputation, au risque d’introduire des informations absentes des observations originales. Ce mémoire étudie des stratégies alternatives fondées sur l’apprentissage auto-supervisé afin de préserver la structure des données observées et d’améliorer la généralisation inter-cohortes. Nous établissons d’abord un cadre d’évaluation commun pour la détection de l’hypoglycémie à partir de la mesure continue du glucose (CGM). La dégradation observée des performances entre cohortes met en évidence les limites de modèles évalués dans des configurations spécifiques et motive l’étude de l’apprentissage de représentations auto-supervisé. Différents objectifs de pré-entraînement sont ensuite étudiés à partir du CGM et comparés au sein et entre les cohortes. L’analyse est étendue à d’autres canaux physiologiques afin d’évaluer leur contribution aux tâches en aval fondées sur le CGM et d’identifier les configurations produisant les représentations les plus robustes. Ces résultats motivent le développement de GlucoAnchor, un modèle fondation multimodal pour les séries temporelles physiologiques hétérogènes et partiellement observées. Le cadre proposé évite de considérer les observations manquantes comme des valeurs devant être reconstruites et apprend directement à partir des mesures effectivement enregistrées. En combinant apprentissage auto-supervisé et protocole d’évaluation unifié, ce travail propose un cadre pour l’apprentissage de représentations physiologiques généralisables à différentes cohortes et modalités, au-delà des seules applications fondées sur le CGM.