在臨床上，醫(yī)生通常依賴“糖化血紅蛋白”（HbA1c）來判斷一個人是否患有2型糖尿病或前期糖尿病。這項指標反映的是過去幾個月的平均血糖水平。然而，HbA1c 并不能提前識別出誰最有可能從健康發(fā)展為糖尿病患者，也難以判斷前期糖尿病患者的病情是否會進一步惡化。

近日，來自美國斯克里普斯研究所（Scripps Research）的科學家們在《自然·醫(yī)學》（Nature Medicine）期刊發(fā)表的一項新研究表明，人工智能結(jié)合多種實時數(shù)據(jù)，可以更精準地識別糖尿病風險。這項研究或?qū)⒏膶懳覀儗μ悄虿≡缙谧R別和干預的方式。

研究團隊開發(fā)的AI模型融合了可穿戴設(shè)備采集的連續(xù)血糖監(jiān)測（CGM）數(shù)據(jù)，以及腸道菌群、飲食習慣、身體活動、基因信息等，能發(fā)現(xiàn)傳統(tǒng)HbA1c指標難以察覺的風險信號。

“我們發(fā)現(xiàn)，兩個HbA1c數(shù)值相同的人，其實在代謝風險上可能截然不同?！?研究共同通訊作者之一、數(shù)字醫(yī)學助理教授Giorgio Quer表示，“通過引入更多的數(shù)據(jù)維度，比如血糖波動的恢復時間、夜間血糖的變化、飲食結(jié)構(gòu)，甚至腸道微生物的組成，我們可以更準確地判斷誰正在悄然走向糖尿病?！?/p>

跟蹤日常血糖波動，揭示潛在風險

在健康人群中，血糖在進食后會上升，然后平穩(wěn)下降；而在代謝失衡的人群中，血糖的升高可能更急劇、持續(xù)時間更長，即使HbA1c仍處于正常范圍。研究顯示，正是這些細微卻持續(xù)的動態(tài)變化，揭示了糖尿病風險的早期信號。

這項研究是“糖代謝反應(yīng)預測研究（PROGRESS）”的一部分，完全通過線上方式開展，在全美招募了超過1000名志愿者參與試驗。參與者包括健康個體、前期糖尿病和確診的2型糖尿病患者。他們連續(xù)10天佩戴Dexcom G6連續(xù)血糖監(jiān)測儀，記錄飲食和運動情況，并寄送血液、唾液和糞便樣本，供研究人員分析。

“這可以說是遠程臨床試驗領(lǐng)域的一次突破?！绷硪晃还餐髡逧d Ramos指出，“從佩戴設(shè)備到采集樣本，整個過程參與者都在家中自行完成，構(gòu)建這樣的研究體系是前所未有的挑戰(zhàn)?！?/p>

血糖峰值定義。來源：《自然醫(yī)學》（2025）。DOI：10.1038/s41591-025-03849-7

AI識別個體差異，推動個性化干預

研究發(fā)現(xiàn)，血糖從高峰恢復到正常所需的時間，是預測糖尿病風險最強的信號之一：糖尿病患者往往需要100分鐘或更長時間才能恢復，而健康人恢復更快。此外，腸道菌群越多樣、運動量越高，血糖控制就越好；而靜息心率偏高，則可能意味著更高的糖尿病風險。

更關(guān)鍵的是，這個AI模型不僅能識別出當前已經(jīng)糖尿病或前期糖尿病的人，還能區(qū)分出“誰更危險”：有些前期糖尿病患者在代謝特征上已非常接近糖尿病人，而有些雖然HbA1c同樣偏高，卻更接近健康人。這種“個體畫像”的能力，為未來制定個性化干預措施提供了可能。

該模型還通過以色列獨立人群數(shù)據(jù)集進行了驗證，增強了其臨床推廣的可能性。未來，這一AI工具有望被醫(yī)生用于風險評估，也可作為普通用戶自我管理的一部分，幫助他們了解自己的代謝狀態(tài)，并據(jù)此調(diào)整飲食、運動和生活習慣。

“糖尿病并不是突然出現(xiàn)的，它是一個緩慢積累的過程?！?Quer總結(jié)道，“我們現(xiàn)在有機會在問題變嚴重之前就識別出它，提前采取行動?！?/p>

參考文獻：Mattia Carletti et al, Multimodal AI correlates of glucose spikes in people with normal glucose regulation, pre-diabetes and type 2 diabetes,?Nature Medicine?(2025).?DOI: 10.1038/s41591-025-03849-7

編輯：王洪

排版：李麗