全球糖尿病患病率持續(xù)上升,精準(zhǔn)、高效的血糖管理成為全球公共健康重要課題。數(shù)字醫(yī)療技術(shù)飛速發(fā)展,CGM、智能算法、遠(yuǎn)程隨訪平臺等創(chuàng)新手段的廣泛應(yīng)用,為糖尿病全程管理帶來了全新解決方案。

數(shù)字控糖、融合創(chuàng)新。2025年6月7日,由上海交通大學(xué)主動健康戰(zhàn)略與發(fā)展研究院、北京慢性病防治與健康教育研究會聯(lián)合主辦,中國健康管理協(xié)會生活方式醫(yī)學(xué)分會、中華糖尿病雜志提供學(xué)術(shù)指導(dǎo)的“第二屆糖尿病數(shù)字管理大會”在四川省成都市盛大召開。

數(shù)字醫(yī)療賦能,糖尿病智慧管理新圖景

賈偉平教授

上海交通大學(xué)醫(yī)學(xué)院附屬第六人民醫(yī)院賈偉平教授分享了數(shù)字醫(yī)療背景下,糖尿病如何智慧管理的話題。她指出,面對人口老齡化及慢性病患者數(shù)量增多的問題,醫(yī)務(wù)人員的服務(wù)模式已從“患者到院就診”轉(zhuǎn)向關(guān)注疾病預(yù)防、篩查、診斷、治療、康復(fù)的全周期健康管理。

唯有通過“以人為本的一體化醫(yī)療服務(wù)”才能真正提升糖尿病管理的質(zhì)量與效率,而數(shù)字醫(yī)學(xué)與人工智能則是其關(guān)鍵手段[1]。

AI技術(shù)驅(qū)動,構(gòu)建糖尿病精準(zhǔn)防治體系

楊正林教授

我國成人糖尿病患病率達(dá)11.9%,疾病負(fù)擔(dān)重。臨床存在早期篩查不足、個性化治療難等問題。四川省人民醫(yī)院楊正林教授聚焦糖尿病防治的AI應(yīng)用展開討論。

目前AI技術(shù)在糖尿病防治中應(yīng)用廣泛,如構(gòu)建基于GWAS+AI的妊娠期糖尿病(GDM)預(yù)測模型可實現(xiàn)妊娠20周前預(yù)警,單細(xì)胞多組學(xué)結(jié)合機(jī)器學(xué)習(xí)能解析T2D基因調(diào)控機(jī)制,CGM聯(lián)合機(jī)器學(xué)習(xí)可預(yù)測代謝亞型等[4-6]。賈偉平教授團(tuán)隊還在DeepDR基礎(chǔ)上又基于深度學(xué)習(xí)開發(fā)了一個深度學(xué)習(xí)系統(tǒng)(DeepDR Plus),僅根據(jù)眼底圖像預(yù)測5年內(nèi)DR進(jìn)展時間[7]。

在實踐探索中,楊正林團(tuán)隊收集大量患者數(shù)據(jù),構(gòu)建657項機(jī)器學(xué)習(xí)模型,其中14項聚焦糖尿病,部分成果已達(dá)到較高臨床應(yīng)用水平。未來,AI將進(jìn)一步優(yōu)化,推動糖尿病精準(zhǔn)醫(yī)療與全病程管理發(fā)展。

全球視野下,糖尿病數(shù)字管理新突破

Marc Breton教授

弗吉尼亞大學(xué)Marc Breton教授分享國外糖尿病數(shù)字管理的前沿經(jīng)驗,并就醫(yī)學(xué)數(shù)字孿生技術(shù)與人工智能驅(qū)動的全閉環(huán)人工胰腺系統(tǒng)(FCL AID)展開論述。他指出,醫(yī)學(xué)數(shù)字孿生系統(tǒng)可實時更新患者生理數(shù)據(jù),實現(xiàn)真實與虛擬世界的閉環(huán)交互;FCL AID則通過AI整合多源數(shù)據(jù),自動評估血糖并精準(zhǔn)調(diào)整胰島素劑量,協(xié)助醫(yī)生制定個性化治療方案。數(shù)字孿生與AI的結(jié)合將推動糖尿病管理向自動化、個性化發(fā)展,有望提升患者生活質(zhì)量。

陳重娥教授

同時,在全球普遍面臨血糖控制不佳的問題下,香港中文大學(xué)內(nèi)科及藥物治療學(xué)系陳重娥教授探討了CGM對情緒與行為的影響。當(dāng)前糖尿病管理需突破“知-行鴻溝”,通過CGM等數(shù)字化技術(shù)與全病程管理結(jié)合,實現(xiàn)數(shù)據(jù)驅(qū)動的個性化護(hù)理、情感支持與自我管理賦能,可改善血糖控制、降低并發(fā)癥風(fēng)險并提升患者生活質(zhì)量。

下沉基層,AI賦能糖尿病防控

周智廣教授

中南大學(xué)湘雅二醫(yī)院周智廣教授指出,我國糖尿病防控面臨“患病率高,知曉率、治療率、控制率低”的嚴(yán)峻形勢,需做到“關(guān)口向預(yù)防前移,重心向基層下沉”。

國家糖尿病標(biāo)準(zhǔn)化防控中心(DPCC)項目應(yīng)運而生,通過整合5G、AI、物聯(lián)網(wǎng)等技術(shù),實現(xiàn)以患者為中心的分級診療、上下聯(lián)動的醫(yī)療團(tuán)隊協(xié)作管理,構(gòu)建“全人群覆蓋、全病程管理、全因素分析”的糖尿病標(biāo)準(zhǔn)化防控管理新模式。該項目已在湖南平江、岳塘、永州等地試點并全省推廣,經(jīng)驗同步向深圳、山西、河南等全國多地區(qū)輻射,助力防控關(guān)口前移。

鄭霽耘博士

三諾總經(jīng)理兼董事會秘書鄭霽耘博士以“從數(shù)據(jù)到?jīng)Q策:AI驅(qū)動糖尿病管理的未來”為題,指出AI大模型雖基于海量數(shù)據(jù)參數(shù),但在醫(yī)療應(yīng)用中存在知識更新滯后、數(shù)據(jù)收集被動等問題,可能影響診療安全與準(zhǔn)確性。為此,需構(gòu)建“動態(tài)知識更新+動態(tài)數(shù)據(jù)整合”機(jī)制,通過“大模型+記憶+規(guī)劃+工具”模式打造糖尿病專科智能體。

三諾智慧糖尿病管理系統(tǒng)

三諾智慧糖尿病管理系統(tǒng)集成BGM、CGM、CSII、PEP及慢病管理等功能,融合AI技術(shù),為醫(yī)生提供智能輔助,實現(xiàn)數(shù)據(jù)精準(zhǔn)分析、方案優(yōu)化及高效患者管理。

多學(xué)科協(xié)同,CGM+AI重構(gòu)血糖管理

從左至右:郭立新教授、李貴森教授、李穎川教授、楊小康教授、傅君芬教授

北京醫(yī)院郭立新教授主持了圓桌討論,上海交通大學(xué)人工智能研究院楊小康教授等圍繞“多學(xué)科視角下血糖管理的現(xiàn)狀與臨床核心需求”進(jìn)行探討,指出:

 兒童糖尿病患者受青春期激素劇烈波動影響,胰島素需求量起伏不定,加之頻繁指尖采血帶來的痛苦,導(dǎo)致治療依從性顯著降低;

 急危重癥領(lǐng)域中,約30%～50%的ICU患者因傳統(tǒng)點式血糖檢測存在監(jiān)測間隔,極易錯過關(guān)鍵的血糖異常事件,無法及時預(yù)警,進(jìn)而危及生命;

 慢性腎病患者由于腎功能衰退,糖化血紅蛋白檢測準(zhǔn)確性大打折扣,無癥狀低血糖風(fēng)險更是大幅攀升。

CGM不僅能實現(xiàn)全天候血糖趨勢監(jiān)測,提前預(yù)警高低血糖風(fēng)險,還可生成動態(tài)葡萄糖圖譜(AGP),助力醫(yī)生與患者制定個性化治療策略。眾多創(chuàng)新應(yīng)用成果表明,糖尿病管理已逐步從“單一控糖”向“全程質(zhì)控”時代邁進(jìn),而CGM無疑是這場轉(zhuǎn)型的核心驅(qū)動力。

全院協(xié)同,智創(chuàng)血糖管理新生態(tài)

研究顯示,我國住院患者糖尿病患病率達(dá)38%,其中80%以上糖代謝異常患者來自非內(nèi)分泌科室,近1/3血糖控制不佳,暴露出非內(nèi)分泌科醫(yī)護(hù)血糖管理能力不足、會診響應(yīng)慢等問題[4]。

蔡夢茵教授

中山大學(xué)附屬第三醫(yī)院蔡夢茵教授解讀《醫(yī)院內(nèi)虛擬病區(qū)智慧化血糖綜合管理專家共識(2025版)》,提出以內(nèi)分泌科為依托的虛擬病區(qū)模式,通過實時監(jiān)測血糖、異常警報閉環(huán)管理,實現(xiàn)全院高低血糖患者的智慧化監(jiān)控,尤其適用于低血糖風(fēng)險高、圍術(shù)期、妊娠期院內(nèi)高血糖患者等特殊人群[4]。

劉師偉教授

山西白求恩醫(yī)院劉師偉教授分享了基于BGM+CGM+CSII+PEP的全院血糖管理實踐。硬件(智能血糖儀+CGM+貼敷式胰島素泵CSII)與軟件(BGM+CGM+CSII+PEP)的結(jié)合,滿足“全面數(shù)據(jù)同步、全面應(yīng)用場景、安全性保障”需求,助力內(nèi)分泌科統(tǒng)籌全院患者數(shù)據(jù),精準(zhǔn)制定調(diào)糖方案,降低并發(fā)癥風(fēng)險、縮短住院時間。

陸靜毅教授

上海交通大學(xué)醫(yī)學(xué)院附屬第六人民醫(yī)院陸靜毅教授就從院外到院內(nèi)血糖管理,CGM的挑戰(zhàn)與機(jī)遇話題進(jìn)行了深入分享。他指出,CGM作為院外血糖管理重要工具(2024年ADA指南推薦[5]),可提升高低血糖檢出率,新冠疫情期間更凸顯其減少醫(yī)護(hù)負(fù)擔(dān)、感染風(fēng)險的優(yōu)勢,未來需更多臨床研究支持院內(nèi)應(yīng)用[6]。

鄭雪瑛教授

中國科學(xué)技術(shù)大學(xué)附屬第一醫(yī)院鄭雪瑛教授介紹全拋式“3C療法”(胰島素泵+CGM+糖尿病信息管理軟件)。相比單純胰島素泵,“3C療法”有著更精準(zhǔn)的血糖控制、顯著縮短血糖達(dá)標(biāo)時間、更好避免低血糖的發(fā)生、更適合特殊管理的糖尿病患者等諸多優(yōu)勢[8-10],且無泵體數(shù)量限制,一次性使用,管理成本低,適合全院推廣[7-10,13-14]。

沈潔教授

南方醫(yī)科大學(xué)第八附屬醫(yī)院沈潔教授總結(jié),全院血糖管理體系通過標(biāo)準(zhǔn)化流程與動態(tài)監(jiān)測,可提升規(guī)范管理率與控制達(dá)標(biāo)率,減少并發(fā)癥,同時推動糖尿病患者從急性期住院治療向穩(wěn)定期社區(qū)管理的平滑過渡,真正落實分級診療目標(biāo),優(yōu)化醫(yī)療資源配置,實現(xiàn)醫(yī)療資源的高效配置與利用。

內(nèi)分泌調(diào)控的挑戰(zhàn)與革新

廖渝教授

三諾糖尿病逆轉(zhuǎn)中心主任廖渝教授分享糖尿病逆轉(zhuǎn)臨床實踐,指出當(dāng)前糖尿病逆轉(zhuǎn)面臨認(rèn)知、理念轉(zhuǎn)變、多學(xué)科管理及執(zhí)行等多重困境,需系統(tǒng)推進(jìn)。基于此,三諾成立湖南省首家糖尿病逆轉(zhuǎn)中心,采用MIT強化干預(yù)法(多學(xué)科協(xié)作、個體化方案、行為跟蹤)實現(xiàn)多指標(biāo)全面管理,達(dá)成共管共達(dá)標(biāo)的逆轉(zhuǎn)效果。

張東銘教授

鄭州大學(xué)第二附屬醫(yī)院張東銘教授通過胰島素自身免疫綜合征(IAS)診療案例,強調(diào)血糖監(jiān)測的關(guān)鍵作用。IAS以低血糖、血糖波動及合并自身免疫疾病為特征,早期精準(zhǔn)識別、規(guī)范干預(yù)對改善預(yù)后至關(guān)重要[15]。

高凌教授

武漢大學(xué)高凌教授圍繞DeepSeek在醫(yī)療領(lǐng)域中的應(yīng)用進(jìn)行闡述。DeepSeek具備多模態(tài)能力,結(jié)合RAG技術(shù)構(gòu)建本地知識庫,達(dá)到高度定制化,高效檢索、低延遲的效果,可輔助醫(yī)療行業(yè)從業(yè)者文獻(xiàn)閱讀,避免AI幻覺。臨床應(yīng)用上,中文糖尿病考試準(zhǔn)確率1.7%,具備輔助醫(yī)生培訓(xùn)潛力,臨床推理質(zhì)量優(yōu)于部分模型,但摘要生成和穩(wěn)定性待提升。

從左至右:趙永才教授、李軍教授、胡玲教授、王煜非教授、趙禹教授、楊楊教授

南昌大學(xué)第三附屬醫(yī)院胡玲教授和上海交通大學(xué)醫(yī)學(xué)院附屬第六人民醫(yī)院王煜非教授主持了會議辯論環(huán)節(jié),辯題為「CGM是否有望替代HbA1c成為新標(biāo)準(zhǔn)?」。石河子大學(xué)第一附屬醫(yī)院李軍教授、滄州市中心醫(yī)院趙永才教授,擔(dān)任正方(CGM有望替代HbA1c成為新標(biāo)準(zhǔn));武漢科技大學(xué)附屬天佑醫(yī)院楊楊教授、深圳市寶安區(qū)中心醫(yī)院趙禹教授,擔(dān)任反方(CGM不能替代HbA1c成為新標(biāo)準(zhǔn))。

專家認(rèn)為,HbA1c仍是評估長期平均血糖及并發(fā)癥風(fēng)險的“基石指標(biāo)”,但CGM作為實時監(jiān)測工具,具備全面反映血糖控制質(zhì)量、提升治療響應(yīng)速度等優(yōu)勢,且與HbA1c相關(guān)性良好,具有較大發(fā)展?jié)摿Α?/p>

優(yōu)秀糖尿病數(shù)字管理案例

糖尿病管理的實踐中,無數(shù)醫(yī)護(hù)工作者和研究人員通過高效使用CGM技術(shù)等創(chuàng)新手段,在推動糖尿病精準(zhǔn)防治方面做出了杰出實踐。本次大會經(jīng)過專家評審,共有十份案例脫穎而出,被確定為優(yōu)秀糖尿病數(shù)字管理案例。這些案例中,既有基于CGM技術(shù)的精準(zhǔn)干預(yù)模式,也展現(xiàn)了數(shù)字技術(shù)與臨床智慧的深度融合

第二屆糖尿病數(shù)字管理大會圓滿落幕。隨著CGM、AI、數(shù)字孿生等技術(shù)的持續(xù)迭代與基層醫(yī)療網(wǎng)絡(luò)的協(xié)同升級,“數(shù)字控糖”的創(chuàng)新范式有望加速落地,推動糖尿病防治真正邁向精準(zhǔn)化、智能化、一體化的新未來。

*本文僅供醫(yī)療行業(yè)專業(yè)人士閱讀參考。

參考文獻(xiàn):

[1] https://dtxalliance.org/wp-content/uploads/2021/01/DTA_DTx-Definition-and-Core-Principles.pdf

[2] 第11版國際糖尿病聯(lián)盟(IDF)糖尿病地圖,https://diabetesatlas.org/

[3] 中華醫(yī)學(xué)會糖尿病學(xué)分會.中國糖尿病防治指南(2024版)[J].中華糖尿病雜志, 2025, 17(01):16-139.

[4] Gu Y, et al. Genetic architecture and risk prediction of gestational diabetes mellitus in Chinese pregnancies. Nat Commun. 2025 May 5;16(1):4178.

[5] Wang G, et al. Integrating genetics with single-cell multiomic measurements across disease states identifies mechanisms of beta cell dysfunction in type 2 diabetes. Nat Genet. 2023 Jun;55(6):984-994.

[6] Metwally AA, et al. Prediction of metabolic subphenotypes of type 2 diabetes via continuous glucose monitoring and machine learning. Nat Biomed Eng. 2024 Dec 23.

[7] Dai L, et al. A deep learning system for predicting time to progression of diabetic retinopathy. Nat Med. 2024 Feb;30(2):584-594.

[8] Khunti K, et al. Glycaemic control is still central in the hierarchy of priorities in type 2 diabetes management. Diabetologia. 2025 Jan;68(1):17-28.

[9] Bitew ZW, et al. Prevalence of Glycemic Control and Factors Associated With Poor Glycemic Control: A Systematic Review and Meta-analysis. Inquiry. 2023 Jan-Dec;60:469580231155716.

[10] 《醫(yī)院內(nèi)虛擬病區(qū)智慧化血糖綜合管理專家共識》制訂專家組. 醫(yī)院內(nèi)虛擬病區(qū)智慧化血糖綜合管理專家共識(2025版)[J]. 中華糖尿病雜志,2025,17(3):299-310.

[11] American Diabetes Association Professional Practice Committee; 7. Diabetes Technology: Standards of Care in Diabetes—2024. Diabetes Care 1 January 2024; 47 (Supplement_1): S126–S144.

[12] Gómez AM, et al. Continuous Glucose Monitoring Versus Capillary Point-of-Care Testing for Inpatient Glycemic Control in Type 2 Diabetes Patients Hospitalized in the General Ward and Treated With a Basal Bolus Insulin Regimen. J Diabetes Sci Technol. 2015 Aug 31;10(2):325-9.

[13] 中華醫(yī)學(xué)會內(nèi)分泌學(xué)分會. 中國胰島素泵治療指南(2021年版). 中華內(nèi)分泌代謝雜志,2021,37(08):679-701.

[14] Natale P, et al. Patient experiences of continuous glucose monitoring and sensor-augmented insulin pump therapy for diabetes: A systematic review of qualitative studies. J Diabetes. 2023 Dec;15(12):1048-1069.

[15] Bergenstal RM, et al. Effectiveness of sensor-augmented insulin-pump therapy in type 1 diabetes. N Engl J Med. 2010 Jul 22;363(4):311-20.

[16] Gu W, et al. Multicentre randomized controlled trial with sensor-augmented pump vs multiple daily injections in hospitalized patients with type 2 diabetes in China: Time to reach target glucose. Diabetes Metab. 2017 Sep;43(4):359-363.

[17] American Diabetes Association Professional Practice Committee; 7. Diabetes Technology: Standards of Care in Diabetes—2025. Diabetes Care 1 January 2025; 48 (Supplement_1): S146–S166.

[18] Grunberger G, et al. American Association of Clinical Endocrinology Clinical Practice Guideline: The Use of Advanced Technology in the Management of Persons With Diabetes Mellitus. Endocr Pract. 2021 Jun;27(6):505-537.

[19] Wang H, et al. Predictors of Long-Term Glycemic Remission After 2-Week Intensive Insulin Treatment in Newly Diagnosed Type 2 Diabetes. J Clin Endocrinol Metab. 2019 Jun 1;104(6):2153-2162.

[20] Liu L, et al. Intense simplified strategy for newly diagnosed type 2 diabetes in patients with severe hyperglycaemia: multicentre, open label, randomised trial. BMJ. 2024 Oct 15;387:e080122.

[21] 《胰島素自身免疫綜合征診治專家共識(2024版)》編寫委員會. 胰島素自身免疫綜合征診治專家共識(2024版)[J]. 中華糖尿病雜志,2024,16(12):1346-1360.