在临床上，医生通常依赖“糖化血红蛋白”（HbA1c）来判断一个人是否患有2型糖尿病或前期糖尿病。这项指标反映的是过去几个月的平均血糖水平。然而，HbA1c 并不能提前识别出谁最有可能从健康发展为糖尿病患者，也难以判断前期糖尿病患者的病情是否会进一步恶化。
近日，来自美国斯克里普斯研究所（Scripps Research）的科学家们在《自然·医学》（Nature Medicine）期刊发表的一项新研究表明，人工智能结合多种实时数据，可以更精准地识别糖尿病风险。这项研究或将改写我们对糖尿病早期识别和干预的方式。
研究团队开发的AI模型融合了可穿戴设备采集的连续血糖监测（CGM）数据，以及肠道菌群、饮食习惯、身体活动、基因信息等，能发现传统HbA1c指标难以察觉的风险信号。
“我们发现，两个HbA1c数值相同的人，其实在代谢风险上可能截然不同。” 研究共同通讯作者之一、数字医学助理教授Giorgio Quer表示，“通过引入更多的数据维度，比如血糖波动的恢复时间、夜间血糖的变化、饮食结构，甚至肠道微生物的组成，我们可以更准确地判断谁正在悄然走向糖尿病。”
跟踪日常血糖波动，揭示潜在风险
在健康人群中，血糖在进食后会上升，然后平稳下降；而在代谢失衡的人群中，血糖的升高可能更急剧、持续时间更长，即使HbA1c仍处于正常范围。研究显示，正是这些细微却持续的动态变化，揭示了糖尿病风险的早期信号。
这项研究是“糖代谢反应预测研究（PROGRESS）”的一部分，完全通过线上方式开展，在全美招募了超过1000名志愿者参与试验。参与者包括健康个体、前期糖尿病和确诊的2型糖尿病患者。他们连续10天佩戴Dexcom G6连续血糖监测仪，记录饮食和运动情况，并寄送血液、唾液和粪便样本，供研究人员分析。
“这可以说是远程临床试验领域的一次突破。”另一位共同作者Ed Ramos指出，“从佩戴设备到采集样本，整个过程参与者都在家中自行完成，构建这样的研究体系是前所未有的挑战。”
血糖峰值定义。来源：《自然医学》（2025）。DOI：10.1038/s41591-025-03849-7
AI识别个体差异，推动个性化干预
研究发现，血糖从高峰恢复到正常所需的时间，是预测糖尿病风险最强的信号之一：糖尿病患者往往需要100分钟或更长时间才能恢复，而健康人恢复更快。此外，肠道菌群越多样、运动量越高，血糖控制就越好；而静息心率偏高，则可能意味着更高的糖尿病风险。
更关键的是，这个AI模型不仅能识别出当前已经糖尿病或前期糖尿病的人，还能区分出“谁更危险”：有些前期糖尿病患者在代谢特征上已非常接近糖尿病人，而有些虽然HbA1c同样偏高，却更接近健康人。这种“个体画像”的能力，为未来制定个性化干预措施提供了可能。
该模型还通过以色列独立人群数据集进行了验证，增强了其临床推广的可能性。未来，这一AI工具有望被医生用于风险评估，也可作为普通用户自我管理的一部分，帮助他们了解自己的代谢状态，并据此调整饮食、运动和生活习惯。
“糖尿病并不是突然出现的，它是一个缓慢积累的过程。” Quer总结道，“我们现在有机会在问题变严重之前就识别出它，提前采取行动。”
参考文献：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
编辑：王洪
排版：李丽
评论 (0)