全球糖尿病患病率持續上升,精準、高效的血糖管理成為全球公共健康重要課題。數字醫療技術飛速發展,CGM、智能算法、遠程隨訪平臺等創新手段的廣泛應用,為糖尿病全程管理帶來了全新解決方案。

數字控糖、融合創新。2025年6月7日,由上海交通大學主動健康戰略與發展研究院、北京慢性病防治與健康教育研究會聯合主辦,中國健康管理協會生活方式醫學分會、中華糖尿病雜志提供學術指導的“第二屆糖尿病數字管理大會”在四川省成都市盛大召開。

數字醫療賦能,糖尿病智慧管理新圖景

賈偉平教授

上海交通大學醫學院附屬第六人民醫院賈偉平教授分享了數字醫療背景下,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量增多的問題,醫務人員的服務模式已從“患者到院就診”轉向關注疾病預防、篩查、診斷、治療、康復的全周期健康管理。

唯有通過“以人為本的一體化醫療服務”才能真正提升糖尿病管理的質量與效率,而數字醫學與人工智能則是其關鍵手段[1]。

AI技術驅動,構建糖尿病精準防治體系

楊正林教授

我國成人糖尿病患病率達11.9%,疾病負擔重。臨床存在早期篩查不足、個性化治療難等問題。四川省人民醫院楊正林教授聚焦糖尿病防治的AI應用展開討論。

目前AI技術在糖尿病防治中應用廣泛,如構建基于GWAS+AI的妊娠期糖尿病(GDM)預測模型可實現妊娠20周前預警,單細胞多組學結合機器學習能解析T2D基因調控機制,CGM聯合機器學習可預測代謝亞型等[4-6]。賈偉平教授團隊還在DeepDR基礎上又基于深度學習開發了一個深度學習系統(DeepDR Plus),僅根據眼底圖像預測5年內DR進展時間[7]。

在實踐探索中,楊正林團隊收集大量患者數據,構建657項機器學習模型,其中14項聚焦糖尿病,部分成果已達到較高臨床應用水平。未來,AI將進一步優化,推動糖尿病精準醫療與全病程管理發展。

全球視野下,糖尿病數字管理新突破

Marc Breton教授

弗吉尼亞大學Marc Breton教授分享國外糖尿病數字管理的前沿經驗,并就醫學數字孿生技術與人工智能驅動的全閉環人工胰腺系統(FCL AID)展開論述。他指出,醫學數字孿生系統可實時更新患者生理數據,實現真實與虛擬世界的閉環交互;FCL AID則通過AI整合多源數據,自動評估血糖并精準調整胰島素劑量,協助醫生制定個性化治療方案。數字孿生與AI的結合將推動糖尿病管理向自動化、個性化發展,有望提升患者生活質量。

陳重娥教授

同時,在全球普遍面臨血糖控制不佳的問題下,香港中文大學內科及藥物治療學系陳重娥教授探討了CGM對情緒與行為的影響。當前糖尿病管理需突破“知-行鴻溝”,通過CGM等數字化技術與全病程管理結合,實現數據驅動的個性化護理、情感支持與自我管理賦能,可改善血糖控制、降低并發癥風險并提升患者生活質量。

下沉基層,AI賦能糖尿病防控

周智廣教授

中南大學湘雅二醫院周智廣教授指出,我國糖尿病防控面臨“患病率高,知曉率、治療率、控制率低”的嚴峻形勢,需做到“關口向預防前移,重心向基層下沉”。

國家糖尿病標準化防控中心(DPCC)項目應運而生,通過整合5G、AI、物聯網等技術,實現以患者為中心的分級診療、上下聯動的醫療團隊協作管理,構建“全人群覆蓋、全病程管理、全因素分析”的糖尿病標準化防控管理新模式。該項目已在湖南平江、岳塘、永州等地試點并全省推廣,經驗同步向深圳、山西、河南等全國多地區輻射,助力防控關口前移。

鄭霽耘博士

三諾總經理兼董事會秘書鄭霽耘博士以“從數據到決策:AI驅動糖尿病管理的未來”為題,指出AI大模型雖基于海量數據參數,但在醫療應用中存在知識更新滯后、數據收集被動等問題,可能影響診療安全與準確性。為此,需構建“動態知識更新+動態數據整合”機制,通過“大模型+記憶+規劃+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

三諾智慧糖尿病管理系統集成BGM、CGM、CSII、PEP及慢病管理等功能,融合AI技術,為醫生提供智能輔助,實現數據精準分析、方案優化及高效患者管理。

多學科協同,CGM+AI重構血糖管理

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

北京醫院郭立新教授主持了圓桌討論,上海交通大學人工智能研究院楊小康教授等圍繞“多學科視角下血糖管理的現狀與臨床核心需求”進行探討,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,導致治療依從性顯著降低;

 急危重癥領域中,約30%～50%的ICU患者因傳統點式血糖檢測存在監測間隔,極易錯過關鍵的血糖異常事件,無法及時預警,進而危及生命;

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

CGM不僅能實現全天候血糖趨勢監測,提前預警高低血糖風險,還可生成動態葡萄糖圖譜(AGP),助力醫生與患者制定個性化治療策略。眾多創新應用成果表明,糖尿病管理已逐步從“單一控糖”向“全程質控”時代邁進,而CGM無疑是這場轉型的核心驅動力。

全院協同,智創血糖管理新生態

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

蔡夢茵教授

中山大學附屬第三醫院蔡夢茵教授解讀《醫院內虛擬病區智慧化血糖綜合管理專家共識(2025版)》,提出以內分泌科為依托的虛擬病區模式,通過實時監測血糖、異常警報閉環管理,實現全院高低血糖患者的智慧化監控,尤其適用于低血糖風險高、圍術期、妊娠期院內高血糖患者等特殊人群[4]。

劉師偉教授

山西白求恩醫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)的結合,滿足“全面數據同步、全面應用場景、安全性保障”需求,助力內分泌科統籌全院患者數據,精準制定調糖方案,降低并發癥風險、縮短住院時間。

陸靜毅教授

上海交通大學醫學院附屬第六人民醫院陸靜毅教授就從院外到院內血糖管理,CGM的挑戰與機遇話題進行了深入分享。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護負擔、感染風險的優勢,未來需更多臨床研究支持院內應用[6]。

鄭雪瑛教授

中國科學技術大學附屬第一醫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”有著更精準的血糖控制、顯著縮短血糖達標時間、更好避免低血糖的發生、更適合特殊管理的糖尿病患者等諸多優勢[8-10],且無泵體數量限制,一次性使用,管理成本低,適合全院推廣[7-10,13-14]。

沈潔教授

南方醫科大學第八附屬醫院沈潔教授總結,全院血糖管理體系通過標準化流程與動態監測,可提升規范管理率與控制達標率,減少并發癥,同時推動糖尿病患者從急性期住院治療向穩定期社區管理的平滑過渡,真正落實分級診療目標,優化醫療資源配置,實現醫療資源的高效配置與利用。

內分泌調控的挑戰與革新

廖渝教授

三諾糖尿病逆轉中心主任廖渝教授分享糖尿病逆轉臨床實踐,指出當前糖尿病逆轉面臨認知、理念轉變、多學科管理及執行等多重困境,需系統推進。基于此,三諾成立湖南省首家糖尿病逆轉中心,采用MIT強化干預法(多學科協作、個體化方案、行為跟蹤)實現多指標全面管理,達成共管共達標的逆轉效果。

張東銘教授

鄭州大學第二附屬醫院張東銘教授通過胰島素自身免疫綜合征(IAS)診療案例,強調血糖監測的關鍵作用。IAS以低血糖、血糖波動及合并自身免疫疾病為特征,早期精準識別、規范干預對改善預后至關重要[15]。

高凌教授

武漢大學高凌教授圍繞DeepSeek在醫療領域中的應用進行闡述。DeepSeek具備多模態能力,結合RAG技術構建本地知識庫,達到高度定制化,高效檢索、低延遲的效果,可輔助醫療行業從業者文獻閱讀,避免AI幻覺。臨床應用上,中文糖尿病考試準確率1.7%,具備輔助醫生培訓潛力,臨床推理質量優于部分模型,但摘要生成和穩定性待提升。

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

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

專家認為,HbA1c仍是評估長期平均血糖及并發癥風險的“基石指標”,但CGM作為實時監測工具,具備全面反映血糖控制質量、提升治療響應速度等優勢,且與HbA1c相關性良好,具有較大發展潛力。

優秀糖尿病數字管理案例

糖尿病管理的實踐中,無數醫護工作者和研究人員通過高效使用CGM技術等創新手段,在推動糖尿病精準防治方面做出了杰出實踐。本次大會經過專家評審,共有十份案例脫穎而出,被確定為優秀糖尿病數字管理案例。這些案例中,既有基于CGM技術的精準干預模式,也展現了數字技術與臨床智慧的深度融合

第二屆糖尿病數字管理大會圓滿落幕。隨著CGM、AI、數字孿生等技術的持續迭代與基層醫療網絡的協同升級,“數字控糖”的創新范式有望加速落地,推動糖尿病防治真正邁向精準化、智能化、一體化的新未來。

*本文僅供醫療行業專業人士閱讀參考。

參考文獻:

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

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

[3] 中華醫學會糖尿病學分會.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] 《醫院內虛擬病區智慧化血糖綜合管理專家共識》制訂專家組. 醫院內虛擬病區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] 中華醫學會內分泌學分會. 中國胰島素泵治療指南(2021年版). 中華內分泌代謝雜志,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.