隨著全球糖尿病患病率持續上升,如何實現科學、精準、高效的血糖管理成為全球公共健康面臨的重要課題。近年來,數字醫療技術的飛速發展,特別是持續葡萄糖監測(CGM)、智能算法、遠程隨訪平臺等創新手段的廣泛應用,為糖尿病的全程管理帶來了全新解決方案。由此可見,數字健康正在重塑傳統慢病管理模式,推動糖尿病防治向更加個體化、智能化、協同化的方向邁進。
為進一步推動多學科融合交流、促進數字技術在糖尿病管理中的落地實踐,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「第二屆糖尿病數字管理大會」在四川省成都市盛大召開。
會議以“數字控糖、融合創新”為主題,重點關注糖尿病數字管理領域的前沿技術與創新應用,與會者共同圍繞數字技術在糖尿病管理中的最新突破及實踐成果展開深入探討。本文整理了大會重點內容,以饗讀者。
01
數字醫療賦能,
探索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。賈偉平教授指出,為了應對人口老齡化以及慢性病患者數量增多的問題,醫務人員的服務模式已經從過去患者到醫院看病的模式,轉變為更加關注患者的整體健康狀況,包括疾病的預防、篩查、診斷、治療和康復。在此背景下,唯有實現“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。為了滿足這一需求,數字醫學和人工智能是必須借助的新興手段。數字醫療指的是一種基于軟件程序的療法,為患者提供循證治療干預以診斷、評估、預防、管理或治療疾病[1]。
為了闡釋數字化在糖尿病管理中的多方面應用和顯著成效,賈偉平教授分別用四個案例展示了數字醫療在提升糖尿病篩查效率、達到盡早干預的作用;線上糖尿病管理教育項目提升患者糖化血紅蛋白達標率的具體實踐;數字化工具提高疾病管理質量和效率方面的潛力;以及數字療法在基層糖尿病管理中對患者血糖控制水平的成功應用。賈偉平教授指出,隨著數字醫療技術的進一步完善,智慧管理將成為糖尿病管理的未來趨勢。
02
AI 技術驅動,
構建糖尿病精準防治新體系
楊正林教授
目前,我國成人糖尿病患病率高達11.9%,疾病負擔重[2]。受遺傳與環境雙重驅動,糖尿病發病呈逐年上升的趨勢[3],而臨床面臨早期篩查不足、個性化治療難等瓶頸。四川省人民醫院楊正林教授圍繞面向糖尿病防治的人工智能模型這一主題展開,系統呈現了AI技術在糖尿病防治中的應用現狀及實踐探索。
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]。我國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,楊正林教授團隊累計收集16.7萬名患者的68.6萬次隨訪記錄,構建657項機器學習模型,其中14項聚焦糖尿病領域,如降糖藥物治療方案推薦模型DRL-Hyder已達中高級醫生水平,81%方案獲醫生直接采納,減少患者血糖波動。未來,AI將進一步優化,推動精準醫療與全病程管理落地。
03
全球視野下,
糖尿病數字化管理新突破
Marc Breton教授
弗吉尼亞大學Marc Breton教授分享了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。Marc Breton教授表明,在實際治療過程中,醫學數字孿生系統會實時更新以反映患者生理變化,這種反饋機制實現了真實世界與虛擬世界間的閉環交互。FCL AID則無需患者干預,通過 AI 整合多源數據、建模及模擬運算,協助醫生基于實時血糖監測數據評估患者血糖水平,并精準調整胰島素劑量,從而制定個性化治療方案。數字孿生與 AI 的結合標志著糖尿病管理向自動化、個性化邁進,未來技術突破將進一步提升患者生活質量。
陳重娥教授
血糖控制不佳是全球面臨的普遍問題,血糖控制不佳導致糖尿病并發癥(如心血管疾病、神經病變、腎病)風險增加,患者健康相關生活質量下降,住院率升高[8]。教育資源缺乏、血糖監測工具不足(如血糖儀普及率低)、治療依從性差、飲食運動等是重要影響因素[9]。香港中文大學內科及藥物治療學系陳重娥教授以CGM對情緒和行為的影響一題進行分享。陳重娥教授指出,當前糖尿病管理需突破“知-行鴻溝”,通過數字化技術(如CGM)與全病程管理結合,實現數據驅動的個性化護理、情感支持及自我管理賦能,從而改善血糖控制、降低并發癥風險并提升患者生活質量。
04
下沉基層,
AI驅動糖尿病標準化防控新范式
周智廣教授
中南大學湘雅二醫院周智廣教授就中國糖尿病防控的實踐與展望進行了精彩分享。周智廣教授指出,目前我國糖尿病防控面臨患病率高,而知曉率、治療率、控制率均較低的嚴峻形勢。基于此,糖尿病已成為我國慢病防控的重點病種,需要做到“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)建設項目順勢而生,旨在覆蓋各級醫療衛生機構,將先進的診療技術與5G通信、互聯網、物聯網、大數據、人工智能等手段相結合,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,開創“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。DPCC建設項目已經在岳陽市平江縣、湘潭市岳塘區、永州市等湖南省各區域率先進行了試點,并在政府主導下,進行了全省推廣;其實踐經驗也被推廣至全國多個地區,如深圳、山西、河南等地,助力糖尿病防控關口前移。
鄭霽耘博士
三諾生物副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主題進行了詳細闡述。AI大模型是由海量數據計算出來的參數,但是在真實的醫療應用中,僅有海量的參數顯然無法支撐臨床實踐。一是知識更新存在滯后性,導致診療安全無法得到保障。二是數據收集存在被動性,在向大模型提供患者信息時,可能會因為數據收集不全、遺漏,使大模型得出錯誤診斷和建議。
因此,動態知識更新機制和動態數據整合機制必不可少,并通過大模型+記憶+規劃+工具的方式來構建糖尿病專科智能體。三諾智慧糖尿病管理系統,集成BGM、CGM、持續皮下胰島素輸注(CSII)、患者教育平臺(PEP)及慢病綜合管理等多功能,融合AI技術成為醫生的智能助手,精準分析數據、優化治療方案,助力醫生高效管理患者。
05
多學科協同,
CGM 與AI共塑血糖管理新未來
從左到右: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環節,上海交通大學人工智能研究院楊小康教授、浙江大學醫學院附屬兒童醫院傅君芬教授、上海第十人民醫院李穎川教授、四川省人民醫院李貴森教授分別進行了精彩發言。第一個討論的話題為多學科視角下血糖管理的現狀與臨床核心需求。在專家們層層深入的交流中,不同學科的共性挑戰與獨特需求得到凸顯:
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。
而動態監測數據對于胰島素劑量精準調整、急性事件有效預防起著決定性作用,因此,臨床迫切需要更精準、動態的血糖管理方案。
CGM的出現,為解決這些難題帶來了曙光。它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。之后,四位專家又結合學科特點,分享了AI賦能下CGM技術在多學科患者中的創新應用成果。實踐充分表明,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。
06
全院協同,
構建智慧化血糖管理新生態
蔡夢茵教授
研究顯示,我國住院患者中的糖尿病患病率高達38%,而在如此龐大的醫院內糖代謝異常患者群體中,其中80%以上來自非內分泌科室,近1/3的患者血糖控制不佳。這凸顯了非內分泌專科醫護人員對血糖管理相關專業知識及技能掌握欠缺、專科會診響應不及時、管理隨訪過程不連續等問題[10]。中山大學附屬第三醫院蔡夢茵教授對《醫院內虛擬病區智慧化血糖綜合管理專家共識(2025版)》進行了詳細解讀。蔡夢茵教授介紹道,以內分泌科為依托的虛擬病區和智慧化血糖管理必將成為院內血糖管理的新形態。
虛擬病區適用于所有院內高血糖患者,尤其建議將低血糖風險高、血糖波動較大、圍術期、妊娠期院內高血糖患者納入管理,實現全程智慧化的院內血糖監控。在具體運作中,內分泌科醫師依據監測系統實時血糖信息定制降糖方案,經虛擬病區下達醫囑。系統檢測到血糖異常即觸發警報,醫師通過虛擬病區介入,同步電話通知護士,實現異常快速響應與閉環管理[10]。
劉師偉教授
山西白求恩醫院劉師偉教授基于BGM+CGM+CSII+PEP的全院血糖管理實踐進行了分享。劉師偉教授認為,院內血糖管理信息化系統需要達到“三全”,即“全面數據同步”、“全面應用場景”與“安全性保障”。四合一智慧糖尿病管理系統應運而生,其主要由硬件(BGM智能血糖儀+CGM+貼敷式胰島素泵CSII)+軟件(BGM+CGM+CSII+PEP)兩部分組成,助力內分泌科醫護人員全面掌控全院糖尿病患者的血糖等健康指標數據,主動幫助其他科室會診糖尿病患者,為患者制定精準化和個性化的調糖方案,減少患者并發癥、死亡風險,縮短住院天數。
陸靜毅教授
目前,CGM已成為院外血糖管理的重要工具。無論是每日多次或持續皮下注射胰島素治療的1型及2型糖尿病患者,還是使用基礎胰島素治療的糖尿病患者,2024年ADA指南均推薦使用CGM[11]。上海交通大學醫學院附屬第六人民醫院陸靜毅教授繼續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。CGM可以增加高、低血糖的檢出率,做到更好的主動血糖控制[12]。陸靜毅教授指出,新冠疫情推動完善了CGM在院內的使用。在疫情期間,CGM展示出了減少醫護人員工作負擔、感染風險以及防護設備損耗,改善血糖控制的優勢。未來,期待有更多的臨床研究來驗證和探索CGM院內使用的證據。
鄭雪瑛教授
中國科學技術大學附屬第一醫院鄭雪瑛教授就全拋式“3C療法”進行了主題分享。“3C療法”指的是將胰島素泵、CGM和糖尿病信息管理(Care link)軟件整合為一體[13]。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以及更適合特殊管理的糖尿病患者等諸多優勢[8-10]。多個指南推薦使用胰島素泵應該要聯用CGM[13,17-18]。傳統胰島素泵在住院、門診應用有局限,面臨泵數量不足、管理成本高、操作復雜等問題 [19-20]。全拋式 3C 療法無泵體數量限制,無需回收,均為一次性使用,管理成本低,結合血糖管理系統簡化操作,易全院推廣,是未來趨勢。
沈潔教授
南方醫科大學第八附屬醫院沈潔教授針對這4個全院血糖管理的議題,與現場專家展開了討論與交流。沈潔教授表示,全院血糖管理體系的構建,可通過標準化診療流程與動態監測機制,顯著提升糖尿病患者的血糖規范管理率與控制達標率,從而減少相關急慢性并發癥的發生。更重要的是,可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,真正落實分級診療政策目標,實現醫療資源的高效配置與利用。
07
內分泌調控的
臨床挑戰與療法革新
廖渝教授
三諾糖尿病逆轉中心主任廖渝教授在本次大會上就糖尿病逆轉臨床實踐展開經驗分享。廖渝教授強調,目前糖尿病逆轉面臨著認知難、傳統到現代理念改變難、多學科團隊實時管理難、執行難等困境,是一項系統工程。基于此,三諾成立了湖南省首家糖尿病逆轉中心,并根據MIT強化干預法[多學科(Multi-Disciplinary Treatment)、個體化(Individualize)、行為跟蹤(Trace to the behavior)]實現糖尿病多指標全面管理,達到共管共達標的糖尿病逆轉效果。
張東銘教授
鄭州大學第二附屬醫院張東銘教授從一例胰島素自身免疫綜合征(IAS)患者診療過程出發,展示了血糖監測在這一過程中的重要地位。IAS主要表現為低血糖、高低血糖交替出現、低血糖與其他自身免疫疾病合并出現的特點,早期識別并及時確診IAS,進行規范干預,對于改善患者預后至關重要[21]。
高凌教授
目前,醫療行業面臨資源分配不均、診療效率瓶頸、數據管理困境等挑戰,而AI帶來精準診斷、流程優化、預防醫學等機遇。武漢大學人民醫院高凌教授圍繞DeepSeek在醫療領域中的應用進行闡述。高凌教授指出,DeepSeek具備多模態能力,可結合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,輔助醫療行業從業者文獻閱讀,避免AI幻覺。臨床應用方面,其在中文糖尿病考試準確率達91.7%,具備輔助醫生培訓的潛力;臨床推理質量評分優于部分模型,但在摘要生成和模型穩定性上有待提升。未來,AI將在科研創新、預測性醫療、醫療元宇宙等方向推動行業系統性革新。
從左到右: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)。專家們各抒己見,氣氛熱烈,認為HbA1c雖然依舊被視為評估長期平均血糖水平與并發癥風險的“基石指標”,但CGM作為實時血糖監測工具,有著更全面反映血糖控制質量、提高治療反應速度等優勢,且與HbA1c也有著良好相關性,有著很大的發展潛力。
08
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。
*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.
免責聲明:本文僅作最新前沿信息交流之目的,僅供醫療衛生行業專業人士閱讀參考,文中所有觀點不代表梅斯醫學立場,亦不代表梅斯醫學支持或反對文中觀點。如需獲得治療方案指導,請前往正規醫院就診!
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.