人工智能技术在糖尿病预测领域取得突破性进展。美国斯克里普斯研究所的研究人员开发出新型AI模型，通过分析血糖波动特征可精准识别糖尿病风险。该模型整合连续血糖监测仪（CGMs）数据与肠道微生物群、饮食习惯、运动水平及遗传因素等多元健康指标，突破了传统依赖糖化血红蛋白（HbA1c）检测的局限性。
HbA1c检测作为2型糖尿病和前期病变的传统诊断标准，主要测量三个月内的平均血糖水平，但无法有效识别从健康到糖尿病状态的快速进展风险。新AI模型通过实时监测血糖峰值持续时间、波动恢复速度等动态参数，可区分相同HbA1c值个体间的显著风险差异。研究发现，糖尿病患者血糖恢复至基线水平的时间通常超过100分钟，而健康个体恢复速度更快。
这项研究基于PROGRESS临床试验项目，通过社交媒体招募了1000余名美国参与者，包括糖尿病/前期诊断患者和健康对照组。在为期十天的研究中，参与者佩戴Dexcom G6连续血糖仪记录数据，同步追踪饮食和运动情况，并提供血液、唾液和粪便样本进行多组学分析。结果显示，肠道微生物多样性高、运动量充足者血糖控制更佳，而高静息心率与糖尿病风险呈正相关。
值得关注的是，该AI模型能在HbA1c正常人群中识别出具有糖尿病特征的代谢异常。研究团队发现部分前期病变者表现出与糖尿病患者相似的代谢特征，而另一些则更接近健康群体。这种风险分层能力将为个性化干预提供科学依据。
目前研究团队正持续跟踪参与者以验证模型预测与实际疾病进展的关联性。该模型已通过以色列患者数据验证，显示出临床应用潜力。未来该技术或可为家庭健康管理提供即时风险评估，帮助个体通过调整生活方式实现早期预防，从而改变糖尿病渐进式发展的进程。
【全文结束】
