Scripps Research Institute
LA JOLLA, CA——临床医生通常通过糖化血红蛋白（HbA1c）检测来诊断2型糖尿病或前期糖尿病。这项检测反映患者过去几个月的平均血糖水平，但无法预测哪些人会从健康状态快速进展为糖尿病前期，或进一步发展为临床糖尿病。
斯克里普斯研究所科学家近日发现，人工智能可通过整合实时血糖监测、肠道微生物组、饮食记录、运动数据和遗传信息等多维度数据，更精准地评估糖尿病风险。这项发表于2025年7月31日《自然医学》的研究表明，新模型能够发现传统HbA1c检测遗漏的早期风险信号。
"我们的研究显示，两个HbA1c数值相同的人可能面临截然不同的糖尿病风险。"该研究共同通讯作者、斯克里普斯研究所数字医学人工智能主任兼副教授Giorgio Quer指出，"通过分析血糖峰值持续时间、夜间波动规律、饮食摄入以及肠道菌群变化等参数，我们能判断谁可能快速进展为糖尿病。"
研究联合通讯作者、数字临床试验资深主任Ed Ramos强调："这项工作的核心目标是深入理解糖尿病进展机制，并推动临床早期干预。"
尽管血糖水平的波动是正常生理现象（尤其是餐后），但频繁或剧烈的血糖峰值可能预示机体调节功能受损。健康人群的血糖通常平稳波动，而糖尿病风险人群即便HbA1c检测正常，其血糖峰值也可能出现陡峭、频繁或恢复缓慢的特征。该研究证明，追踪这些动态变化能提供更详细的代谢健康图谱，有助于早期预警。
这项名为"血糖反应预测研究"（PROGRESS）的成果源自一项持续数年的数字化临床研究。通过社交媒体招募全美1000余名参与者（包含糖尿病、糖尿病前期及健康人群），研究团队要求参与者佩戴Dexcom G6连续血糖监测仪10天，并记录饮食与运动数据，同时收集血液、唾液和粪便样本。研究还整合了参与者的电子健康记录数据。
"这是远程临床试验领域的突破性尝试。"Ramos表示，"研究设计完全无需参与者到院就诊，从传感器安装到生物样本采集均需自主完成，这对研究基础设施提出了全新要求。"
研究人员利用上述数据训练AI模型，成功区分糖尿病患者与健康个体。最显著的预测指标是血糖峰值恢复时间：糖尿病患者通常需要100分钟以上恢复至基线水平，而健康人群则更快。研究同时发现肠道微生物组多样性高、活跃度强的人群血糖控制更佳，而静息心率较高者糖尿病风险增加。
值得注意的是，该模型不仅能识别HbA1c异常者的风险，还能区分具有相似实验室数值但代谢特征迥异的糖尿病前期患者。这种精细区分能力将帮助临床医生针对高风险人群制定个性化干预方案。
研究团队已启动对参与者的持续跟踪，以验证模型预测结果与实际疾病进展的相关性。该模型在以色列患者数据集中的验证结果进一步证实了其临床应用潜力。研究团队期待未来将该模型应用于临床诊疗及个人健康监测，帮助人们通过日常决策管理糖尿病风险。
"这项研究的核心是增强对代谢健康的掌控力。"Quer总结道，"糖尿病并非突然发生，我们现在具备了更早发现、更智慧干预的工具。"
研究团队除Quer和Ramos外，还包括来自Tempus AI、Pheno.AI、CareEvolution及魏茨曼科学研究所的科学家。研究获得Tempus AI和美国国立卫生研究院转化医学中心资助（项目编号：UM1TR004407If）。
【全文结束】
