斯克里普斯研究所科学家发现，人工智能可通过整合实时血糖监测数据，为糖尿病风险评估提供新视角。该研究团队在《自然医学》发表的报告中，突破传统依赖HbA1c指标的诊断局限，开发出能同时分析连续血糖监测数据、肠道微生物群特征、膳食结构、运动模式和基因信息的新型预测模型。
项目联合首席研究员乔吉奥·克尔（Giorgio Quer）指出："相同HbA1c数值的个体可能存在显著差异的风险图谱。通过追踪血糖波动持续时间、夜间血糖变化、膳食摄入及肠道环境等多维度数据，我们能够区分糖尿病快速进展者与非进展者。"研究团队通过全美远程临床试验，招募1000余名参与者，采集其血糖监测数据及生物样本，建立涵盖前驱糖尿病和2型糖尿病患者的多模态数据库。
数据显示，健康个体血糖骤升后通常在较短时间内恢复正常，而糖尿病患者平均需要100分钟以上的代谢恢复时间。值得关注的是，研究同时验证了肠道微生物多样性与葡萄糖代谢效率的正相关性，以及静息心率升高与糖尿病风险的关联。这种突破性方法使临床医生能在实验室指标异常出现前，对高危人群实施生活方式干预或早期治疗。
尽管当前研究为横断面分析，但团队已开展以色列患者数据的验证研究，证实模型具有跨人群应用潜力。未来该技术或可应用于家庭医疗场景，帮助个体实时监测代谢风险，优化日常健康管理决策。"糖尿病是缓慢发展的代谢性疾病，"克尔强调，"现在我们拥有了提前预警和精准干预的技术工具。"
【全文结束】
