约翰斯·霍普金斯医学院和约翰斯·霍普金斯布隆伯格公共卫生学院的研究人员报告称，在最近的一项研究中，一款针对前期糖尿病的人工智能驱动生活方式干预应用程序在降低糖尿病风险方面与传统人工指导项目效果相当。
该研究由美国国立卫生研究院资助，并于2025年10月27日发表在《美国医学会杂志》上，据信是首个III期随机对照临床试验，证明人工智能驱动的糖尿病预防项目应用程序能帮助患者达到美国疾病控制与预防中心（CDC）设定的糖尿病风险降低基准，效果与人工指导项目相当。
美国约有9760万成年人患有前期糖尿病，这是一种血糖水平高于正常但低于2型糖尿病阈值的状况，使其在未来五年内发展为2型糖尿病的风险增加。先前研究表明，在CDC原始糖尿病预防项目临床研究中，完成人工指导糖尿病预防项目的前期糖尿病患者，其2型糖尿病发病风险降低58%。然而，日程冲突和资源可用性等获取障碍限制了这些项目的覆盖范围。
在约100个经CDC认证的数字化糖尿病预防项目中，人工智能驱动项目仅占一小部分，且缺乏与人工项目效果对比的数据。
约翰斯·霍普金斯医学院糖尿病预防与教育项目联合主任内斯托拉斯·马西奥达基斯（Nestoras Mathioudakis）表示："除糖尿病预防研究外，直接比较基于人工智能的患者自主干预与传统人工照护标准的随机对照试验极少，这反映了医学文献中关于人工智能糖尿病预防项目健康效益数据的缺失。"
在该研究中，研究人员测试了完全由人工智能驱动的项目是否能为前期糖尿病成人提供与为期一年、由人工教练指导的群体项目相似的健康效益。
在新冠疫情期间，368名中年参与者（中位年龄58岁）自愿被分配至四个远程人工指导项目之一或一款强化学习算法应用程序。该应用程序通过个性化推送通知指导体重管理行为、身体活动和营养。所有参与者均符合种族特定的超重或肥胖体重指数阈值，且在研究开始前被诊断为前期糖尿病。
在12个月的研究期间，两组参与者每月连续七天使用腕部活动监测器记录身体活动数据。
研究期间，志愿者继续接受初级保健提供者的医疗服务，但不得参与其他结构化糖尿病项目或使用影响血糖水平或体重的药物（如二甲双胍或GLP-1受体激动剂）。分配后，研究人员未主动促进项目参与，仅在6个月和12个月时进行随访。
研究共同第一作者、哈佛医学院在读医学生兼马西奥达基斯实验室研究助理本杰明·拉拉尼（Benjamin Lalani）表示："项目完成的最大障碍通常是启动阶段，受限于日程安排等后勤挑战。因此，除临床结果外，我们还关注参与者在转介后是否更可能启动异步数字项目。"
12个月后，研究团队发现31.7%的AI项目参与者和31.9%的人工项目参与者达到了CDC定义的糖尿病风险降低综合基准（至少减重5%、减重4%加每周150分钟身体活动，或糖化血红蛋白绝对值降低至少0.2%）。
结果表明，人工教练项目和AI项目可实现相似效果。此外，AI组的项目启动率（93.4%对82.7%）和完成率（63.9%对50.3%）均高于传统项目。
研究人员认为，AI组参与度提升源于获取便捷性，表明AI干预可作为现有人工指导项目的有效替代方案。因此，初级保健提供者可考虑为需要生活方式改变项目的患者推荐AI驱动的糖尿病预防项目，尤其适用于面临重大后勤限制的人群。
拉拉尼表示："与人工指导项目不同，AI糖尿病预防项目可完全自动化且全天候可用，从而扩大覆盖范围并避免人员短缺等因素限制获取。尽管AI的'黑箱'特性常被视为临床采用的障碍，但本研究表明AI项目能提供可靠的个性化干预。"
展望未来，研究团队计划探索AI应用程序效果如何转化为更广泛、服务不足的真实患者群体，这些人群可能缺乏参与传统生活方式干预项目的时间或资源。此外，多项次要分析正在进行，旨在研究患者对AI与人工模式的偏好、每种干预中参与度对结果的影响，以及AI驱动糖尿病预防项目的相关成本。
作为研究的一部分，Sweetch Health有限公司及参与的糖尿病预防项目因向参与者提供服务获得经济补偿。这些项目无权访问整体队列结果，未分析研究数据，也未提供结果解读。
该研究由美国国家糖尿病与消化及肾脏疾病研究所和国家老龄化研究所资助。约翰斯·霍普金斯临床与转化研究所也提供了支持，该研究所部分资金来自美国国家推进转化科学中心。
【全文结束】
