人工智能可穿戴设备与2型糖尿病 ^{CEFR B2}

布法罗大学的研究人员在 NPJ Digital Medicine 发表了一项元综述，系统评估了人工智能增强型可穿戴设备在2型糖尿病与糖尿病前期人群中的潜在价值与限制。研究团队从约5,000篇经同行评审的文章中筛选出60篇，专门考察两者整合的证据与方法学问题。

综述详细描述了连续血糖监测仪（CGM）每几分钟提供高频血糖读数，人工智能模型利用这些数据识别个体化模式并有时能提前一到两小时预测血糖变化。研究发现，这类系统能够提供反映日常作息、活动和睡眠的个性化建议，并通过整理大量数据突出需关注事项，从而可能减轻临床工作负担。对于糖尿病前期人群，早期运用结合人工智能的可穿戴设备有望支持生活方式改变并延缓或预防进展为糖尿病。

同时，综述指出若干关键限制：研究分布不均，集中于少数设备、数据类型和模型；许多模型呈“黑箱”状态，降低临床与患者的信任；样本量有限且人口代表性狭窄，影响结果外推性；缺乏标准化基准数据集与一致的数据质量，增加了不同研究间比较的难度。实际应用的阻碍还包括与临床工作流程整合不足以及设备成本和可及性问题。

作者并讨论了不同任务对模型的适配性：能随时间学习模式的长短时记忆网络（LSTM）通常适合处理连续血糖数据；更新的 transformer 类模型可以整合血糖、心率、睡眠与活动等多源信号；而更简单的模型则更易被临床人员解释。综述结论是，在这些人工智能支持的可穿戴设备常规用于临床护理之前，需要更大规模的研究、更严格的验证以及更透明的模型。该研究得到美国糖尿病协会、美国国立糖尿病与消化及肾病研究所和美国国立少数族裔健康与健康差异研究所的资助。