前瞻：糖尿病管理的未满足需求与AI的赋能潜力

Jonathan Shaw教授指出，尽管全球糖尿病流行趋势持续加重，但在部分高收入国家，2型糖尿病（T2DM）发病率已呈现下降或趋于稳定。尽管如此，全球糖尿病管理依然面临严峻挑战。为此，IDF于2025年发布了《2型糖尿病全球临床实践指南》^[1]，为全球T2DM管理提供了更加客观、循证的实践框架。他强调，糖尿病管理的关键瓶颈并非指南制定，而在于其落实。尽管该指南通过简化结构和分层建议提升了可操作性，但在临床工作繁重的现实下，医生仍难以完全掌握并精准应用。当前糖尿病管理的核心问题不在于缺乏有效干预手段，而在于现有干预未被充分应用。在此背景下，AI等新技术为突破这一瓶颈提供了重要契机——AI可将专业知识下沉到基层，推动最新循证实践广泛落地，从而为糖尿病管理带来新的可能。

与全球趋势一致，中国也面临着不断加重的糖尿病负担。毕艳教授介绍，目前我国成年糖尿病患病率已达12.4%^[2]。尽管过去40年我国在糖尿病诊断与治疗方面取得显著进步，但如何进一步实现精准诊疗、提升防控效果，仍是亟待解决的关键问题。AI为我国糖尿病管理带来了新的发展机遇，尤其在精准诊断与治疗方面展现出提升潜力。我国糖尿病患者数量庞大、异质性强、病程复杂，AI的介入可为疾病预警、风险评估及结局预测等环节提供新的支持。国家卫生健康委等多部门在《健康中国行动—糖尿病防治行动实施方案（2024—2030年）》中也明确提出“充分利用人工智能等信息技术丰富糖尿病健康管理手段，推广物联网应用、可穿戴设备”^[3]。她认为，未来AI必将在糖尿病全生命周期管理中发挥越来越关键的作用。

赋能：AI在糖尿病管理中的典型应用场景与实践进展

Jonathan Shaw教授介绍了AI在糖尿病管理中的典型应用。其中，最具代表性的突破是AI的辅助眼底检查——AI已能高效筛查糖尿病视网膜病变（DR），弥补基层设备与专业人员的不足，使筛查能力延伸至更多地区。这类“数据密集型”任务正是AI的优势所在，可从海量信息中提取结构化规律。在持续血糖监测（CGM）方面，AI能够从1型糖尿病患者的复杂CGM数据中识别潜在规律，支持更精准的治疗调整。此外，AI还可通过膳食图像分析、可穿戴设备监测等方式为患者提供即时反馈，促进健康行为养成。总体而言，AI通过赋能临床决策与日常管理，显著提升糖尿病管理的可及性、主动性与精准性。

毕艳教授指出，AI在国内糖尿病管理中的多个方向已取得显著进展。AI与CGM深度结合，可更准确预测低、高血糖风险；胰岛素闭环系统在国内已实现突破，基于动态监测和智能算法的剂量调节显著增强血糖稳定性。在并发症筛查方面，AI模型已用于DR、糖尿病肾病等风险的早期识别，助力及时干预。未来，AI系统有望整合遗传、临床与风险信息，实现更精准的个体化治疗。总体来看，AI并非取代医务人员，而是作为重要的技术补充，能够强化诊疗流程、提高管理效率，更好地保障糖尿病患者的长期健康。

突破：推动AI在糖尿病管理和指南落地中应用的障碍与挑战

Jonathan Shaw教授指出，AI有望成为提升指南落实率的新工具。若能深度嵌入电子病历系统，AI可在诊疗关键节点提供基于最新证据的建议，帮助提高决策效率。然而，技术本身无法解决所有问题，“智能建议-临床判断-患者接受”之间存在复杂互动。传统电子病历中因过度提醒引发的“提醒疲劳”表明，若设计不当，干预措施不仅难以提升医疗质量，反而会削弱系统效能。因此，要使AI真正促进指南执行，必须深入理解医疗行为的复杂性，避免将临床思维简化为机械化提示。目前，AI能否从根本上解决指南执行难题，仍需在真实临床场景中持续验证。

毕艳教授强调，当前AI在糖尿病管理中的应用仍面临多重挑战：政策层面，需建立更完善的支持机制以推动AI高质量临床落地；研究层面，存在算法可解释性不足、模型验证体系不健全及证据更新滞后等问题；应用层面，需探索AI与现有诊疗流程的有效衔接，避免增加临床负担；数据隐私与伦理治理方面，需建立确保安全合规的新框架；同时，临床人才对AI的理解、应用能力及数据素养也亟需提升。只有协同推进政策、科研、应用、数据隐私和人才培养，AI才能在糖尿病管理中发挥其应有价值。

协同：AI赋能糖尿病防治的前景和国际合作契机

Jonathan Shaw教授指出，AI在糖尿病管理中的应用必须依靠国际协作。各国正开展多样化的“平行实验”，而建立国际合作网络有助于经验共享，并在不同环境中验证成熟策略，从而识别普适性强、可推广的最佳实践路径。他强调，真正的合作应基于开放测试和共同验证，而非单向经验输出，这对提升全球糖尿病管理的科学性与稳健性至关重要。同时，也需警惕AI全球化应用的潜在风险：部分系统在特定环境中表现良好，但可能因依赖局部特征而缺乏普适性。因此，未来国际合作应在不同国家、医疗体系与人群中进行系统化验证，深入理解模型决策逻辑及偏倚来源，确保AI在糖尿病管理中的安全性、可迁移性和广泛适用性。

Shaw教授进一步指出，各国在医疗资源、社会环境及疾病谱上的显著差异，凸显了跨区域协作的重要性。以中国为例，其庞大的人口规模与明显的区域差异，使其在数据整合与管理方面形成了独特高效的能力，为公共卫生规划与分级诊疗体系建设奠定了坚实基础。IDF具备全球化经验与组织基础，而中国以其充足的资源、卓越的组织能力和严谨的学术力量，为合作体系增添了重要价值。因此，IDF与中国的合作具有显著优势。

展望未来，毕艳教授强调AI在糖尿病管理中的作用将日益重要。AI不仅能提升血糖监测与调控的精准度，还在糖尿病精准分型、风险预测及个体化治疗决策方面潜力巨大；在居家管理层面，AI有望促成从医院到社区再到家庭的闭环式管理模式，实现覆盖全病程的连续照护。

国际合作方面，毕艳教授建议从多维度深化协作：研究层面，应加强多中心数据共享、模型联合开发与验证，推动多场景、多人群的应用；诊断标准与指南制定中，应强化技术交流和成果共享，使中国在AI辅助技术方面的经验更好服务全球，提升各国血糖管理能力。总体而言，无论科研、临床还是标准制定，都需进一步加强国际合作，共同发出更有影响力的“中国声音”，推动全球糖尿病管理迈向更高水平。

结语

在全球糖尿病负担持续加重的大背景下，AI正成为推动糖尿病管理模式革新的重要力量。从指南落地的现实瓶颈，到精准诊断、个体化治疗和全周期管理的不断深化，再到跨国、多中心的数据共享与验证，AI正在重塑糖尿病管理的理念与路径。无论是国际经验传递的启发，还是中国在规模化数据治理、技术应用与场景创新中的快速发展，都显示出AI赋能糖尿病防控的广阔前景。