摘要：随着全球糖尿病患病率持续上升，如何实现科学、精准、高效的血糖管理成为全球公共健康面临的重要课题。近年来，数字医疗技术的飞速发展，特别是持续葡萄糖监测（CGM）、智能算法、远程随访平台等创新手段的广泛应用，为糖尿病的全程管理带来了全新解决方案。由此可见，数字健康
为进一步推动多学科融合交流、促进数字技术在糖尿病管理中的落地实践，2025年6月7日，由
上海交通大学主动健康战略与发展研究院、北京慢性病防治与健康教育研究会联合主办，中国健康管理协会生活方式医学分会、中华糖尿病杂志提供学术指导「第二届糖尿病数字管理大会」在四川省成都市盛大召开。会议以“数字控糖、融合创新”
为主题，重点关注糖尿病数字管理领域的前沿技术与创新应用，与会者共同围绕数字技术在糖尿病管理中的最新突破及实践成果展开深入探讨。本文整理了大会重点内容，以飨读者。数字医疗赋能，探索糖尿病智慧管理新图景
贾伟平教授
上海交通大学医学院附属第六人民医院贾伟平教授分享了数字医疗背景下，糖尿病如何智慧管理的话题。贾伟平教授指出，为了应对人口老龄化以及慢性病患者数量增多的问题，医务人员的服务模式已经从过去患者到医院看病的模式，转变为更加关注患者的整体健康状况，包括疾病的预防、筛查、诊断、治疗和康复。在此背景下，唯有实现“以人为本的一体化医疗服务”才能真正提升糖尿病管理的质量与效率。为了满足这一需求，数字医学和人工智能是必须借助的新兴手段。数字医疗指的是一种基于软件程序的疗法，为患者提供循证治疗干预以诊断、评估、预防、管理或治疗疾病[1]。为了阐释数字化在糖尿病管理中的多方面应用和显著成效，贾伟平教授分别用四个案例展示了数字医疗在提升糖尿病筛查效率、达到尽早干预的作用；线上糖尿病管理教育项目提升患者糖化血红蛋白达标率的具体实践；数字化工具提高疾病管理质量和效率方面的潜力；以及数字疗法在基层糖尿病管理中对患者血糖控制水平的成功应用。贾伟平教授指出，随着数字医疗技术的进一步完善，智慧管理将成为糖尿病管理的未来趋势。
AI 技术驱动，构建糖尿病精准防治新体系
杨正林教授
目前，我国成人糖尿病患病率高达11.9%，疾病负担重[2]。受遗传与环境双重驱动，糖尿病发病呈逐年上升的趋势[3]，而临床面临早期筛查不足、个性化治疗难等瓶颈。四川省人民医院杨正林教授围绕面向糖尿病防治的人工智能模型这一主题展开，系统呈现了AI技术在糖尿病防治中的应用现状及实践探索。目前AI技术在糖尿病防治中应用广泛，如构建基于GWAS + AI的妊娠期糖尿病（GDM）预测模型可实现妊娠20周前预警，单细胞多组学结合机器学习能解析T2D基因调控机制，CGM联合机器学习可预测代谢亚型等[4-6]。我国贾伟平教授团队还在 DeepDR基础上又基于深度学习开发了一个深度学习系统（DeepDR Plus），仅根据眼底图像预测5年内DR进展时间[7]。在实践探索中，杨正林教授团队累计收集16.7万名患者的68.6万次随访记录，构建657项机器学习模型，其中14项聚焦糖尿病领域，如降糖药物治疗方案推荐模型DRL-Hyder已达中高级医生水平，81%方案获医生直接采纳，减少患者血糖波动。未来，AI将进一步优化，推动精准医疗与全病程管理落地。
全球视野下，糖尿病数字化管理新突破
Marc Breton教授
弗吉尼亚大学Marc Breton教授分享了国外糖尿病数字管理的前沿经验，并就医学数字孪生技术与人工智能驱动的全闭环人工胰腺系统（FCL AID）展开论述。Marc Breton教授表明，在实际治疗过程中，医学数字孪生系统会实时更新以反映患者生理变化，这种反馈机制实现了真实世界与虚拟世界间的闭环交互。FCL AID则无需患者干预，通过 AI 整合多源数据、建模及模拟运算，协助医生基于实时血糖监测数据评估患者血糖水平，并精准调整胰岛素剂量，从而制定个性化治疗方案。数字孪生与 AI 的结合标志着糖尿病管理向自动化、个性化迈进，未来技术突破将进一步提升患者生活质量。
陈重娥教授
血糖控制不佳是全球面临的普遍问题，血糖控制不佳导致糖尿病并发症（如心血管疾病、神经病变、肾病）风险增加，患者健康相关生活质量下降，住院率升高[8]。教育资源缺乏、血糖监测工具不足（如血糖仪普及率低）、治疗依从性差、饮食运动等是重要影响因素[9]。香港中文大学内科及药物治疗学系陈重娥教授以CGM对情绪和行为的影响一题进行分享。陈重娥教授指出，当前糖尿病管理需突破“知-行鸿沟”，通过数字化技术（如CGM）与全病程管理结合，实现数据驱动的个性化护理、情感支持及自我管理赋能，从而改善血糖控制、降低并发症风险并提升患者生活质量。下沉基层，AI驱动糖尿病标准化防控新范式
周智广教授
中南大学湘雅二医院周智广教授就中国糖尿病防控的实践与展望进行了精彩分享。周智广教授指出，目前我国糖尿病防控面临患病率高，而知晓率、治疗率、控制率均较低的严峻形势。基于此，糖尿病已成为我国慢病防控的重点病种，需要做到“关口向预防前移，重心向基层下沉”。
国家糖尿病标准化防控中心（DPCC）建设项目顺势而生，旨在覆盖各级医疗卫生机构，将先进的诊疗技术与5G通信、互联网、物联网、大数据、人工智能等手段相结合，实现以患者为中心的分级诊疗、上下联动的医疗团队协作管理，开创“全人群覆盖、全病程管理、全因素分析”的糖尿病标准化防控管理新模式。DPCC建设项目已经在岳阳市平江县、湘潭市岳塘区、永州市等湖南省各区域率先进行了试点，并在政府主导下，进行了全省推广；其实践经验也被推广至全国多个地区，如深圳、山西、河南等地，助力糖尿病防控关口前移。
郑霁耘博士
三诺生物副总经理兼董事会秘书郑霁耘博士以从数据到决策：AI驱动糖尿病管理的未来为主题进行了详细阐述。AI大模型是由海量数据计算出来的参数，但是在真实的医疗应用中，仅有海量的参数显然无法支撑临床实践。一是知识更新存在滞后性，导致诊疗安全无法得到保障。二是数据收集存在被动性，在向大模型提供患者信息时，可能会因为数据收集不全、遗漏，使大模型得出错误诊断和建议。
因此，动态知识更新机制和动态数据整合机制必不可少，并通过大模型+记忆+规划+工具的方式来构建糖尿病专科智能体。三诺智慧糖尿病管理系统，集成BGM、CGM、持续皮下胰岛素输注（CSII）、患者教育平台（PEP）及慢病综合管理等多功能，融合AI技术成为医生的智能助手，精准分析数据、优化治疗方案，助力医生高效管理患者。
多学科联动，CGM与AI共塑血糖管理新未来
从左到右：郭立新教授、李贵森教授、李颖川教授、杨小康教授、傅君芬教授
北京医院郭立新教授主持了圆桌讨论环节，上海交通大学人工智能研究院杨小康教授、浙江大学医学院附属儿童医院傅君芬教授、上海第十人民医院李颖川教授、四川省人民医院李贵森教授分别进行了精彩发言。第一个讨论的话题为多学科视角下血糖管理的现状与临床核心需求。在专家们层层深入的交流中，不同学科的共性挑战与独特需求得到凸显：
l儿童糖尿病患者受青春期激素剧烈波动影响，胰岛素需求量起伏不定，加之频繁指尖采血带来的痛苦，导致治疗依从性显著降低；
l急危重症领域中，约30%～50%的ICU患者因传统点式血糖检测存在监测间隔，极易错过关键的血糖异常事件，无法及时预警，进而危及生命；
l慢性肾病患者由于肾功能衰退，糖化血红蛋白检测准确性大打折扣，无症状低血糖风险更是大幅攀升。
而动态监测数据对于胰岛素剂量精准调整、急性事件有效预防起着决定性作用，因此，临床迫切需要更精准、动态的血糖管理方案。
CGM的出现，为解决这些难题带来了曙光。它不仅能实现全天候血糖趋势监测，提前预警高低血糖风险，还可生成动态葡萄糖图谱（AGP），助力医生与患者制定个性化治疗策略。之后，四位专家又结合学科特点，分享了AI赋能下CGM技术在多学科患者中的创新应用成果。实践充分表明，糖尿病管理已逐步从“单一控糖”向“全程质控”时代迈进，而CGM无疑是这场转型的核心驱动力。
全院协同，构建智慧化血糖管理新生态
蔡梦茵教授
研究显示，我国住院患者中的糖尿病患病率高达38%，而在如此庞大的医院内糖代谢异常患者群体中，其中80%以上来自非内分泌科室，近1/3的患者血糖控制不佳。这凸显了非内分泌专科医护人员对血糖管理相关专业知识及技能掌握欠缺、专科会诊响应不及时、管理随访过程不连续等问题[10]。中山大学附属第三医院蔡梦茵教授对《医院内虚拟病区智慧化血糖综合管理专家共识（2025版）》进行了详细解读。蔡梦茵教授介绍道，以内分泌科为依托的虚拟病区和智慧化血糖管理必将成为院内血糖管理的新形态。虚拟病区适用于所有院内高血糖患者，尤其建议将低血糖风险高、血糖波动较大、围术期、妊娠期院内高血糖患者纳入管理，实现全程智慧化的院内血糖监控。在具体运作中，内分泌科医师依据监测系统实时血糖信息定制降糖方案，经虚拟病区下达医嘱。系统检测到血糖异常即触发警报，医师通过虚拟病区介入，同步电话通知护士，实现异常快速响应与闭环管理[10]。刘师伟教授
山西白求恩医院刘师伟教授基于BGM+CGM+CSII+PEP的全院血糖管理实践进行了分享。刘师伟教授认为，院内血糖管理信息化系统需要达到“三全”，即“全面数据同步”、“全面应用场景”与“安全性保障”。四合一智慧糖尿病管理系统应运而生，其主要由硬件（BGM智能血糖仪+CGM+贴敷式胰岛素泵CSII）+软件（BGM+CGM+CSII+PEP）两部分组成，助力内分泌科医护人员全面掌控全院糖尿病患者的血糖等健康指标数据，主动帮助其他科室会诊糖尿病患者，为患者制定精准化和个性化的调糖方案，减少患者并发症、死亡风险，缩短住院天数。
陆静毅教授
目前，CGM已成为院外血糖管理的重要工具。无论是每日多次或持续皮下注射胰岛素治疗的1型及2型糖尿病患者，还是使用基础胰岛素治疗的糖尿病患者，2024年ADA指南均推荐使用CGM[11]。上海交通大学医学院附属第六人民医院陆静毅教授继续就从院外到院内血糖管理，CGM的挑战与机遇话题进行了深入分享。CGM可以增加高、低血糖的检出率，做到更好的主动血糖控制[12]。陆静毅教授指出，新冠疫情推动完善了CGM在院内的使用。在疫情期间，CGM展示出了减少医护人员工作负担、感染风险以及防护设备损耗，改善血糖控制的优势。未来，期待有更多的临床研究来验证和探索CGM院内使用的证据。郑雪瑛教授
中国科学技术大学附属第一医院郑雪瑛教授就全抛式“3C疗法”进行了主题分享。“3C疗法”指的是将胰岛素泵、CGM和糖尿病信息管理（Care link）软件整合为一体[13]。相比单纯胰岛素泵，“3C疗法”有着更精准的血糖控制、显著缩短血糖达标时间、更好避免低血糖的发生以及更适合特殊管理的糖尿病患者等诸多优势[8-10]。多个指南推荐使用胰岛素泵应该要联用CGM[13,17-18]。传统胰岛素泵在住院、门诊应用有局限，面临泵数量不足、管理成本高、操作复杂等问题[19-20]。全抛式 3C 疗法无泵体数量限制，无需回收，均为一次性使用，管理成本低，结合血糖管理系统简化操作，易全院推广，是未来趋势。沈洁教授
南方医科大学第八附属医院沈洁教授针对这4个全院血糖管理的议题，与现场专家展开了讨论与交流。沈洁教授表示，全院血糖管理体系的构建，可通过标准化诊疗流程与动态监测机制，显著提升糖尿病患者的血糖规范管理率与控制达标率，从而减少相关急慢性并发症的发生。更重要的是，可推动糖尿病患者从急性期住院治疗向稳定期社区管理的平滑过渡，真正落实分级诊疗政策目标，实现医疗资源的高效配置与利用。
内分泌调控的临床挑战与技术革新
廖渝教授
三诺糖尿病逆转中心主任廖渝教授在本次大会上就糖尿病逆转临床实践展开经验分享。廖渝教授强调，目前糖尿病逆转面临着认知难、传统到现代理念改变难、多学科团队实时管理难、执行难等困境，是一项系统工程。基于此，三诺成立了湖南省首家糖尿病逆转中心，并根据MIT强化干预法[多学科（Multi-Disciplinary Treatment）、个体化（Individualize）、行为跟踪（Trace to the behavior）]实现糖尿病多指标全面管理，达到共管共达标的糖尿病逆转效果。
张东铭教授
郑州大学第二附属医院张东铭教授从一例胰岛素自身免疫综合征（IAS）患者诊疗过程出发，展示了血糖监测在这一过程中的重要地位。IAS主要表现为低血糖、高低血糖交替出现、低血糖与其他自身免疫疾病合并出现的特点，早期识别并及时确诊IAS，进行规范干预，对于改善患者预后至关重要[21]。高凌教授
目前，医疗行业面临资源分配不均、诊疗效率瓶颈、数据管理困境等挑战，而AI带来精准诊断、流程优化、预防医学等机遇。武汉大学人民医院高凌教授围绕DeepSeek在医疗领域中的应用进行阐述。高凌教授指出，DeepSeek具备多模态能力，可结合RAG技术构建本地知识库，达到高度定制化，高效检索、低延迟的效果，辅助医疗行业从业者文献阅读，避免AI幻觉。临床应用方面，其在中文糖尿病考试准确率达91.7%，具备辅助医生培训的潜力；临床推理质量评分优于部分模型，但在摘要生成和模型稳定性上有待提升。未来，AI将在科研创新、预测性医疗、医疗元宇宙等方向推动行业系统性革新。
从左到右：赵永才教授、李军教授、胡玲教授、王煜非教授、赵禹教授、杨杨教授
南昌大学第三附属医院胡玲教授和上海交通大学医学院附属第六人民医院王煜非教授主持了会议辩论环节，辩题为“CGM是否有望替代HbA1c成为新标准？”。石河子大学第一附属医院李军教授、沧州市中心医院赵永才教授，担任正方（CGM有望替代HbA1c成为新标准）；武汉科技大学附属天佑医院杨杨教授、深圳市宝安区中心医院赵禹教授，担任反方（CGM不能替代HbA1c成为新标准）。专家们各抒己见，气氛热烈，认为HbA1c虽然依旧被视为评估长期平均血糖水平与并发症风险的“基石指标”，但CGM作为实时血糖监测工具，有着更全面反映血糖控制质量、提高治疗反应速度等优势，且与HbA1c也有着良好相关性，有着很大的发展潜力。优秀糖尿病数字管理案例
糖尿病管理的实践中，无数医护工作者和研究人员通过高效使用 CGM 技术等创新手段，在推动糖尿病精准防治方面做出了杰出实践。本次大会经过专家评审，共有十份案例脱颖而出，被确定为优秀糖尿病数字管理案例。这些案例中，既有基于CGM技术的精准干预模式，也展现了数字技术与临床智慧的深度融合。
*本文仅供医疗行业专业人士阅读参考。
参考文献
[1]https://dtxalliance.org/wp-content/uploads/2021/01/DTA_DTx-Definition-and-Core-Principles.pdf
[2]第11版国际糖尿病联盟（IDF）糖尿病地图，https://diabetesatlas.org/
[3]中华医学会糖尿病学分会.中国糖尿病防治指南(2024版)[J].中华糖尿病杂志, 2025, 17(01):16-139.
[4]Gu Y, et al. Genetic architecture and risk prediction of gestational diabetes mellitus in Chinese pregnancies. Nat Commun. 2025 May 5;16(1):4178.
[5]Wang G, et al. Integrating genetics with single-cell multiomic measurements across disease states identifies mechanisms of beta cell dysfunction in type 2 diabetes. Nat Genet. 2023 Jun;55(6):984-994.
[6]Metwally AA, et al. Prediction of metabolic subphenotypes of type 2 diabetes via continuous glucose monitoring and machine learning. Nat Biomed Eng. 2024 Dec 23.
[7]Dai L, et al. A deep learning system for predicting time to progression of diabetic retinopathy. Nat Med. 2024 Feb;30(2):584-594.
[8]Khunti K, et al. Glycaemic control is still central in the hierarchy of priorities in type 2 diabetes management. Diabetologia. 2025 Jan;68(1):17-28.
[9]Bitew ZW, et al. Prevalence of Glycemic Control and Factors Associated With Poor Glycemic Control: A Systematic Review and Meta-analysis. Inquiry. 2023 Jan-Dec;60:469580231155716.
[10]《医院内虚拟病区智慧化血糖综合管理专家共识》制订专家组. 医院内虚拟病区智慧化血糖综合管理专家共识（2025版）[J]. 中华糖尿病杂志,2025,17(3):299-310.
[11]American Diabetes Association Professional Practice Committee; 7. Diabetes Technology: Standards of Care in Diabetes—2024. Diabetes Care 1 January 2024; 47 (Supplement_1): S126–S144.
[12]Gómez AM, et al. Continuous Glucose Monitoring Versus Capillary Point-of-Care Testing for Inpatient Glycemic Control in Type 2 Diabetes Patients Hospitalized in the General Ward and Treated With a Basal Bolus Insulin Regimen. J Diabetes Sci Technol. 2015 Aug 31;10(2):325-9.
[13]中华医学会内分泌学分会. 中国胰岛素泵治疗指南(2021年版). 中华内分泌代谢杂志，2021，37(08):679-701.
[14]Natale P, et al. Patient experiences of continuous glucose monitoring and sensor-augmented insulin pump therapy for diabetes: A systematic review of qualitative studies. J Diabetes. 2023 Dec;15(12):1048-1069.
[15]Bergenstal RM, et al. Effectiveness of sensor-augmented insulin-pump therapy in type 1 diabetes. N Engl J Med. 2010 Jul 22;363(4):311-20.
[16]Gu W, et al. Multicentre randomized controlled trial with sensor-augmented pump vs multiple daily injections in hospitalized patients with type 2 diabetes in China: Time to reach target glucose. Diabetes Metab. 2017 Sep;43(4):359-363.
[17]American Diabetes Association Professional Practice Committee; 7. Diabetes Technology: Standards of Care in Diabetes—2025. Diabetes Care 1 January 2025; 48 (Supplement_1): S146–S166.
[18]Grunberger G, et al. American Association of Clinical Endocrinology Clinical Practice Guideline: The Use of Advanced Technology in the Management of Persons With Diabetes Mellitus. Endocr Pract. 2021 Jun;27(6):505-537.
[19]Wang H, et al. Predictors of Long-Term Glycemic Remission After 2-Week Intensive Insulin Treatment in Newly Diagnosed Type 2 Diabetes. J Clin Endocrinol Metab. 2019 Jun 1;104(6):2153-2162.
[20]Liu L, et al. Intense simplified strategy for newly diagnosed type 2 diabetes in patients with severe hyperglycaemia: multicentre, open label, randomised trial. BMJ. 2024 Oct 15;387:e080122.
[21]《胰岛素自身免疫综合征诊治专家共识（2024版）》编写委员会. 胰岛素自身免疫综合征诊治专家共识（2024版）[J]. 中华糖尿病杂志,2024,16(12):1346-1360.
本视频/资讯/文章的内容不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。
来源：医脉通内分泌科
