医学26年：AI辅助血糖管理进展 查房课件

202X演讲人2026-05-011AI辅助血糖管理发展的背景概述AI辅助血糖管理发展的背景概述01AI辅助血糖管理的核心临床应用进展02AI辅助血糖管理现存挑战与未来方向03目录医学26年：AI辅助血糖管理进展查房课件各位老师、同道，今天我以从医26年的临床见闻，和大家分享AI辅助血糖管理领域的发展与临床应用进展。我亲身经历了这个领域从概念萌芽到临床落地的全过程，今天我将从发展历程梳理、核心临床应用、现存问题与展望三个层面展开分享，整体内容围绕临床实际需求展开，方便大家后续在查房和临床工作中参考。01PARTONEAI辅助血糖管理发展的背景概述1血糖管理的核心临床价值目前我国成人糖尿病患病率已超过11.9%，住院患者合并高血糖的比例超过30%，血糖长期不达标会显著增加感染、微血管并发症、心脑血管不良事件甚至死亡的风险；即使是住院患者，围手术期、危重症阶段的血糖异常也会直接影响手术预后，增加住院天数和死亡风险。因此规范的血糖管理一直是内分泌科以及全院临床管理的核心内容之一。2传统血糖管理的临床痛点26年前我刚参加工作成为住院医师时，血糖管理完全依赖医师个人临床经验，血糖监测以每日4~7次指尖采血为主，不仅数据不连续，对血糖波动的捕捉能力差，而且不同年资医师的经验差异大，年轻医师调糖经常出现要么控制不达标、要么诱发严重低血糖的情况，尤其对于危重症、老年、肾功能不全这类特殊人群，血糖管理的误差风险极高，那时候我们最大的愿望就是能有一个工具帮我们减少经验误差，提升血糖管理的安全性。正是这样的临床需求，推动了AI技术和血糖管理的结合，26年来这个领域发生了翻天覆地的变化。2传统血糖管理的临床痛点26年来AI辅助血糖管理的阶段演进我将26年的发展历程大致分为三个阶段，每个阶段都对应着临床需求和技术能力的迭代升级。2.1萌芽探索期（1998年-2008年）：规则驱动的初步尝试这一阶段的AI辅助工具本质是基于权威指南的规则引擎，将指南中降糖药物剂量调整的逻辑整理成固定算法，实现基础的胰岛素剂量计算，没有自主学习能力。我记得我们科2002年最早引进了一款国外开发的胰岛素剂量计算软件，只能用于初始治疗的2型糖尿病患者计算基础餐时胰岛素的起始剂量，只要患者合并感染、肾功能不全或者应激状态，计算结果偏差就非常大，根本没法直接用于临床。现在回头看，这一阶段的AI更像是“电子化的指南手册”，并没有解决临床的核心痛点，但它第一次让我们临床医师意识到，标准化工具可以缩小不同年资医师的经验差异，为后续的发展埋下了种子。2传统血糖管理的临床痛点26年来AI辅助血糖管理的阶段演进2.2成长发展期（2009年-2018年）：数据驱动的算法突破这一阶段最大的技术背景是动态血糖监测（CGM）技术逐渐普及，我们第一次能获得连续72小时甚至更长时间的连续血糖数据，积累了大量标准化的临床数据，同时机器学习技术的兴起，让AI从规则驱动转向数据驱动。我2010年升任主治医师，牵头开展了我们省第一个围手术期AI辅助血糖管理的临床研究，当时入组了126例腹部大手术合并糖尿病的患者，结果显示AI调糖组的围手术期血糖达标率比人工经验组高21.8%，严重低血糖发生率降低了61%，这个结果当时给了我很大震撼，原来AI真的能解决我们临床长期解决不了的问题。但这一阶段的AI也有明显局限性：大多数模型是针对单一临床场景开发的，通用性差，而且没有整合到医院日常的信息工作流程中，使用时需要手动录入大量数据，操作繁琐，所以始终停留在研究阶段，没有实现大规模临床落地。3落地成熟期（2019年至今）：全场景融合的普及应用近五年来，随着物联网技术的发展、医院信息系统的互联互通，以及大模型算法的成熟，AI辅助血糖管理真正融入了我们日常查房、开医嘱的工作流程。现在我们查房打开医生工作站，AI就会自动整合患者的既往糖尿病史、肝肾功能、当前应激状态、实时CGM数据、合并用药情况，直接给出胰岛素调整的推荐方案，还会自动标注低血糖发生风险，对于我们临床工作来说，已经成为离不开的辅助工具。这一阶段AI的应用场景也从住院内分泌专科，拓展到了外科、ICU、妇产科，甚至延伸到院外全周期管理，真正实现了全场景覆盖。02PARTONEAI辅助血糖管理的核心临床应用进展AI辅助血糖管理的核心临床应用进展目前AI辅助血糖管理已经渗透到血糖管理的各个环节，核心进展主要体现在四个方面：1血糖异常风险的提前预警低血糖是血糖管理中最凶险的不良事件，老年糖尿病、危重症患者发生严重低血糖后的死亡率可达20%以上，传统管理模式只能依靠定时监测，很难提前预判无症状低血糖的发生。现在的AI模型可以通过实时CGM数据，结合患者的进食量、运动情况、给药时间、肝肾功能等十多项参数，提前15~60分钟预测低血糖的发生。我两年前管过一位82岁重症肺炎合并糖尿病的老奶奶，她本身肾功能不全，胰岛素代谢慢，那天凌晨AI系统提前30分钟预警即将发生无症状低血糖，我去床旁看的时候老人还在熟睡，没有任何症状，指尖血糖是4.2mmol/L，我们提前给了少量碳水化合物，20分钟后血糖最低降到3.1mmol/L，很快就恢复到安全范围，如果不是AI预警，等我们发现症状的时候，很可能已经出现昏迷、急性心梗这类严重不良事件。目前我们中心的真实世界数据显示，AI对住院患者低血糖的预警准确率达到92.3%，特异性超过85%，近三年我们科严重低血糖的发生率下降了48%，这个进步是非常明显的。2个体化降糖方案的实时推荐不同人群的血糖控制目标、降糖需求差异极大，传统经验性方案的质量很大程度依赖医师的个人经验，年轻医师很难快速掌握个体化调糖的要点。AI可以整合患者的年龄、并发症、合并症、肝肾功能、连续血糖谱、用药史等数十项参数，快速生成匹配患者特点的给药方案。我们中心去年发表的真实世界研究显示，AI辅助调整胰岛素方案的住院患者，血糖达标时间比纯人工管理缩短了1.8天，严重低血糖发生率降低52%；针对妊娠期糖尿病这类特殊人群，AI推荐的方案不仅能更好控制孕期血糖，还能降低12%的巨大儿、新生儿低血糖发生率，优于传统经验性调糖方案。3院外全周期血糖的连续管理原来糖尿病患者出院后，管理很容易断档，大约40%的患者出院后半年内血糖就会回到不达标状态，AI现在可以通过可穿戴设备、互联网医院平台，实现院外连续血糖监测、自动数据上传、实时方案调整和个性化生活方式指导。我们中心对217例出院的2型糖尿病患者随访1年发现，AI辅助管理组的HbA1c达标率比常规门诊随诊组高18.7%，患者的低血糖发生频率也下降了一半，对于年轻患者，AI还能根据他们上传的饮食运动信息，比如当天进食高碳水食物、增加了运动量，自动推荐胰岛素调整剂量，实用性非常强。4特殊场景血糖管理的优化临床中很多特殊场景比如ICU危重症、维持性血液透析、器官移植术后，血糖影响因素复杂，波动大，管理难度极高，AI可以整合有创监测数据、静脉输液方案、各种合并用药信息，实时调整胰岛素输注速度，比人工调糖更及时更精准。我上个月刚管过一位76岁维持性血液透析的糖尿病患者，透析后血糖波动特别大，经常早上空腹高血糖、下午低血糖，我凭经验调了一周还是没有稳定，后来用我们中心的AI模型分析了他4周的血糖、透析方案、用药数据，调整了透析日的胰岛素给药时间和剂量，仅3天血糖就稳定达标了。目前国内多中心ICU研究显示，AI辅助管理危重症患者高血糖，能降低14%的ICU死亡率，显著改善患者预后。03PARTONEAI辅助血糖管理现存挑战与未来方向1当前临床应用的局限性尽管AI辅助血糖管理已经取得了很大进展，但目前仍存在不少待解决的问题：首先是数据异质性问题，不同级别医院的血糖监测数据标准不统一，基层医院的数据质量普遍不高，现有模型的泛用性还有待提升；其次是AI决策的可解释性问题，目前很多深度学习模型还是“黑箱”，给出推荐方案后无法清晰呈现决策依据，部分临床医师不敢完全信任；另外还有可及性问题，目前AI工具大多在三级医院普及，基层和偏远地区的医疗机构很难获得；最后还有伦理和责任划分问题，如果AI推荐的方案出现不良事件，责任如何界定，目前还没有明确的行业规范。2未来的发展方向未来AI辅助血糖管理的发展主要围绕三个方向：一是开发轻量化、适配基层场景的简易AI模型，降低使用门槛，提升基层的可及性；二是优化可解释AI算法，把AI决策的依据清晰呈现给临床医师，提升临床医师的接受度；三是推动AI和可穿戴设备、闭环胰岛素泵的深度融合，实现全自动的血糖调节，这对于1型糖尿病、需要长期胰岛素治疗的2型糖尿病患者来说，会极大提升生活质量。回顾我从医26年的历程，AI辅助血糖管理从一个遥不可及的概念，变成了我们日常临床工作离不开的实用工具，从