当前，我国糖尿病患病率持续处于高位，糖尿病管理正不断向精准化、全周期方向升级。随着数字技术加速融入临床实践，以持续葡萄糖监测（CGM）、AI决策支持等为代表的创新工具，正帮助医生更精准地识别血糖波动与风险信号，推动糖尿病管理从“经验驱动”迈向“数据驱动”，为个体化、精细化诊疗带来了更多实现路径。
2026年5月30日，2026第三届糖尿病数字管理大会在上海正式召开。本次会议由上海交通大学主动健康战略与发展研究院主办，以「数智赋能·全球协同：糖尿病全周期管理新征程」为核心主题，汇聚国内外内分泌领域顶尖专家、临床学者与产业从业者，聚焦糖尿病数字管理的前沿技术与创新应用，围绕精准控糖体系构建、数字工具临床落地及全周期管理升级等热点方向展开深入交流，共同推动糖尿病管理的数字化转型。本文整理大会重点内容，以飨读者。
数智赋能基层：破解糖尿病管理的4大核心挑战
上海交通大学主动健康战略与发展研究院贾伟平教授结合我国糖尿病防控现状，系统梳理了基层糖尿病数字化管理的核心瓶颈与破局路径。贾伟平教授表示，我国糖尿病患病人数多、糖尿病并发症危害大，基层作为防控主战场，却存在知晓率、治疗率、控制率偏低，血糖血压血脂综合控制率仅4.4%的突出痛点。当前基层数字化管理面临4大核心挑战：缺乏基于中国人群的大规模、纵向多模态、高质量专病数据库；AI模型“算法黑箱”缺乏可解释性；缺少高级别临床循证证据；基层AI落地的适用性与接受度不足。
针对上述痛点，贾伟平教授团队深耕“Deep系列”工作，并以此构建了全链路落地解决方案：一是通过临床医生分级诊断、真实世界数据训练保障数据质量，破解AI生成数据带来的模型性能下降与“幻觉”风险；二是通过视网膜血管参数定量解析、热力图可视化破解AI可解释性难题，相关成果已获得国际糖尿病学界高度认可；三是开展真实世界前瞻研究验证临床获益，Deep系列AI系统可实现糖尿病视网膜病变、糖尿病肾病及脑卒中的精准分层管理，显著降低并发症进展风险，提升患者自我管理依从性；四是通过友好界面设计、基层医生持续培训实现技术落地、持续模型更新优化，相关管理体系已纳入国家基层糖尿病防治指南。
贾伟平教授强调，基层糖尿病数字化管理需坚持“人机协作”原则，避免“弱医生化”，AI仅作为临床辅助工具，诊疗方案需经医生确认后实施，保障医疗安全，构建可复制、可推广的基层糖尿病数字化管理模式。
贾伟平教授
国外视野：真实世界与数字健康赋能的糖尿病管理创新
格拉茨医科大学内分泌与糖尿病学系Julia Mader教授结合欧洲糖尿病诊疗实践，分享了基于真实世界数据与人工智能的2型糖尿病个体化管理路径。她指出，CGM是德、奥、瑞三国患者认可度很高的糖尿病管理技术，在患者人群中渗透率持续提升，已覆盖从糖尿病前期到晚期并发症的全病程管理。
2型糖尿病是进展性疾病，需根据疾病阶段、年龄、健康状态等，进行个体化的治疗目标调整。随着AI技术的普及，其和CGM的结合，可辅助个体化治疗决策、数据解读、血糖波动预测、饮食碳水估算、辅助用药管理等，Julia Mader教授强调，“CGM+AI”的组合将成为未来糖尿病管理的重要助力，但这并非替代临床医生，而是赋能更精准、更主动、以患者为中心的个体化诊疗。
Julia Mader教授
马来亚大学医学院内科学系Lee-Ling LIM林俐伶教授结合全球慢病防控趋势与《健康中国2030规划纲要》目标，分享了数字健康技术在糖尿病管理中的落地路径与核心价值。她指出，数字医疗已覆盖血糖监测、胰岛素输注、饮食运动管理、远程医疗/监测、健康预警等糖尿病全周期管理场景，是慢病防控的核心赋能手段。但当前糖尿病有效管理仍面临多重挑战，需从“单一APP”向“全方位数字化生态系统”升级。依托“ABCDEF数据转化为行动”框架，以“糖尿病登记系统”和对接“电子病历系统”为核心，联动医患两端，推动多重代谢目标达标，逐步构建以患者为中心，药房、医疗保险、医疗器械与耗材、监管与政府等多方协同的理想生态。
在具体技术创新方面，她着重阐述了CGM从创新探索到临床实施的演进路径，以及可穿戴设备向健康监测仪的功能跃迁、AI预测性分析的临床应用前景，并介绍了基于视网膜图像的DeepDKD深度学习系统，可用于糖尿病肾病筛查和鉴别诊断。产业数据显示，2020-2026年全球自我监测技术市场规模实现4倍增长，亚太地区占比达23.3%，CGM、无创监测、AI预测分析将成为未来核心创新方向。
Lee-Ling LIM林俐伶教授
AI驱动医疗新格局：Agentic AI诊疗应用与糖尿病风险预测
上海交通大学人工智能研究院张娅教授结合AI技术发展趋势，分享Agentic AI驱动医疗新格局的核心路径与成果。她指出，当前通用大模型正向后训练、慢思考推理、世界模型、智能体形态快速演进，打破了传统AI“一个场景一个模型”的碎片化局限。Agentic AI正成为人工智能重要范式，可实现“看懂医学数据—想清医学问题—做成临床决策闭环”3大核心能力，破解医学知识更新快、决策可溯源要求高、临床动态决策不确定性等行业痛点。
张娅教授以罕见病诊断为例，展示了Agentic AI如何突破人类医生认知极限，解决跨学科疾病诊断“记不住、配不准、想不到”的核心难题。DeepRare作为智能体式罕见病循证推理诊断系统，通过实时知识检索+自反思迭代推理，可打破静态知识边界，将临床诊断逻辑植入推理过程。Agentic AI架构可实现全域感知与模块化协作，将复杂诊断任务拆解为多个专业步骤，并由智能体协作完成。通过核心层大语言模型驱动的推理引擎，代理层8大类专业工具智能体，以及外部数据源与实时循证的数据层，最终达成透明、可溯源的证据链，用“白盒”化诊断解决AI信任难题。
张娅教授
中南大学计算机学院郭克华教授聚焦糖尿病领域，以糖尿病风险预测AI产品为蓝本，剖析医疗AI的“医工鸿沟”痛点，提出AI重构糖尿病风险预测的新范式。他指出我国糖尿病防控存在“一高三低”的链条失衡问题，基层医疗数据割裂、时序断点的核心瓶颈，难以形成连续的患者风险画像，亟需从“静态评分”迈向“连续预测”。
在具体场景上，郭克华教授以1型糖尿病胰岛功能衰减为切入点，通过将医生诊疗逻辑转化为可计算的技术路径，完成多源临床数据的患者、时间、字段三重对齐与标准化治理，形成统一患者视图；在此基础上，经由静态关联挖掘、多模型融合风险评分与时序知识图谱动态建模，构建从分散医疗数据到可计算、可推理、可解释的风险预测闭环，可输出患者1/3/5年胰岛功能衰减风险，支撑低/中/高风险分层随访与早期干预。郭克华教授强调，这一过程需要计算机人员和医生通力合作，才能打造真正可用、好用的AI医疗产品。目前，该系统已成为科技创新2030项目中的主打产品，已在湘雅二医院代谢内分泌科使用。
郭克华教授
糖尿病管理数智化落地：智能体创新、全院血糖管理模式与CGM多场景验证
三诺生物副总经理兼董事会秘书郑霁耘博士结合AI技术发展趋势与医疗落地痛点，分享了以可信数据空间为核心底座的糖尿病专病智能体的建设思路与临床价值。她表示，当前AI核心能力已实现跃迁，临床级AI知识平台已实现规模化应用，生成式AI摘要正重塑公众健康信息获取路径。但“AI幻觉”问题——包括数据失真、信息杜撰与迎合式偏差，仍是制约其医疗场景落地的核心瓶颈，叠加大众健康认知不足，进一步放大了错误信息的临床风险。
针对这一痛点，爱看健康智能版推出的“对话式”陪伴健康管家——“小诺智能体”，以iCanNet可信数据空间为核心，基于真实数据科学的可预测性、可计算性、稳定性构建，可整合居家监测、生活行为、健康档案等多维度患者数据，从数据源头过滤失真信息，从根源破解AI幻觉问题。患者面对复杂的血糖曲线，可随时发起提问，即时获得专业解读与指导，逐步提升对自身健康状况的认知；在持续交互过程中，系统同步学习患者的行为习惯与个体偏好，依托iCanNet动态更新健康洞察，为每位患者构建专属的健康数据画像，并结合全方位评估与专业算法，输出个性化的精准控糖方案。
郑霁耘博士
河北医科大学第三医院周慧敏教授结合河北医科大学第三医院实践，分享智慧化血糖管理的落地模式与成效。该院作为国家紧急医学救援基地，针对非内分泌科高血糖患者占比超 90%、传统会诊流程繁琐等痛点，构建“主动会诊+虚拟病房”的全院血糖管理模式，依托CGM+指尖血糖监测（BGM）与院内信息化系统，实现血糖数据实时互通、一键会诊、多学科协同管理。同时搭建院外血糖管理云平台，配套完善的分层医护培训体系与标准化质控评价机制。
周慧敏教授表示，该模式显著提升血糖达标率和管理效率，提高医院病床周转率以及降低血糖相关并发症风险等，形成可复制、可推广的智慧化血糖管理实践方案，带动区域慢病管理工作的发展，成为卫生领域首个河北牵头京津冀协同地方标准。
周慧敏教授
中南大学湘雅三医院金萍教授结合2026 ADA指南更新与临床试验数据，分享了FDA iCGM标准下CGM系统的性能要求、验证结果与多场景应用价值。2026 ADA指南首次推荐CGM覆盖糖尿病全病程管理，针对不同人群设置了个体化TIR目标值。美国FDA iCGM标准则对CGM性能提出更高要求，核心聚焦CGM单点准确性、血糖变化趋势精度、极端数值安全性3大维度，本质是解决CGM“能否直接用于临床决策”的核心问题。
基于此，金萍教授首先分享了由国际临床化学和实验室医学联合会（IFCC）CGM工作组主席Guido Freckmann教授团队开展的试验。研究结果显示，三诺爱看CGM整体MARD值达标，腹部与手臂佩戴的性能无显著差异，一致性优异，符合FDA iCGM全部准确性与安全性标准，佩戴疼痛评分极低，支持患者自行植入。
针对ICU重症场景，金萍教授团队在改善既往研究试验设计不足的基础上，开展了更符合CGM在我国真实ICU场景中应用的试验，涵盖重症肺炎、脓毒症、多器官衰竭等多病种患者。结果显示，三诺爱看CGM面对ICU多病种、全场景的严苛考验（与动脉血气分析血糖值比对），MARD 12.71%，且分层稳定。
金萍教授
数智赋能糖尿病全周期管理：愿景落地与多学科实践探讨
本次会议的讨论与交流环节由上海市第六人民医院周健教授主持，邀请中国医学科学院阜外医院冯雪教授、上海市第六人民医院范瑛教授围绕“数智赋能糖尿病全周期管理”进行对话。
冯雪教授从生活方式干预视角指出，当前糖尿病生活方式预防落地存在3大核心难点：人性本能与健康行为的对抗、医保支付路径缺失导致医生动力不足、患者对干预价值的认知缺位。她提出破局思路：将干预与患者当下痛点直接关联，以并发症风险激发改变动力；以短期的微小关键行为撬动长期坚持；同时强调数字化工具需提供情绪价值，避免冰冷的数据反馈，实现无扰、沉浸式的健康管理。
范瑛教授从肾内科视角分享了糖尿病并发症的数字化管理实践，指出40%的糖尿病患者存在肾脏并发症，管理模式正从被动治疗向主动精准全程管理转变。她提出需提早开展主动筛查，依托CGM技术监测肾病患者特殊的血糖波动特征，预警透析患者低血糖风险；同时通过数字化专病队列、AI辅助病理诊断等提升糖尿病肾病的精准防治能力。范瑛教授还表示，期待未来可穿戴设备与居家检测的普及，结合多学科协作赋能慢病管理。
周健教授总结指出，本次跨学科交流带来了不同于传统内分泌诊疗的全新视角。他强调，数智化技术不能止步于冰冷的数据呈现，更要融入人性关怀与情绪价值，呼吁临床医生、企业科研人员与多学科团队协同发力，切实助力庞大慢病人群实现高质量的全周期疾病管理。
从左到右：周健教授、冯雪教授、范瑛教授
CGM研究二十年：从技术迭代到临床体系的全面突破
上海市第六人民医院周健教授结合CGM二十年的发展历程，系统梳理了该技术从市场迭代、指标体系构建到多场景临床应用的全维度突破与成果。周健教授指出，全球CGM市场从2005年2亿美元规模发展至2024年140亿美元，预计2033年突破300亿美元，技术从专业医疗端逐步走向健康人群。
在核心指标构建方面，国内研究从2004年揭示糖代谢正常者血糖漂移规律起步，2009年建立中国人CGM正常参考值，2018年首次证实葡萄糖目标时间范围（TIR）独立于糖化血红蛋白与糖尿病视网膜病变直接相关，该成果成为全球首个支持TIR临床应用的循证证据，被写入国际指南与专业书籍。此外，血糖时间序列复杂度指数（CGI）可衡量机体血糖稳态调控能力，与糖尿病不良结局相关，有望成为评估血糖稳态的早期新指标。
在临床应用方面，已有RCT研究证实CGM可显著改善2型糖尿病患者的血糖控制；在院内场景，国内建立了基于CGM的院内血糖管理系统并研发移动查房平台，多中心前瞻性研究（INDIGO-ICU）也将CGM拓展至重症监护领域。此外，研究已识别与妊娠期糖尿病发生及不良结局相关的CGM指标，正推动基于结局的国际多中心分析以确定诊断阈值，探索CGM在GDM诊断中的应用潜力。在CGM与AI融合方面，GluFormer模型可基于CGM数据精准预测未来血糖趋势，基于碳水反应的个体精准分型揭示了不同个体餐后血糖反应的显著差异及饮食干预的个体特异性，穿戴式设备联合常规血检预测胰岛素抵抗AUC达0.80。
周健教授指出，CGM正从传统的“血糖监测手段”转变为“糖尿病表型特征分析工具”，并已拓展至非糖尿病人群，成为撬动糖尿病管理技术发展的核心支点。
周健教授
激辩数智医疗：AI的发展是提升还是削弱医生临床决策能力？
本次会议设置主题辩论赛，围绕“糖尿病智能诊疗AI的发展，提升还是削弱了医生的核心临床决策能力”展开交锋，由浙江大学医学院附属第一医院李晓牧教授、上海市第十人民医院陈海冰教授担任主持，珠海市人民医院鲁红云教授、潍坊市人民医院刘海霞教授、无锡市中医医院胡源教授组成正方团队，南方医科大学中西医结合医院胡芷菁教授、济宁市第一人民医院胡显洁教授、福建医科大学附属泉州第一医院张翼教授组成反方团队，针对AI医疗的价值与风险展开深度辩论。
正方认为AI显著提升医生核心决策能力：AI可快速筛选海量文献与影像数据，数秒内标记可疑病灶，让医生从信息筛选中解放，聚焦核心临床判断；可弥补基层医生经验短板，以糖尿病视网膜筛查为例，AI系统数分钟即可完成资深医生水准的眼底分析，赋能基层慢病管理；同时AI可作为教学工具，为年轻医生提供及时反馈，加速临床能力成长。此外，AI还能连接分散的检查、随诊和健康教育，帮助早发现风险、更快做出决策。正方强调，AI是辅助工具而非替代者，如同血糖仪、CT的应用并未削弱医生能力，反而推动诊疗升级。
反方则提出，过度依赖AI会削弱医生核心决策能力：AI直接给出结论会让医生绕过完整的疾病推理过程，年轻医生易丧失独立判断能力；目前缺乏高等级证据证明AI在真实场景稳定超越医生；更重要的是，医学核心的信任、连续照护与责任归属，是AI无法提供的价值。
反方还表示，年轻医生成长必须经过“错”的过程，查阅文献、查体等基本功不可省略，需警惕AI对年轻医生培养的影响。
经过立论、攻辩与自由辩论的交锋，最终正方获胜。AI是优质的临床辅助工具，核心是把握“医生主导、AI辅助”的原则，医学生需在建立完整临床思维后再合理使用AI，避免过度依赖，在拥抱技术的同时坚守医学基本功与人文关怀，让数智技术真正赋能医疗质量提升。
从左到右：鲁红云教授、胡源教授、刘海霞教授、陈海冰教授、李晓牧教授、胡显洁教授、胡芷菁教授、张翼教授
临床实践分享与病例征集启动，推动CGM技术落地
本次青年医师病例汇报环节，由邯郸市中心医院朱明明医生带来了成人隐匿性自身免疫性糖尿病（LADA）并酮症患者的强化治疗案例，提示了CGM辅助胰岛素泵治疗的临床价值；湖南省人民医院李浪波医生则聚焦糖尿病管理“院内达标、院外失控”的行业痛点，分享将管理主战场转移至院外的破局思路；肇庆市第一人民医院谢镱宁医生分享了高龄糖尿病足合并感染患者的围手术期管理案例，验证了CGM在该类患者中应用的核心价值。
朱明明医生、李浪波医生、谢镱宁医生
此外，为支持糖尿病管理新技术的临床应用与推广，在本次会议上，《中华医学杂志》编辑部张晓冬主任宣布启动2026 CGM精准管理临床应用全国病例征集项目。该项目由《中华医学杂志》社主办、《中华医学杂志》编辑委员会提供学术支持，依托中华医学会权威医学期刊平台，面向全国临床医师征集CGM相关的优秀临床病例，进一步挖掘 CGM 技术的临床应用潜力，助力临床经验转化为可传播的学术成果。
张晓冬主任
参考文献：
[1] Meng Z, Lim LL, Jia W, et al. Lancet Digit Health 2025.
[2] American Diabetes Association. Standards of Care in Diabetes—2026. Diabetes Care. 2026;49(Suppl 1):S1–S350.
[3] Jendrike N, Link M, Öter S, et al. Performance of a New Continuous Glucose Monitoring System in German Adults Living with Diabetes. Diabetes Ther. 2026;17(2):287-299.
[4] 喻明,周健,项坤三,等.动态监测糖耐量正常者血糖水平的漂移变化[J].中华医学杂志, 2004, 000(021):1788-1790.
[5] Zhou J, Li H, Ran X, et al. Reference values for continuous glucose monitoring in Chinese subjects. Diabetes Care. 2009 Jul;32(7):1188-93.
[6] Jingyi Lu, Xiaojing Ma, Jian Zhou, et al; Association of Time in Range, as Assessed by Continuous Glucose Monitoring, With Diabetic Retinopathy in Type 2 Diabetes. Diabetes Care 1 November 2018; 41 (11): 2370–2376.
[7] 曹力,王亚昕,陆静毅,等.持续葡萄糖监测在非糖尿病人群中应用的研究进展[J].中华糖尿病杂志, 2025, 17(05):623-627.
热门跟贴