首届糖尿病数字管理大会召开!引领行业新风向

根据最新国际糖尿病联合会(IDF)数据显示,我国糖尿病患者人数已超 1.4 亿[1],超 1/3 中国人处于「糖尿病前期」[2],成为全球第一糖尿病大国。因此,糖尿病人群的健康管理成为我国医疗服务必须解决的问题。近年来,随着互联网、大数据、人工智能(AI)等信息技术的快速发展,糖尿病管理逐渐迈向数字化。

基于此,第一届糖尿病数字管理大会于 2024 年 6 月 1 日在湖南长沙隆重召开。本次大会由上海交通大学主动健康战略与发展研究院贾伟平院士与德国Profil 研究所Lutz Heinemann 教授担任联席主席。会议内容涵盖糖尿病数字化管理多项热点话题,包括全球糖尿病数字化管理新趋势、AI 与糖尿病、糖尿病精准管理以及逆糖策略,奉献了一场精彩纷呈的学术盛宴,让我们一起来看看吧。

立足全球,探寻糖尿病数字化管理新趋势

全球糖尿病发病率持续上升,传统糖尿病管理模式难以满足庞大的患者数量以及个性化的需求。而随着信息技术的迅猛发展,推动了糖尿病管理的数字化转型。Lutz Heinemann 教授立足全球视野,对糖尿病管理的过去、现在以及将来进行了回顾与展望。Lutz 教授认为,传统糖尿病管理模式在控制血糖和预防并发症方面已取得了一定的成效,但仍面临一些挑战如医生无法获取患者的实时信息、医患互动时间短、个性化治疗方案难以实施等。

随着 AI、大数据和互联网技术的应用,这些问题有望得到解决。AI 技术可以通过分析大规模患者数据,提供预测模型和个性化的治疗建议;持续葡萄糖监测技术(CGM)随时掌握血糖变化,及时调整治疗方案;远程医疗和在线咨询则可以增强医患互动,提高治疗效果。Lutz 教授强调,尽管技术带来了诸多便利,但在应用过程中必须重视数据安全和隐私保护,确保技术在合规和伦理框架下运行。通过这些技术手段,未来糖尿病管理将更加精准、高效,全面提升患者的生活质量。

Lutz Heinemann 教授

来自香港中文大学内科及药物治疗学系陈重娥教授对亚太糖尿病精准管理与展望进行了详细论述。陈重娥教授指出,亚洲地区承受着全球最重的糖尿病负担,且糖尿病患者通常特征为诊断年龄较小、β细胞功能差、中心性肥胖和肾脏疾病的高发。妊娠糖尿病和儿童肥胖也使糖尿病的发病年龄提前,并增加了合并症的风险。

CGM在降低血糖、糖化血红蛋白(HbA1c),改善自我管理和减少住院率方面优于传统的血糖监测(BGM)。尽管亚洲的数据相对较少,但现有研究表明其效果相似。亚太地区共识[7]建议指出了从CGM中获益的情景和患者类型,并确定了相应的CGM指标。早期血糖控制对长期疗效具有重要影响,因此,需要更多基于CGM的糖尿病预防计划在亚洲地区展开,以有效应对糖尿病负担。

陈重娥教授

如今,随着技术的发展、个性化医疗需求和健康管理意识的提升,也推动着企业不断创新,促进糖尿病管理向数字化的路径发展。来自美国 Sinocare Meditech 股份有限公司首席执行官费江枫博士在本次大会上作为代表企业对糖尿病数字管理的探索进行了分享。费江枫博士详细介绍了全院血糖管理集成指尖血糖监测(BGM)、CGM、持续皮下胰岛素输注(CSII)及患者教育平台(PEP)四大功能,软硬件一体化的糖尿病管理系统。该系统可应用到院内(住院、门诊)、院外(出院、居家)等多场景,从而对患者血糖情况进行全面、科学的监测和管理。

费江枫博士

AI 赋能,革新糖尿病管理

随着 AI 技术的日益成熟,AI 在糖尿病监测技术与诊疗发展中的应用展现出巨大潜力。AI 技术能够通过大数据分析、模式识别等手段,帮助实现对患者数据的智能化处理,提高血糖监测的准确性和时效性。同时,AI 技术的运用还能够为医生提供辅助诊断和治疗建议,帮助制定个性化的治疗方案,提升糖尿病管理的效率和效果。

来自上海交通大学医学院附属第六人民医院内分泌科周健教授在会上分享了 AI与 CGM 的新进展。周健教授指出,AI 在处理 CGM 数据方面有许多潜在的优势。如 AI 可以对大规模的持续血糖数据进行聚类和分类分析,揭示糖尿病特征和相应模式,从而指导个性化治疗。此外,AI 可识别异常事件、周期性模式,还能预测未来趋势和药物反应、评估治疗效果,并发现因果关系。需要强调的是,在实际应用中,需考虑数据质量、隐私保护和临床验证等问题,以确保其有效性和安全性。

周健教授

随着科学技术的飞速发展,基于 CGM 的糖尿病数字化诊疗正逐渐成为研究和关注的热点。会上,来自北京大学人民医院内分泌科刘蔚教授对 CGM 的糖尿病数字化诊疗现况和展望进行了总结。CGM 技术的应用目前覆盖了多个领域。在 1 型糖尿病患者中,CGM 可提供持续的血糖监测,进而帮助调整胰岛素剂量,改善血糖控制。对于 2 型糖尿病患者,无论是否使用胰岛素,CGM 都能提供更精准的血糖数据,指导药物治疗和生活方式调整。此外,在特殊类型糖尿病和非糖尿病人群中,CGM 也显示出了广泛的应用前景,为个性化治疗和健康管理提供了有力支持。

刘蔚教授

目前,糖尿病常规治疗依赖胰岛素注射,胰岛素剂量调整主要依靠医生的主观判断。传统模式难以动态地满足患者个体化地胰岛素调控需求,这也是临床亟待解决的问题之一。来自复旦大学附属中山医院内分泌科陈颖教授就 AI 与 2 型糖尿病人群胰岛素治疗新策略一题进行了分享。陈颖教授介绍了 2 型糖尿病胰岛素决策 AI 模型——RL-DITR[3],该 AI 模型可创新性地利用强化学习算法帮助精准调控2型糖尿病患者胰岛素方案,临床也已证明其能有效有效控制住院 2型糖尿病患者的血糖,且低血糖风险很低。。未来期待能整合 CGM 和可穿戴设备数据,建立更精准的「以患者为中心」血糖管理系统,并扩展到门诊和居家管理,实现全面、闭环的糖尿病患者智慧管理。

陈颖教授

路在脚下,聚焦糖尿病精准管理

数据驱动的全院血糖管理是现代医疗的重要创新。通过大数据分析和信息技术,可提升患者血糖控制、减少并发症并优化医疗资源。然而,住院患者病情复杂、管理水平参差不齐等问题亟需解决。来自重庆医科大学附属第一医院内分泌科龚莉琳教授分享了基于数据驱动的全院血糖管理实践,强调跨学科协作和信息技术整合,推动院内血糖管理模式的创新与优化。全院血糖管理(主动会诊)系统能通过便携式血糖仪直连医院信息系统(HIS)以及实验室信息系统(LIS),及时回传数据,从而主动协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血糖方案,从而提升医院血糖平均达标率、病床周转率、疑难危机重症病例救治能力、患者满意度和医院的区域影响力以及内分泌科收益;同时还能助力减少平均住院日以及医疗风险和纠纷的降低。

此外,该系统还能拓展到院外血糖管理。灵活配置机构权限,建立层级,做到医院之间的双向转诊和远程会诊,以患者为中心,实现居家、基层医疗、院内的闭环式血糖管理。

龚莉琳教授

糖尿病作为整体并非单一病因的疾病,是一组由遗传、环境、行为等多因素复杂作用所致,包含多种病因和病理的、高度异质性的临床综合征群体。准确的病因分型是个体化精准治疗的基础与关键[4]。基于此现状,形成了《糖尿病分型诊断中国专家共识(2022)》[4]。来自中南大学湘雅二医院代谢内分泌科的李霞教授在本次大会上对《糖尿病分型诊断中国专家共识(2022)》(以下简称「共识」)进行了相关解读。

李霞教授指出[4],本共识结合国内外证据和现代医学发展趋势,提出了基于病因学与精准医学的糖尿病分型新建议。建议取消「特殊类型糖尿病」,独立划分为「单基因糖尿病」和「继发性糖尿病」,并提出「未定型糖尿病」的新概念,则需要追踪观察患者,不断地尝试新分型,直至实现精准诊断。同时,还提出了可操作性规范化糖尿病分型诊断流程,通过采集病史、体格检查、基本检测、胰岛 β 细胞功能、胰岛自身抗体、基因检测等依据对各类型糖尿病进行精准诊断。糖尿病的精准病因分型诊断是仍未被满足的临床需求,随着科学技术进步及临床医学水平持续提高,从病因认识角度前瞻,糖尿病的分型可预期将超越现有的分型模式,提供给临床医师更精细的分型策略、更便捷的分型诊断工具。

李霞教授

「逆转」糖尿病,管理是关键

目前,国内外医学界已形成了 2 型糖尿病「可防、可控、可逆转」的共识。早期可逆转糖尿病能最大程度地减少高血糖暴露时间,从而减少糖尿病并发症发病风险[5]。在此背景下,来自三诺糖尿病逆转中心廖渝主任在本次大会上重点介绍了湖南省首家糖尿病逆转专科门诊——三诺糖尿病逆转中心。该糖尿病逆转中心立足于MIT 强化干预法[多学科(Multi-Disciplinary Treatment)、个性化(Individualize)、行为跟踪(Trace to the behavior)]帮助患者逆转糖尿病。通过与多年沉淀的糖尿病大数据、数字智能化管理平台、 CGM结合,使患者能享受到以「修复胰岛」为核心的跨学科综合干预、分钟级的血糖监测服务以及全生命周期多对一的 MDT 诊疗服务。

廖渝主任

生活方式干预医学是的糖尿病逆转的核心手段。已有研究显示,生活方式管理也是糖尿病管理最基本的方面,已有研究证实,通过生活方式的干预可降低糖尿病发病风险 58%[6]。来自中国医学科学院阜外医院心脏康复中心的冯雪教授就生活方式医学与糖尿病逆转一题进行了分享。冯雪教授指出生活方式医学能实现更精确的风险评估、更明确的指导处方、更清晰的导向结果。并围绕从营养、运动、睡眠、心理、戒烟限酒、社会支持等干预手段论述其在预防、治疗和逆转慢性疾病的效用。推广和实施生活方式医学对于糖尿病的预防和逆转具有重要意义,不仅可以显著减少糖尿病的发生率,还能改善糖尿病患者的生活质量,从而减轻医疗负担。生活方式医学的综合干预策略,为糖尿病的全面管理提供了科学且可行的路径。

冯雪教授

*本文仅供医疗行业专业人士阅读参考。

参考文献:

[1] https://diabetesatlas.org/data/en/country/42/cn.html

[2] Wang L, Peng W, Zhao Z, Zhang M, Shi Z, Song Z, Zhang X, Li C, Huang Z, Sun X, Wang L, Zhou M, Wu J, Wang Y. Prevalence and Treatment of Diabetes in China, 2013-2018. JAMA. 2021 Dec 28;326(24):2498-2506. doi: 10.1001/jama.2021.22208. Erratum in: JAMA. 2022 Mar 15;327(11):1093. PMID: 34962526; PMCID: PMC8715349.

[3] Wang G, Liu X, Ying Z, Yang G, Chen Z, Liu Z, Zhang M, Yan H, Lu Y, Gao Y, Xue K, Li X, Chen Y. Optimized glycemic control of type 2 diabetes with reinforcement learning: a proof-of-concept trial. Nat Med. 2023 Oct;29(10):2633-2642. doi: 10.1038/s41591-023-02552-9. Epub 2023 Sep

[4] 中国医师协会内分泌代谢科医师分会,国家代谢性疾病临床医学研究中心. 糖尿病分型诊断中国专家共识. 中华糖尿病杂志,2022,14(02):120-139. DOI:10.3760/cma.j.cn115791-20211219-00672

[5] 中国胰岛素分泌研究组. 短期胰岛素强化治疗逆转2型糖尿病专家共识. 中华糖尿病杂志,2021,13(10):949-959. DOI:10.3760/cma.j.cn115791-20210719-00395

[6]Knowler WC, Barrett-Connor E, Fowler SE, et al. Reduction in the incidence of type 2

diabetes with lifestyle intervention or metformin. N Engl J Med. 2002;346(6):393-403.

[7]P K Kong A,Lim S,Hyun Yoo S,et al.Asia-Pacific consensus recommendations for application of continuous glucose monitoring in diabetes management[published online ahead of print,2023 May 15].Diabetes Res Clin Pract.2023;110718.doi:10.1016/j.diabres.2023.110718

（免责声明：此文内容为广告，相关素材由广告主提供，广告主对本广告内容的真实性负责。本网发布目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，请自行核实相关内容。广告内容仅供读者参考。）