美国斯坦福大学：AI驱动的连续血糖监测技术，革新2型糖尿病诊断

2024年12月23日，美国斯坦福大学遗传学系Michael P. Snyder教授团队在期刊《Nature Biomedical Engineering》上发表了题为“Prediction of metabolic subphenotypes of type 2 diabetes via continuous glucose monitoring and machine learning”的研究论文。机器学习模型根据32人的OGTT血糖时间序列进行训练，预测出肌肉胰岛素抵抗、β细胞缺乏和增量素作用受损的亚型，其曲线下面积（AUC）分别为95%、89%和88%。利用CGM生成的在家OGTT血糖曲线，模型预测了29人的肌肉胰岛素抵抗和β细胞缺乏亚型，AUC分别为88%和84%。通过CGM在家中识别代谢亚型，可能有助于对早期血糖失调患者进行风险分层。

https://www.nature.com/articles/s41551-024-01311-6

人工智能与2型糖尿病

 01 

人们对确定可扩展的、具有成本效益的检测方法越来越感兴趣，这些检测方法可捕捉T2D表型的复杂性，为精准医疗方法提供依据。这些测试包括分区遗传风险评分、临床和人口特征、葡萄糖代谢生物标志物、临床结果，甚至可穿戴设备。糖代谢紊乱最常见的检测方法是口服葡萄糖耐量试验（OGTT），该方法已标准化并在全球使用了100多年。

在这项研究中，团队量化了不同个体血糖失调的生理基础差异程度，这些个体可根据其代谢亚型进行分类。团队还提出了一个使用机器学习的综合框架，通过该框架，可以使用在16点葡萄糖耐量测试中提取的葡萄糖时间序列特征来识别代谢亚型。团队证明了这一方法可以在家中使用CGM进行。这种方法在血浆和CGM中识别潜在代谢功能障碍的准确性高于标准的高血糖测量方法（如空腹血糖或HbA1c）、现有的代谢疾病生物标志物（如HOMA）和遗传风险评分。

利用机器学习从葡萄糖时间序列预测代谢亚型

 02 

使用OGTT_G_ReducedRep预测肌肉IR的auROC高达0.95，而OGTT_G_Feature预测肌肉IR的auROC为0.90。OGTT_G_ReducedRep的预测能力明显高于目前用于预测肌肉IR的任何特征。根据OGTT_G_ReducedRep预测β细胞功能障碍的auROC为0.89。使用OGTT_G_ReducedRep预测胰岛素缺乏的auROC为0.88，使用OGTT_G_Features预测胰岛素缺乏的auROC为0.90。在肝脏IR方面，OGTT_G_Features显示出良好的性能（auROC=0.84）；Matsuda指数和HOMA-IR显示出卓越的性能，但没有统计学意义。因此，可以根据OGTT血糖时间序列的特征，建立不同代谢亚型的模型。

从OGTT血糖时间序列中提取的特征，与现有替代标志物进行代谢亚表型预测的基准比较。

利用连续血糖监测，在家预测肌肉胰岛素抵抗和β细胞功能

 03 

在独立测试集中，基于两条家庭CGM曲线平均值的肌肉 IR（auROC=0.88）和β细胞功能（auROC=0.80）分类结果，比基于血浆曲线的分类结果更好。性能的提高可能是由于从CGM的特征工程和连续测量中有效地提取了信息，CGM中包含的信息比静脉采样中的信息要多得多，而静脉采样中的测量频率较低。仅基于CGM数据的交叉验证显示，肌肉IR的性能相似（auROC=0.88），而β细胞功能的预测性能则进一步提高（auROC=0.84）。

在独立队列中进行验证，并转化为居家CGM测试。

总结

 04 

1. OGTT试验的可行性：OGTT试验更为可行，可以预测患T2D、心血管疾病和总死亡率的风险。

2. 机器学习框架的应用：机器学习框架分析了OGTT动态血糖时间序列反应，证明其识别胰岛素抵抗、β细胞缺陷和增量素缺陷的能力，优于目前可用的检测方法。

3. CGM技术的应用：CGM生成的血糖曲线可以准确识别胰岛素抵抗，提供了一种方便、便宜且可在家中进行的测试。

4. 环境因素的控制：通过详细的患者指导来控制家庭OGTT的环境应激因素，以减少OGTT血糖反应变异。

5. 新技术的潜力：新技术可以释放传统代谢健康检测的潜力，如果消除了3小时内多次抽血给患者带来的负担，那么在家进行OGTT的实用性和可行性就会增加。

6. 未来研究方向：有必要进行试验，以评估根据确定的亚型进行针对性治疗的相对疗效。

参考资料：

1.Sun, H. et al. IDF diabetes Atlas: global, regional and country-level diabetes prevalence estimates for 2021 and projections for 2045. Diabetes Res. Clin. Pract. 183, 109119 (2021).

2.Hall, H. et al. Glucotypes reveal new patterns of glucose dysregulation. PLoS Biol. 16, e2005143 (2018).