《Endocrine》：Smart insulin dosage software based on trend arrows: an effective method for controlling hyperglycemia in hospitalized diabetic patients in non-endocrine departments (a randomized controlled trial)
编辑推荐：
为解决非内分泌科室住院糖尿病患者血糖调整依赖经验、管理困难的问题，本研究开展了将实时持续血糖监测（rtCGM）趋势箭头信息融入智能胰岛素剂量软件的随机对照试验。研究发现，相较于医生经验调整，软件组患者餐前及睡前血糖更低、葡萄糖在目标范围内时间（TIR）更高、高血糖时间（TAR）更少，且未增加低血糖风险，为院内血糖精准管理提供了新工具。
在全球糖尿病患病人数已超5亿的今天，高血糖已成为影响患者预后的重要因素，尤其是在医院的非内分泌科室。想象一下，一位因骨折或肺炎入院的糖尿病患者，他的血糖管理并非由内分泌专家负责，而是由骨科或呼吸科的医生来调整胰岛素剂量。这些医生虽然精通本专业，但对于复杂的胰岛素类型、剂量和血糖管理知识往往并不熟悉，导致院内血糖控制成为一个普遍存在的难题。高血糖不仅会增加患者的住院天数和总费用，还可能加重病情。传统的胰岛素调整方法在很大程度上依赖于医生的个人经验，缺乏精准性和一致性。与此同时，人工智能（AI）和实时持续血糖监测（rtCGM）技术的迅猛发展，为糖尿病管理带来了革命性的希望。那么，能否将这两项技术结合起来，打造一个更“聪明”的胰岛素剂量计算工具，帮助非专科医生也能像专家一样管理好患者的血糖呢？这正是发表在《Endocrine》杂志上的一项研究所探索的核心问题。
为了回答这个问题，研究人员巧妙地开展了一项随机对照试验。他们招募了86名接受每日多次胰岛素注射的2型糖尿病住院患者，这些患者均来自非内分泌科室。研究将这些患者随机分为两组：一组使用基于趋势箭头的智能胰岛素剂量软件（App组）来计算餐前胰岛素剂量；另一组则完全由非内分泌科医生根据传统经验（即美国糖尿病协会推荐的“滑动胰岛素剂量法”）进行调整。所有患者在整个研究期间（5至7天）都佩戴了实时持续血糖监测设备，并同时进行每日四次指尖血糖监测。研究人员收集并比较了干预后两组患者的血糖数据，以评估智能软件的有效性和安全性。研究采用的主要技术方法包括：1）随机对照试验设计，确保研究结果的可靠性；2）实时持续血糖监测，使用硅动力连续血糖监测系统，每5分钟采集一次间质液葡萄糖数据，并提供反映血糖变化幅度和方向的趋势箭头信息；3）智能胰岛素剂量软件，该软件整合患者个体化的剂量-反应数据模型，结合当前血糖值和趋势箭头等信息计算推荐剂量；4）多项血糖评估指标，除了传统的平均血糖，还重点分析了时间在目标范围内、葡萄糖管理指数、平均血糖波动幅度等反映血糖控制质量和稳定性的关键参数；5）统计分析方法，使用SPSS软件进行组间比较。
研究结果主要从以下几个方面呈现：
研究人群：最终，每组各有43名患者完成了研究。两组患者在性别、年龄、体重指数、糖尿病病程、糖化血红蛋白等基线特征上均匹配良好，具有可比性。
两组患者毛细血管血糖和胰岛素用量的比较：分析结果显示，App组患者的晚餐前和睡前平均指尖血糖值均显著低于对照组。两组患者的总胰岛素日用量、日均胰岛素用量以及每公斤体重的胰岛素用量均无显著差异。低血糖的发生率在两组间也无统计学差异。
两组患者CGM参数的比较：这是研究的核心发现。从实时持续血糖监测数据来看，App组患者展现出全方位的优势：他们的平均血糖更低，葡萄糖管理指数更低。更重要的是，App组患者的血糖在目标范围内的时间显著更高，而高于目标范围的时间显著更少。在反映血糖波动的指标上，App组患者的血糖标准差、平均血糖波动幅度、日间血糖平均绝对差和最大血糖波动幅度均显著低于对照组。这表明智能软件不仅降低了血糖水平，还使血糖控制更加平稳。
两组中血糖目标范围内时间达标患者的比较：在干预结束时，App组中有更多患者的血糖目标范围内时间达到了临床推荐的>70%的标准。
结论与讨论部分归纳了本研究的重要发现和意义。 研究结论明确指出，在接受胰岛素治疗的2型糖尿病患者中，结合了趋势箭头信息的智能胰岛素剂量软件，在控制高血糖方面比医生的经验调整更具优势。这种优势体现在多个维度：不仅显著降低了特定时间点的血糖水平，更重要的是全面提升了血糖管理的“质量”，即患者在理想血糖范围内的时间更长，血糖波动更小。这意味着患者整体血糖暴露水平更低，可能对降低远期并发症风险具有积极意义。尤为关键的是，这种改善并未以增加低血糖风险或消耗更多胰岛素为代价，显示了其精准性和安全性。讨论部分深入分析了这一结果可能的原因：智能软件算法能够整合当前血糖、残余胰岛素活性、尤其是反映未来血糖变化趋势的趋势箭头等综合信息，从而计算出更精准的剂量。相比之下，经验调整可能更保守或存在个体差异。本研究首次将CGM的趋势箭头信息深度整合到针对非内分泌科室住院患者的智能胰岛素剂量决策中，是人工智能与连续监测技术协同应用的创新实践。它为解决非专科环境下的血糖管理难题提供了一个高效、可行的工具，有望改善住院患者的临床结局、缩短住院时间并降低医疗成本。当然，研究也指出了自身的局限性，如样本量较小、研究周期较短、以及研究人群中肝硬化患者比例偏高等选择偏倚。因此，未来需要更大样本、更长随访期的研究来进一步验证和推广这些发现。总而言之，这项研究为人工智能辅助的精准血糖管理迈出了坚实的一步，展示了技术赋能临床决策、弥合专科与非专科医疗差距的巨大潜力。
