血糖管理是代谢健康的核心,它影响能量水平、认知功能和长期福祉。 对于全世界超过5.3亿患有糖尿病的成年人 — — 以及拥有糖尿病前期或胰岛素抗药性的人群数量远为多 — — 保持稳定的葡萄糖水平是日常挑战,并带来严重后果。 在过去十年中,生物感应工程、数据科学和数字连接的趋同从根本上改变了我们监测和控制血糖的方式。 文章审查了糖调控背后的科学原则,并探讨了新兴技术如何将被动管理转化为主动、个性化的护理。

血糖调控生理

葡萄糖是身体的主要燃料,它来自我们作为甘油而吃并储存在肝和肌肉中的碳水化合物。葡萄糖的生产、吸收和储存之间的微妙平衡由胰腺上的核心激素反馈循环来安排。在一次进餐后,胰腺中的β细胞释放胰岛素、信号肌、脂肪和肝细胞吸收血流中的葡萄糖。这一过程降低血糖,并提供了能量或储存,供以后使用。当葡萄糖水平下降 — — 在用餐之间或锻炼期间 — — α细胞秘出葡萄糖,促使肝脏释放所储存的葡萄糖。 在健康个体中,这个系统维持了血糖的狭小范围,大约为70-140毫克/德氏度。

打破这种循环会导致高血糖(高血糖)或低血糖(低血糖危险)的出现。 在1型糖尿病中,自体免疫攻击会摧毁β细胞,使身体无法产生胰岛素。 在2型糖尿病中,细胞对胰岛素产生抗药性,胰腺最终无法产生足够的补偿。 即使是温和的慢性血糖升高,如在前糖尿病中看到的,也会长期损害血管、神经和器官。 理解这些机制对于理解技术干预必须与生物学协同而不是与之相抗衡的原因至关重要。

持续监测的作用

传统的指棒血糖仪表提供单点读取,只提供快照。 但葡萄糖水平是动态的,因食物、身体活动、压力、睡眠和药物而波动。 这正是技术产生最大影响的地方: 使 持续监测[ 能够捕捉到葡萄糖可变性的全部情况。

连续葡萄糖监测器:新标准

连续的葡萄糖显示器(CGM)使用在皮肤下插入的小型而灵活的传感器——典型的是在腹部或手臂上——测量间质液中的葡萄糖。这种流体比血糖慢了大约5到15分钟,但现代算法可以弥补这种延迟,每一到五分钟提供实时读取。CGM无线地将数据传输给接收器或智能手机应用,显示显示葡萄糖是否上升、下降或稳定的趋势箭头。

随机控制试验表明,CGM的使用会减少血红素A1c(长期葡萄糖控制标志),并降低一等和二等糖尿病患者胰岛素治疗中的高血糖和低血糖发病率。 2017年发表的一份划时代的研究()JAMA[发现,CGM改进了即使是控制良好的一等糖尿病成年人的甘油控制,其价值被强调在单纯的认知之外。 对于许多用户来说,最转型的特征是能够为即将发生的高或低高葡萄糖事件设定定制预警,从而在症状发生前能够采取先发制人的行动。

除了来自Dexcom、Abbott(自由式)和Medtronic等传统CGM之外,新进入者还包括长达180天(如Eversense)的可植入传感器和非侵入光学传感器。 每个系统在准确性、穿戴时间、成本和方便性之间都有取舍。 美国糖尿病协会[现在建议CGM作为治疗任何需要强化胰岛素疗法的糖尿病患者的标准。

闪光葡萄糖监测

CGM技术的一个子集是闪光胶监测器,最好以Freestyle Libre系统为例。 与连续播放读取的实时CGM不同,闪光监测器要求用户在传感器上刷取一个读取器或智能手机以“扫描”并取回数据。这种设计降低了成本,延长了传感器寿命(每个传感器14天),同时仍提供了糖趋势图和历史。对于不需要经常提示的个人来说,闪光监测提供了指尖测试和全CGM之间的中间地平面。

智能胰岛素笔和连接喷出器

胰岛素笔多年来一直是一个支柱,但最新的一代却包含了蓝牙连接、剂量内存、血球计算和提醒。 智能胰岛素笔 — — 如美德罗尼奇的InPen和诺沃诺地斯克的NovaPen 6 — —记录了注射胰岛素的时间、数量和类型。 这些信息被发送给一个配套应用软件,可以与CGM和餐食数据相结合,以提供剂量建议并识别误入剂量或过度校正等模式。

对于使用多日注射(MDI)而不是泵的患者,智能笔能大大提高坚持性. Diabetes Technology & Theledicuties 2020年的研究报告称,智能笔使用者比标准笔使用者少错失注射,时间更能及时(时间葡萄糖停留在70至180毫克/德升之间的百分比). 将剂量数据与CGM趋势图相融合,使临床医生和病人能够准确了解时机和数量如何影响妊娠后突起.

胰岛素泵和闭环系统

胰岛素泵从简单的连续下皮胰岛素输入(CSII)设备发展为精密的]hybrid闭锁-loop系统[,常被称作人工胰岛素系统. 这些系统结合了CGM与胰岛素泵以及根据实时糖分水平自动调整胰岛素放出的控制算法. FDA批准的第一个混合闭锁-loop系统是Medtronic的迷你Med 670G,之后是Tandem t:slim X2与控制-IQ技术并用Control-IQ技术并用在播客舱中一个算法驱动的自动胰岛素放出.

这些系统的临床试验结果令人吃惊:用户通常在时间距离上提高2至3个百分点,同时大幅减少了低血糖。 在新英格兰医学杂志[ 2021年的一项研究表明,控制-IQ系统改善了对包括青少年和患有一型糖尿病的成年人在内的广泛年龄段的甘油控制。 下一个前沿是完全封闭-放电系统,这些系统也考虑到为预防低血糖而提供的克卢卡贡药,尽管这种双荷尔蒙系统仍然具有实验性。

国家糖尿病和消化和肾病研究所一直是人工胰腺研究的主要资助者,帮助将这些系统从概念化到临床现实.

移动保健应用:从数据采集到决策支持

智能手机已经成为糖尿病数据的核心。 数百个应用软件现在提供了远远超出简单记录的功能。 现代血糖管理应用 — — 比如 mySugr, Glooko, 和 One Drop — — 与CGM,胰岛素泵,智能笔等功能融合,甚至像Fitbit或苹果观察等健身跟踪器。 它们允许用户通过照片、条码扫描或人工输入、跟踪、睡眠和压力记录餐食;为医疗保健提供者撰写报告。

更先进的应用软件包含识别模式并提供个性化见解的机器学习算法。 例如,一个应用软件可能会注意到,一个用户在高脂晚餐后两小时就持续地经历葡萄糖倒地,或者早间运动导致全天更稳定的读取。 这些“模式识别”功能将原始数据转化为可操作的建议,而不需要用户进行统计分析。

行为科学原则越来越多地被编织入应用设计中:推动对误入剂量的通知、记录一致性的游戏要素以及社区参与的社会支持特征。 2022年发表的一份系统性审查和元分析在 Diabetes Care中发现,基于应用的干预平均将A1c改进了0.3–0.5%,在将自我监测与个性化反馈相结合的应用中效果更大。

互操作性挑战

尽管应用软件激增,但零散化仍然是一个主要障碍。 设备制造商往往将数据共享限制在自己的专利应用或需要专利连接器。 健康七级(HL7)快速保健互操作性资源(FHIR)等标准协议的出现以及像Tidepool这样的平台 — — 将数据汇总到各种设备之间并向临床医生发送统一报告 — — 正在帮助,但真正的互操作性仍然在数年之后。 患者和供应商经常会将多个应用和门户相拼,这造成了一个负担,破坏了提供方便技术的承诺。

人工智能和预测分析

人工智能已经超越了简单的模式识别,而是提前数小时预测葡萄糖出行的预测模型。 这些模型已经使用历史的CGM数据、胰岛素投放记录、餐食记录,甚至非糖尿病变量,如心率、环境温度和月经周期相等。 经常神经网络(RNN)和梯度起动的决定树是常见的算法;一些商业系统 — — 如美德罗尼奇的智能守护技术 — — 已经在30分钟内使用这种模型来先发制人地暂停胰岛素投放,而当低血压预测到30分钟后。

人工智能最令人兴奋的应用之一是剂量推荐系统。这些算法承担了计算胰岛素与碳水化合物比率和校正因子的负担。 例如,德累美德顾问背后的算法可以分析CGM和泵数据,以建议玄武质率调整和硼化物计时,这超出了简单的硼化物计算器。 于杰布健康研究中心进行的一项2020年的研究发现,人工智能驱动的1型糖尿病胰岛素剂量建议对医生的建议是没有受孕的,减少了在低血症中花费的时间。

然而,糖尿病中的AI并非没有限制。模型性能取决于高质量、有代表性的培训数据;主要从白人、富人、胰岛素泵使用者那里获得的数据集培训的算法可能无法很好地向不同人群普遍介绍计量吸入器。 此外,一些深层学习模式的“黑盒”性质可能会削弱患者和临床医生之间的信任。 建立解释性AI的努力——在建议背后的推理是透明的——对于临床采纳至关重要。

技术采纳方面的挑战和考虑

血糖管理技术工具包已经大幅扩展,但现实世界的采用面临重大障碍。 理解这些障碍对于创造公平有效的解决方案至关重要。

数据隐私和安全

健康数据非常敏感。 CGM、智能笔和应用程序生成了用户的葡萄糖水平、胰岛素剂量、膳食和活动模式的详细记录。 这些信息不仅对用户,而且对保险人、雇主、数据经纪人和恶意行为者都具有价值。 许多糖尿病应用程序和装置都存在安全弱点:2019年,研究人员发现某些蓝牙驱动的胰岛素泵可能被黑死伤,以提供危险的过量药物。 FDA等监管机构发布了医疗设备网络安全指南,但执法工作依然不一致。 用户应当寻找符合《健康保险可移植性和问责法》并提供强有力的加密,但还需要开展教育,帮助患者了解其设备收集的数据以及如何使用。 国家卫生协调员办公室IT 为保护个人健康信息提供资源。

费用和保险范围

在美国,典型的CGM传感器每月花费300美元至400美元,而一个泵可以先运行几千美元。 许多私人保险商和医疗保险公司现在为使用胰岛素的病人提供CGM保险,但为非胰岛素2型糖尿病或先天性糖尿病的保险却很少。 这创造了一个双层系统,即那些能够负担外购费用的人比那些买不起的人获得更精确的数据。 成本还限制了先进的特性:比如,完整的人工胰岛系统需要一台泵和一个CGM,将财务负担翻一番。

数字扫盲和健康平等

老年人、低收入或受教育水平的人以及农村地区的人不太可能使用糖尿病技术。 在糖尿病护理[(2021年)的一项研究发现,一等糖尿病的黑人和西班牙裔成年人使用CGM的比例比非西班牙裔白人成年人低得多,即使在控制保险和收入之后也是如此。语言障碍、缺乏文化定制的应用软件以及技术提供者经验有限,所有这些都有助于实现包容性的设计原则 — — 简化用户界面、提供多语种支持并确保与低成本智能手机兼容。 保健系统应投资于培训和远程保健支持,以弥合数字鸿沟。

用户负担和提醒法蒂格

矛盾的是,更多的数据会导致更多的焦虑。 CGMs对高低葡萄糖、感应错误、即将到来的低血糖等产生警报。 研究表明,许多用户都经历了“警报疲劳 ” — — 调整频繁通知,这可能造成危险的失误。 一些设备现在提供了适应性阈值,学习用户的典型模式并减少虚假警报。 但最终目标应该是在保持安全的同时尽量减少认知负荷。 设计思维方法让用户体验中心经验对于防止技术成为压力而不是增强能力至关重要。

血糖管理的未来

展望未来,若干新兴技术有望进一步改变该领域。

可栽培和可生物降解传感器

可以在皮肤下植入数月甚至数年的传感器正在临床试验中。 美国已经批准的Eversense CGM使用一个能持续90天并通过小门诊程序插入的荧光传感器。 研究人员还在开发生物降解葡萄糖传感器,在设定一段时间后溶解,从而消除清除的必要性。 这些传感器在低资源环境下可能特别有用,因为传感器的处置存在问题。

非侵入性葡萄糖监测

几十年来,圣克赖一直是测量葡萄糖非侵入性-没有针头,皮肤下没有传感器的装置。 方法包括近红外光谱、拉曼光谱、光声成像、用出汗、流泪或唾液测量葡萄糖。 虽然许多原型已经公布,但非侵入性装置还没有达到临床决策所需的准确性。 最有希望的最近一项是使用射频波的“知识实验室”公司手腕磨合装置,但目前仍在接受监管审查。 非侵入性监测如果得到实现,将大大降低任何想要跟踪其新陈代谢健康的人进入的障碍。

微生体和脑轴线干预

一个令人兴奋的前沿是操纵肠道微生,以改善葡萄糖代谢。 正在研究先生素、活性素和外阴微生素移植,以了解其改变短链脂肪酸生产并减少炎症的能力,从而增强胰岛素的敏感性。 一些数字健康应用现在纳入了微生素测试结果 — — 比如,根据个人肠道细菌确定导致葡萄糖个性化的食品。一项2021年的研究在 自然医学[中利用机器学习预测基于微生素成分的饮食的甘化反应,为真正的个性营养铺平道路。 原始研究 显示,这种模型在预测后葡萄糖时超过了碳水合物的计算。

基因治疗和再生医学

对于1型糖尿病,最终的技术干预可能是生物的:通过基因编辑或干细胞疗法创造连续的自律胰岛素供应。Vertex制药公司最近报告说,在1型糖尿病患者中,使用移植干细胞的黄细胞早期成功,尽管治疗需要免疫。其他努力集中在将这些细胞封入保护性液胶中,以遮住它们免受免疫系统的影响,同时允许它们通过葡萄糖和胰岛素。 如果这种疗法成功,对外部技术-CGMs、泵、笔-的需求可能会急剧减少。 在近期,只有在高糖(葡萄糖反应性胰岛素)进入临床前发展时,才会活化的智能胰岛素。

结论

血糖科学已经远远超出了葡萄糖分泌和注射器。持续的葡萄糖监测器提供了实时数据流,揭示出葡萄糖代谢的隐藏节律。智能胰岛素笔、泵和闭眼系统将剂量的自发性方面自动化,这些方面曾经是人工的、容易出错的任务。移动应用和人工智能将原始数据转化为个性化的洞察力和主动的警报。然而,光靠技术本身无法解决糖尿病。它的有效性取决于周到的设计、公平获取、强健的数据安全以及融入一个支持性医疗生态系统。

随着这些技术变得更加准确、不那么侵扰性、更能负担得起,它们有可能赋予数百万人权力 — — 不仅仅是糖尿病患者,而且包括任何对代谢健康感兴趣的人 — — 了解他们的身体如何应对食物、压力和活动。 最终目标不仅仅是管理血糖,而是优化血糖,使之更长久、更健康地生活。 该领域仍在演变,但有一点是明确的:生物学、工程学和数据科学的融合正在重写代谢医学规则,一次一个传感器。