基于胰岛素与血糖动态监测的1型糖尿病跨年龄段酮体升高早期预测模型研究

为解决1型糖尿病(T1D)患者酮症酸中毒(DKA)风险预警难题，研究人员通过闭环系统整合连续血糖监测(CGM)、胰岛素输注及自我血糖监测(SMBG)数据，开发了XGBoost机器学习模型。结果显示，CGM特征对酮体升高(≥0.6 mmol/L)的预测效能最高(ROC-AUC 0.75-0.76)，联合多源数据后性能提升至0.82，为闭环系统实现DKA早期预警提供了新策略。

　　

糖尿病酮症酸中毒(DKA)是1型糖尿病(T1D)患者最凶险的急性并发症，尤其儿童患者因生长激素波动和依从性差更易发作。尽管闭环胰岛素输注系统能优化血糖控制，但临床数据显示患者仍频繁出现酮体监测不足现象——约30%家庭缺乏酮体检测试纸，导致DKA漏诊风险。更棘手的是，当前预警主要依赖血糖>300 mg/dL后的被动检测，错失了数小时黄金干预窗口。

针对这一临床痛点，国外研究团队创新性地将连续血糖监测(CGM)与胰岛素动态数据相结合，在《JMIR Diabetes》发表了首个跨年龄段(6-79岁)酮体升高预测模型。研究纳入259例使用Dexcom G6 CGM和iLet仿生胰腺系统的患者，采集超过49,000天监测数据中的1,768份有效酮体样本，其中383份达到风险阈值(≥0.6 mmol/L)。通过XGBoost算法构建的预测系统，首次证实胰岛素输注模式(如餐时大剂量和基础率)与CGM血糖下降速率等动态特征具有显著预警价值。

关键技术方法包括：1) 从Dexcom G6 CGM和iLet仿生胰腺系统获取12小时窗口期数据；2) 提取26个特征涵盖血糖波动、胰岛素累积量及下降比率等指标；3) 采用5折分层交叉验证优化XGBoost超参数；4) 使用SHAP值解析特征贡献度。

研究结果
模型性能：单独分析显示，胰岛素基础量(ROC-AUC 0.64)和当前血糖值(0.69)预测能力有限，而CGM动态特征(如12小时内血糖下降比率)将性能提升至0.76。整合多源数据后模型达到最优预测效能(ROC-AUC 0.82±0.01)。
儿科适用性：在<18岁亚组中模型保持0.80的ROC-AUC，证实其儿童适用性。
临床可解释性：SHAP分析揭示当前血糖值、CGM下降比率和餐时胰岛素量是前三大贡献特征，与生理机制高度吻合。

讨论与意义
该研究突破性地将胰岛素动力学纳入预警体系，弥补了既往仅依赖CGM数据的局限。如图4所示，模型能在酮体升高前1小时发出预警，使患者有机会通过检查输液管路或补充胰岛素阻断DKA进程。值得注意的是，闭环系统虽能自动调节胰岛素，但管路阻塞等机械故障仍会导致隐性胰岛素缺乏——这正是模型最具临床价值的预警场景。

局限性在于样本中酮体检测均触发于高血糖事件，可能遗漏非高血糖性酮症。未来需在开放队列中验证模型泛化能力，并探索与闭环系统的实时集成方案。这项研究为糖尿病急性并发症防控开辟了新路径，其跨年龄段适用性尤其有助于解决儿童糖尿病管理的世界性难题。