人工智能辅助胰岛素管理系统在1型和2型糖尿病中的临床有效性、安全性与实施:随机对照试验系统评价

《Diseases》:Clinical Effectiveness, Safety, and Implementation of Artificial Intelligence-Assisted Insulin Management Systems in Type 1 and Type 2 Diabetes: A Systematic Review of Randomized Controlled Trials

【字体: 大 中 小 】 时间:2026年10月14日 来源:Diseases 3.7

编辑推荐:

  背景:人工智能(AI)正越来越多地通过决策支持系统、自适应餐时胰岛素计算器、对话平台和自动胰岛素输送(AID)技术整合至胰岛素管理中。然而,AI辅助胰岛素管理的临床有效性和安全性仍不确定。目的:系统评价随机对照试验(RCT)中关于AI辅助胰岛素管理系统用于1型

  
背景:人工智能(AI)正越来越多地通过决策支持系统、自适应餐时胰岛素计算器、对话平台和自动胰岛素输送(AID)技术整合至胰岛素管理中。然而,AI辅助胰岛素管理的临床有效性和安全性仍不确定。目的:系统评价随机对照试验(RCT)中关于AI辅助胰岛素管理系统用于1型糖尿病(T1D)或2型糖尿病(T2D)个体的证据。方法:遵循系统评价和荟萃分析优先报告条目(PRISMA)指南进行系统文献综述。检索PubMed/MEDLINE、Embase和Cochrane CENTRAL,纳入评估AI辅助胰岛素管理干预的RCT,对象为接受胰岛素治疗的糖尿病患者。合格研究将AI系统与标准治疗、临床医生指导的胰岛素滴定、传统餐时胰岛素计算器或其他AID算法进行比较。结局包括血糖控制、胰岛素滴定、安全性和实施相关指标。由于异质性显著,采用叙述性综合。结果:研究人员纳入7项RCT,发表于2020年至2025年。干预包括临床决策支持系统、自适应餐时胰岛素计算器、对话式AI平台、基于神经网络(NN)的人工胰腺算法和运动感知AID系统。AI辅助干预持续显示良好安全性,未增加严重低血糖、糖尿病酮症酸中毒(DKA)或严重不良事件。部分系统,尤其是全自动闭环平台和对话式AI指导的胰岛素滴定,显示葡萄糖目标范围内时间(TIR)、血糖控制、依从性和胰岛素优化改善。用户接受度和依从性成为有效性的重要决定因素。结论:当前随机证据提示,AI辅助胰岛素管理系统安全、可行,并能获得与传统治疗相当的血糖结局。尽管某些技术显示有前景的临床获益,但证据基础仍受样本量小、随访时间短和干预异质性限制。需要更大规模、长期RCT以确立比较有效性、优化人-AI交互并支持更广泛的临床实施。
1. 引言
糖尿病是全球重大公共卫生问题,优化血糖控制仍困难。胰岛素治疗需动态调整,涉及葡萄糖趋势、餐食、活动、敏感性和依从性。AI包括机器学习、NN、自适应算法和决策支持,已用于临床决策支持、AID、自适应餐时计算器和患者端工具,旨在个体化建议、自动调整并降低认知负担。潜在优势为响应更快、减少治疗惰性、降低医生负担。但有效性和安全性不确定,系统架构、自动化程度、人群和实施差异大。本综述聚焦直接参与胰岛素管理决策的RCT,评估血糖控制、胰岛素滴定、安全性和实施指标。
2. 材料与方法
2.1 研究设计与报告标准:遵循PRISMA,评估AI辅助胰岛素管理对糖尿病患者的有效性,关注TIR、高于目标范围时间(TAR)、低于目标范围时间(TBR)、平均葡萄糖、血糖变异性和胰岛素需求,以及低血糖、不良事件、依从性、可行性和用户接受度。未在PROSPERO注册,但按预设方案进行。
2.2 纳入与排除标准:纳入RCT,成人或青少年T1D或T2D接受胰岛素治疗;干预为AI或算法驱动系统;对照为标准治疗、医生指导滴定、传统餐时计算器或其他AID算法;至少一项持续葡萄糖监测(CGM)或实验室血糖结局。排除非随机、观察性、仅模拟、无对照或无相关结局者。
2.3 信息来源与检索策略:检索PubMed/MEDLINE、Embase和Cochrane CENTRAL至2026年7月24日,手工筛查参考文献。检索词涉及糖尿病、胰岛素、AI、机器学习、决策支持、闭环输送和RCT,仅限英文。
2.4 研究选择:两名评价者独立筛选,分歧讨论解决。最终纳入住院和门诊随机评估。
2.5 数据提取:标准化框架提取研究、参与者、干预、对照、结局、安全性和实施数据;同一干预用最完整数据。
2.6 偏倚风险评估:Cochrane RoB 2评估随机化、偏离干预、缺失结局、测量和报告选择。交叉试验也用标准RoB 2。
2.7 数据综合:因异质性未做荟萃分析,采用叙述性综合,按AI类型、临床环境、自动化水平、血糖疗效、安全与实施结局分组。
2.8 关注结局:主要TIR(70–180 mg/dL或等效),以及TBR、TAR、平均葡萄糖、血糖变异性和胰岛素需求;安全性和实施结局。
3. 结果
最终纳入7项RCT,2020–2025年,评估成人T1D或T2D。干预包括临床决策支持、自适应餐时计算器、对话式AI、NN人工胰腺和运动感知AID。研究来自中国、美国、英国和西班牙,涵盖住院和门诊。结局涉及血糖、胰岛素滴定、依从性、安全、可行性和用户接受度。因异质性未定量合并;5项涉及T1D成人,仅描述性分析。
4. 讨论
纳入研究在AI设计、人群、对照、时长和终点上异质,AI辅助涵盖多种技术。iNCDSS在住院T2D中与内分泌医生非劣效,TIR 76.4% vs 73.6%,安全且接受度高。AIDANET用微型NN替代模型预测控制(MPC),存储需求显著降低,输注行为接近。NAP为NN编码UMPC,T1D交叉研究中TIR与UMPC相当,低血糖相似。ABC4D为案例推理自适应餐时计算器,在每日多次注射(MDI)T1D中未改善日间TIR,安全,但AI推荐接受度较低(78.7% vs 93.5%)。VBAI对话式AI支持T2D基础胰岛素滴定,更快递到最佳剂量,依从性和达标率更高,空腹血糖和PAID-5改善,安全性可接受。exMPC为运动感知MPC AID,结合心率、加速度和长短期记忆(LSTM)低血糖暂停,12 h TBR无显著差异,运动后2 h平均葡萄糖较低(7.3 vs 8.0 mmol/L),76 h TIR >70%,无不良事件。PEPPER为AI自适应餐时顾问,在MDI或泵T1D中TIR无显著差异(62.5% vs 58.4%),但可行,接受率87%,无安全性增加。总体,AI影响取决于自动化水平、输入数据质量、临床情境和用户交互,而非仅AI存在。AI目前多作为增强策略,技术验证不等于临床有效。人因、透明性和监管是挑战。T1D中AID和NN控制器安全可行,决策支持依赖用户接受;T2D中住院决策支持非劣效,对话式AI改善滴定效率和依从性。
4.1 优势与局限:优势为均为RCT,平行和交叉设计互补,使用CGM客观指标,纳入安全性和实施结局,AI架构和场景多样。局限为样本量小、随访短、多为试点、把握度不足、仅7项RCT、异质性大不能荟萃、人-AI交互测量不一致、透明度少、偏倚风险多为一些担忧、未正式评估发表偏倚、外推性有限,多在高资源环境和技术熟练人群。
4.2 临床与实施意义:患者数据(CGM、自我血糖监测(SMBG)、胰岛素史、活动、餐食和可穿戴设备)进入AI引擎,生成剂量建议或AID,影响TIR、糖化血红蛋白(HbA1c)和低血糖,并反馈优化。证据提示自动化增加,但人工监督仍必要。用户依从、信任和参与是效果决定因素。可解释性和透明性是采用障碍。监管需适应动态学习系统。系统需整合电子健康记录、移动应用和多模态监测。未来成功取决于算法嵌入透明、以患者为中心且临床可用的路径。
5. 结论与未来研究建议
7项RCT显示AI辅助胰岛素管理系统总体安全,血糖结局与标准治疗相当,但证据有限且异质。未报告归因于AI的严重低血糖、糖尿病酮症酸中毒或严重不良事件。高自动化系统如闭环NN和对话式AI指导基础胰岛素滴定改善血糖、依从性和胰岛素优化;自适应餐时计算器和案例决策支持多与标准相当,未一致改善TIR。效果取决于减少治疗惰性、动态响应生理变化和支持患者行为。未来需大规模、足够把握度、长期随访RCT,标准化结局,纳入多样化人群,评估可解释AI、多模态数据、监管、伦理和网络安全,并谨慎解释比较有效性和广泛实施。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号