基于人工智能短视频推送技术的认知行为疗法对2型糖尿病患者的疗效评估——一项随机对照试验方案

《Diabetes, Metabolic Syndrome and Obesity》：AI-Delivered Short Video Cognitive Behavioral Therapy for Type 2 Diabetes Mellitus – A Randomized Controlled Trial Protocol

　　

**背景** 本文介绍了一项随机、对照、多中心试验的研究方案，旨在评估基于人工智能（AI）短视频推送技术的认知行为疗法（CBT）能否比传统标准治疗更有效地改善2型糖尿病（T2DM）患者的血糖控制。CBT已被证明可改善T2DM患者的血糖控制。为帮助T2DM患者长期建立并维持行为改变，研究人员开发了一款自我管理应用程序TANKON。患者可通过观看应用程序中自动播放的不同短视频来接受糖尿病相关知识和技能的CBT，短视频的播放顺序和内容基于AI技术精确计算。**方法** 这是一项非盲、多中心、平行组、1:1等比例随机对照试验。共298名参与者（每组149名）将从中国7家综合医院内分泌科入组。干预组（n=149）将通过TANKON应用程序接受CBT，该应用程序是一个AI驱动的平台，可自动推送教育短视频。对照组（n=149）将接受常规照护。在随后12周的随访中，干预组患者可选择延长或停止使用该应用程序。主要终点是干预组与对照组从基线至12周糖化血红蛋白（HbA1c）变化的差异。安全性评估包括低血糖事件和其他不良事件。**结论** 本试验评估基于AI短视频推送技术的CBT，该技术有潜力为T2DM患者提供一种可扩展的治疗选择。**试验注册** 试验编号：ChiCTR2400080050，注册日期：2024年1月18日（https://www.chictr.org.cn/showproj.html?proj=216374）。

**研究背景与问题** 据国际糖尿病联盟（IDF）糖尿病地图集数据，2024年全球成人糖尿病患者已超过5亿，预计到2050年将接近9亿。中国糖尿病患病率从2005年的7.53%上升至2023年的13.7%，影响约2.33亿成人。糖尿病是一种慢性疾病，糖尿病管理不应仅是治疗，而应是系统化管理。所有指南均推荐为所有糖尿病患者提供自我管理和教育，教育内容应包括良好饮食习惯、适当运动、规律血糖监测和用药指导。然而，中国糖尿病知晓率仅为36.7%，相当数量患者仍缺乏规范化糖尿病健康教育。即使在发达国家，患者自我管理教育的参与率仍不理想，如加拿大研究报告健康教育参与率仅为20.6%。糖尿病自我管理具有挑战性，大多数患者难以长期坚持。认知行为疗法（CBT）是一种简短心理治疗，其目标是识别和挑战扭曲的认知思维，并以更具适应性和健康的思维替代。荟萃分析表明，基于CBT的干预可有效改善成人糖尿病患者血糖控制。CBT的终极目标是诱导患者保持自我管理的长期记忆，长期建立并维持行为改变。然而，由于医院就诊频率受限，传统标准治疗每年仅能触发数次行为改变，难以诱导长期行为改变。与其他模式相比，视频因沉浸性、视觉吸引力和阐释复杂概念的能力，在传播健康信息方面更有效。短视频可简化和精炼内容，在全球广受欢迎。然而，短视频平台本质上是社交媒体，视频制作者无需专业背景，难以获得专业人员认可。研究表明，医疗专业人员制作的健康相关视频可靠性更高，但未必获得更多参与。此外，大多数现有糖尿病数字健康干预——包括基于短信的项目和移动应用程序——提供对所有用户相同的通用教育内容，常受限于低参与度、缺乏个性化和高脱落率。AI技术凭借疾病信息的整合和再处理在医学领域取得重要突破。研究人员所在科室开发了一款名为TANKON的糖尿病自我管理应用程序，可在iOS和Android系统使用。它通过自动播放短视频向不同患者精准提供糖尿病相关知识和技能的CBT，不同患者短视频的播放顺序和内容基于AI技术精确计算。推荐算法整合用户行为数据（如点赞、评论和分享）和个体临床参数（如病史、治疗方案、实验室结果和问卷回答），临床参数赋予更高权重，这使TANKON区别于主要依赖行为数据或通用内容推送的现有应用程序。鉴于AI短视频技术广泛可及，该技术有潜力为T2DM患者提供CBT并支持持续行为改变。然而，尚未有多中心随机对照试验评估整合临床参数与行为数据以提供个性化糖尿病自我管理支持的AI驱动短视频CBT干预。

**研究目的与设计** 本研究旨在确定基于CBT的AI短视频推送技术通过智能手机应用程序能否改善T2DM患者的糖尿病自我管理结局。具体目标为评估干预对以下方面的影响：（1）HbA1c水平；（2）人体参数包括体重、体质指数（BMI）、腰围、臀围和血压；（3）实验室参数和检查包括血糖水平、胰岛功能、血脂谱、肝肾功能及微血管和大血管并发症（心血管疾病）评估；（4）糖尿病相关生活质量；（5）糖尿病治疗满意度；（6）成本效益；（7）干预后3个月干预效果的可持续性，比较继续与停止使用应用程序者。本试验为非盲、多中心、平行组、1:1等比例随机对照试验。约7家研究中心的综合医院内分泌科参与。独立数据监测委员会（DMC）已成立，负责监督安全性、数据质量和跨中心协调。符合条件的参与者将随机分配至干预组（基于TANKON应用程序的CBT，n=149）或对照组（标准治疗，n=149）。试验包括12周干预期和随后12周随访期。

**关键技术方法** 本试验为多中心随机对照试验，从中国7家综合医院内分泌科招募298名18~70岁T2DM患者，1:1随机分为干预组和对照组。干预组使用TANKON应用程序，该程序包含1000余个时长1~5分钟的短视频，由内分泌科医师、临床心理学家、营养师和临床研究人员组成的多学科团队依据现行临床指南和循证实践开发，视频脚本和内容经临床心理学和内分泌学专家独立审核。推荐算法采用机器学习算法（包括深度学习和广义线性建模），整合用户行为数据（点赞、评论、转发）和个体临床参数（病史、治疗、人口学特征、体检结果、实验室数据和问卷结果），临床参数分析赋予更高权重，采用双向长短期记忆网络（BiLSTM）等多层神经网络进行矩阵运算和深度学习，通过sigmoid输出概率估计决定视频推送。主要终点为基线至12周HbA1c变化，采用意向性治疗分析，协方差分析（ANCOVA）评估组间差异，研究中心作为随机效应纳入模型，缺失数据采用重复测量混合效应模型（MMRM）处理。安全性评估包括低血糖事件和其他不良事件。

**研究结果**

**主要结局** 主要疗效结局为基线至12周HbA1c变化，在干预组与对照组之间进行比较。样本量基于假设组间差异为?0.40%、预期效应量为1.1个标准差确定，1:1随机化所需样本量为238名参与者（把握度1?β=0.80，双侧α误差0.05），考虑20%脱落率，目标入组298名参与者（每组149名）。HbA1c分析被广泛认为是反映前8~12周平均血糖水平的指标，12周试验时长被判定足以检测有意义的治疗获益。

**次要结局** 次要疗效结局包括：（1）人体参数：体重、BMI、血压、腰围和臀围，在访视0、2、3、4、5评估。（2）实验室参数和设备检查：血糖水平（空腹血糖FBG和餐后2小时血糖2hPBG）、胰岛功能（空腹胰岛素、C肽、稳态模型评估胰岛素抵抗HOMA-IR和稳态模型评估β细胞功能HOMA-β）、血脂谱（甘油三酯、胆固醇、低密度脂蛋白胆固醇和高密度脂蛋白胆固醇）、肝肾功能、通过尿微量白蛋白/肌酐、肾功能、眼底检查、神经电生理检查、颈动脉和下肢血管超声及心电图评估微血管并发症（肾病、视网膜病变、神经病变）和大血管并发症（心血管疾病），微血管和大血管并发症在访视0、4、5测量，其他次要疗效结局在访视0、2、3、4、5测量。（3）糖尿病相关生活质量和方式评估：采用健康调查简表（SF-36）、糖尿病依赖生活质量审核量表（ADDQoL）和欧洲五维五水平健康量表（EQ-5D-5L）评估糖尿病相关生活质量和患者健康状况，采用糖尿病自我照护活动总结量表（SDSCA）评估糖尿病患者自我管理行为，在访视0、2、3、4、5评估。（4）糖尿病治疗满意度评估：采用糖尿病治疗满意度问卷（DTSQ）评估患者治疗满意度，在访视0、2、3、4、5评估。（5）干预与传统文化标准治疗的成本效益比较，在访视0、4、5评估。（6）采用移动应用程序评定量表（MARS）评估干预组感知干预质量，在访视0、4、5评估，同时评估试验期间应用程序使用频率，在访视0、2、3、4、5评估。此外，研究人员将调查干预效果的可持续性，比较3个月延长使用应用程序与停止使用应用程序及对照组对HbA1c、体格检查（体重、BMI、血压、腰围和臀围）和问卷（SF-36、ADDQoL、EQ-5D-5L、SDSCA和DTSQ）的影响，并评估成本效益、感知干预质量和应用程序使用频率。

**安全性结局** 主要安全性结局为低血糖事件发生率。低血糖分级为：1级低血糖定义为血糖<3.9 mmol/L但≥3.0 mmol/L；2级低血糖定义为血糖<3.0 mmol/L；3级低血糖以精神状态改变需要外部援助恢复为特征，无特定血糖阈值。低血糖事件数在访视4、5从应用程序（干预组）和患者日记（对照组）提取。其他安全性结局包括其他不良事件（在访视0、1、2、3、4、5记录）、心电图异常、血尿常规检查异常（在访视0、4、5记录）。每组患者入组后接受相关教育和治疗措施，需要时可致电医师。

**随机化与质量控制** 采用患者水平的简单分层区组随机化。首先按各研究中心分层，然后在各中心内进行区组随机分组。各研究中心授权站点工作人员招募参与者并通过计算机算法（Research Randomizer）生成分配序列，采用区组随机化（区组大小=4）按1:1分配至干预组和对照组。签署知情同意书后间隔10天，若患者符合研究标准并完成基线检查，协调研究人员将告知患者随机化结果。所有研究人员在招募前接受培训以了解研究设计、实施和法规。研究质量控制人员定期访问各中心指导研究进展并检查所有研究文件的完整性。南京医科大学附属江宁医院伦理委员会将定期安排质量控制检查。

**统计分析方法** 所有阳性治疗效应评估将基于意向性治疗分析。采用协方差分析（ANCOVA）评估干预组和对照组之间的差异， pairwise比较采用Bonferroni校正。模型将随访数据作为因变量，基线测量作为协变量，组别状态作为自变量。为考虑多中心设计，研究中心将作为随机效应纳入模型。连续变量采用描述性统计总结，酌情采用t检验或Mann-Whitney U检验比较；分类变量采用卡方检验或Fisher精确检验比较。为探索干预暴露与临床结局之间的关系，将进行剂量-反应分析，应用程序使用指标（如总视频观看时间、观看视频数和登录频率）作为连续变量纳入回归模型，评估其与HbA1c变化及其他次要终点的关联。亚组分析将针对性别、年龄（18~40岁、41~60岁和61~70岁）、教育水平、糖尿病药物使用（是否使用胰岛素）、基线BMI（<18.5 kg/m²、18.5~24.9 kg/m²、25~29.9 kg/m²和≥30 kg/m²）和基线HbA1c（<7%、7%~10%和>10%）等变量进行。缺失数据主要分析采用重复测量混合效应模型（MMRM），敏感性分析采用多重插补。使用SPSS 32.0软件。

**讨论与结论** 为评估基于AI短视频推送技术的CBT通过智能手机应用程序的医疗效果和医学获益，研究人员设计了一项多中心、开放标签、随机、平行组对照试验。结局指标涵盖临床和患者报告终点。尽管中国糖尿病自我管理应用程序激增，但其整体功能仍受限。对66款国内可用应用程序的系统综述显示，大多数由私营企业开发，综合服务能力评分较低，这些应用程序主要强调数据记录和设备连接，教育内容大多限于静态文本或用户生成帖子，教学价值有限且用户参与度低。国际上，若干具有临床疗效证据的应用程序（包括mySugr、DiaB和Vitadio）已在随机对照试验中评估。然而，mySugr主要侧重于血糖记录和胰岛素剂量计算，教育内容通过自动反馈而非主动知识传递提供；DiaB采用短视频作为教育媒介但地理上局限于越南；Vitadio使用AI算法提供个性化饮食和运动指导，但其算法驱动方法可能随时间推移降低患者参与度，且缺乏系统开发的健康教育课程。为克服这些局限性，研究人员的应用程序通过由多学科医学团队开发和审核的短视频健康教育模块，结合基于个体患者需求和疾病阶段的智能推荐系统提供定制内容，实现个性化教育和规模化持续自我管理。近期荟萃分析证明移动健康干预降低中国T2DM患者HbA1c的潜力，同时指出高异质性和缺乏结合应用程序推送与CBT的高质量多中心随机对照试验，本研究为填补这一空白提供证据。研究人员使用HbA1c水平作为主要终点，因为HbA1c分析被广泛认为是反映前8~12周平均血糖水平的指标，12周试验时长被判定足以检测有意义的治疗获益。作为结局指标，研究人员还评估若干评估糖尿病心理方面的患者报告问卷、人体参数和辅助检查，旨在反映糖尿病治疗和照护的复杂性。有大量证据表明相应问卷具有临床相关性，因为它们与血糖参数相关联。研究人员还通过体格检查和辅助检查评估代谢综合征组分。高血糖是代谢综合征的一个组分，代谢综合征的其他组分是肥胖、血脂异常和高血压，这些组分相互关联并直接促进动脉粥样硬化性心血管疾病、脑血管疾病的发生，增加T2DM和糖尿病并发症的风险。本试验存在若干局限性：第一，自我管理应用程序仅有中文版本且需要智能手机，可能排除部分原本符合条件的群体，未来研究应探索替代推送方法并在多样化人群中评估干预以建立更广泛普适性。第二，孕妇因妊娠对HbA1c的影响被排除，其他类型糖尿病因推荐血糖目标不同也被排除。第三，评估行为改变的长期可持续性仍不充分，需要延长随访研究。第四，应用程序行为干预所需的开放标签设计使参与者和研究者无法设盲，然而主要结局（HbA1c）的客观性质、由对分组设盲的实验室技术人员评估以及集中电子数据采集有助于最小化检测和性能偏倚风险。第五，对照组缺乏数字干预可能引入注意力偏倚，观察到的差异可能部分反映非特异性注意力而非AI-CBT的特异性效应，为减轻此影响，两组接受相同随访频率，主要结局（HbA1c）为客观指标，并将进行剂量-反应分析。第六，潜在数字特异性危害——包括技术依赖、通知焦虑和不准确内容风险——通过可定制通知、专家内容审核和DMC安全监测予以减轻。此外，自我报告的行为结局可能存在回忆偏倚和社会期望偏倚。智能手机要求可能限制对数字素养较低人群的普适性，按年龄和数字素养的亚组分析将探索差异性参与，但研究对这些分析未设把握度。AI个性化优于标准工具的声称仍是待检验的假设。本试验的优势包括随机对照设计、真实世界环境实施和广泛入选标准增加研究结果的普适性。鉴于智能手机的广泛应用，提供自我管理应用程序具有潜在治疗前景。若这种基于AI短视频推送技术的自我管理应用程序被证明能有效降低HbA1c，可能为T2DM患者提供额外治疗选择。更重要的是，它可能改善患者的认知和自我管理技能，减少医疗保健提供者工作量，降低医院就诊频率和相关成本，并增强糖尿病照护在基层环境中的可及性，特别是在资源有限地区。研究完成后，研究人员计划开展实施研究以评估其整合到常规临床实践，并延长随访以评估长期可持续性和成本效益。需要在多样化人群和医疗保健环境中进一步研究以建立更广泛适用性。