AI智能体破局、院内血糖管理升级、CGM多场景硬核实测！糖尿病全周期管理交出新答卷 | 2026 DDMC

2026年5月30日，2026第三届糖尿病数字管理大会在上海正式召开。本次会议由上海交通大学主动健康战略与发展研究院主办，以「数智赋能·全球协同：糖尿病全周期管理新征程」为核心主题，汇聚国内外内分泌领域顶尖专家、临床学者与产业从业者，共同聚焦糖尿病数字化转型的发展趋势与实践路径。

当前，人工智能（AI）、大数据、持续葡萄糖监测（CGM）等数字技术正加速融入临床。围绕可信数据空间、AI智能体、院内智慧化血糖管理、CGM多场景临床实践等热点议题，与会专家展开深入交流，共同探讨数字化技术在糖尿病全周期管理中的落地路径与价值。

近年来，AI能力的跃迁有目共睹。据斯坦福大学《The 2026 AI Index Report》，AI不仅在图像、语言理解上早已超越人类；更在2025年于科学推理、数学解题等高阶任务上，首次达到专家级水平；在医疗场景，专为医生打造的AI知识平台，一年内在美国医生中的渗透率便从不足10%攀升至45%。

然而，能力越强，隐患越不容忽视。“AI幻觉”问题至今依然严峻，一旦叠加大众健康素养的不足，错误信息的临床风险便被进一步放大。当AI真正走进糖尿病管理，如何让它既“可信”又“可用”？

围绕这一命题，三诺生物副总经理兼董事会秘书郑霁耘博士结合AI技术发展趋势与医疗落地痛点，分享了以可信数据空间为核心底座的糖尿病专病智能体的建设思路与价值。

郑霁耘博士表示，在AI能力不断突破的当下， AI辅助院外糖尿病管理面临“双重困境”。

其一是“机器的困境”：AI本身无法百分之百还原真实世界，也无法百分之百保证回答的安全与准确，需要更多工程化手段加以约束；其二是“人的困境”：目前，糖尿病患者的健康素养，普遍存在“知、信、行”三低的现状——认知不足，就会对病情不在乎、对管控不重视；信念不强，就会对专业建议不理解、对科学方案不信任；最终直接造成行动缺位，慢病管理依从性持续偏低。

由此，iCanNet可信数据空间和“小诺智能体”应运而生。

图源：讲者PPT

iCanNet的底层基因，来自加州大学伯克利分校郁彬院士等专家在《真实数据科学》中提出的“PCS”原则：数据必须具有可预测性（Predictability）、可计算性（Computability）和稳定性（Stability），才能称之为真实可信的数据，安全合规地支撑AI模型落地应用。

在数据可信度校验环节，iCanNet基于弹簧样噪声、跳值识别等专有算法定位到异常时间段，并创建异常事件；在健康状况分析和风险预警时，剔除无效数据，避免异常值干扰判断。此外，iCanNet通过标准化编码与转换，让不同数据类型都能被AI理解、计算；而对于多渠道、多版本来源的数据差异，iCanNet可建立统一的字段映射表、执行逻辑校验与标准化分组，完成全链路数据治理，从而实现数据资产的稳定可用。最终，将零散的原始数据转化为可解释、可落地的智能决策，实现从可信数据到精准赋能的完整闭环。

“小诺智能体”基于iCanNet可信数据空间，是爱看健康智能版推出的一位“对话式”陪伴健康管家。患者面对复杂的血糖曲线，可随时发起提问，即时获得专业解读与指导，逐步提升对自身健康状况的认知；在持续交互过程中，“小诺智能体”能同步学习患者的行为习惯与个体偏好，并依托iCanNet动态更新健康洞察，为每位患者构建专属的健康数据画像，并结合全方位评估与专业算法，输出个性化的精准控糖方案。

图源：讲者PPT

而“小诺智能体”的设计，也对应着糖尿病患者“知、信、行”3个层面的逐级提升。

“小诺智能体”能把复杂的分析结果，转化为用户听得懂的风险解释与可执行的干预指导，例如：

• 当识别到血糖异常波动时，引导用户回忆行为、定位诱因；

• 当预测到未来高低血糖风险时，提前给出干预建议；

• 当检测到持续高压、睡眠不佳等影响因素时，给予情感关怀与调整提示；

• 当到了复查节点时，主动提醒用户完成指标检测，推动线下诊疗闭环；授权后，医生也可在爱看服务平台看到用户的居家监测数据，更精准地评估患者病情。

图源：讲者PPT

通过这些数据驱动的风险提醒与个性化指导，从而帮助用户从“模糊感知” 升级为“清晰认知”，真正看懂自己的健康状态，主动迈出控糖管理的第一步。

依托iCanNet的可信数据，“小诺智能体”会把用户的每一次饮食、运动、用药记录，和血糖变化做精准关联，帮用户看懂行为对血糖的真实影响。它会解释每一次血糖波动背后的原因，同步每日异常情况，让用户清晰掌握自己的血糖趋势和波动规律。

图源：讲者PPT

“小诺智能体”会先通过健康评估，帮用户定位关键问题、制定可达的个性化目标，再通过可视化的方式，持续展示关键指标的改善过程。用户能直观看到自己的每一次进步、每一处改变，在正向反馈中，逐步建立长期控糖的信心，也让和医生的沟通更清晰、更高效。

在行为记录上，“小诺智能体”通过语音、拍照识别降低打卡门槛，帮用户轻松构建专属“个人食物升糖库”，让指导从通用GI值标准，进化为贴合个体反应的个性化建议。每一次餐食记录，都会触发餐后血糖分析；每一次分析结果，都会动态迭代用户的食物升糖数据，并直接应用到下一次餐前指导中，形成 “记录-分析-优化-再指导” 的闭环，让方案越用越懂用户、越用越精准。

图源：讲者PPT

郑霁耘博士总结道，正是这种看得见效果、持续迭代的正向反馈，让用户更愿意行动，也更容易坚持。而这套能力，院内、院外同根同源：基于同样的专业沉淀与AI算法，围绕动态血糖与多指标监测。在院内，AI帮医生把诊疗做得更高效、更省心，医生也能在爱看服务平台清晰看到患者的变化与改善趋势；回到家中，“小诺智能体”则帮患者把管理做得更轻松、更能坚持，共同支撑起一个更精准、更高效、更个性化的糖尿病管理全流程。

河北医科大学第三医院周慧敏教授结合河北医科大学第三医院实践，分享智慧化血糖管理的落地模式与成效。

作为一所以创伤急救为主的三甲综合医院、国家紧急医学救援基地，全院74个临床科室中，手术科室占到56.8%。手术、外伤等应激因素，让围术期血糖管理的难度与风险放大。而现实更为严峻：该院非内分泌科住院患者中，高血糖比例在2024年已达90.8%，2025 年进一步升至93.3%。

换言之，绝大多数需要被管理的高血糖患者，并不在内分泌科，且住院患者高血糖频发，易推高并发症和死亡风险；而跨科室管控效率偏低，患者出院后又面临院外管理断裂、复诊率低的困境。

周慧敏教授坦言，全院血糖管理“重中之重”，是依赖“信息化”的建设程度。为此，该院信息系统历时约3个月完成改建，从医生端、护士端到全院需求逐一调研，边推广边迭代，最终构建起由硬件[CGM+指尖血糖监测（BGM）]+软件[糖尿病管理系统：CGM+BGM+持续皮下胰岛素输注（CSII）+患教平台]两部分组成的“数智化血糖管理系统”。

图源：讲者PPT

该系统的核心逻辑之一就是让“被动等会诊”变成“系统主动找”。该院所有住院患者的血糖数据都会自动上传至与HIS/EMR对接的管理平台，一旦血糖超标，医生工作站会自动弹窗提示：“你所管的患者血糖高了，是否需要内分泌科会诊？”医生点“是”即可。患者血糖信息全部由系统自动抓取，无需再手写病情与目标。繁琐的传统会诊，被压缩成一次点击。

患者一旦纳入“虚拟病房”，管理模式也随之升级为“双科共管”。与过去内分泌科只能提建议、再等对方下医嘱不同，如今内分泌科医生可直接通过系统，开立医嘱、制定降糖方案、记录病程等；内分泌科护士可直接执行患教、胰岛素泵安装与摘除、巡泵等任务。非内分泌科医护则承担日常血糖观察、皮肤与管路护理、低血糖处理等基础工作。各方角色清晰、动作衔接顺畅，不必再为每一步反复打电话沟通，效率提升的同时，临床的获得感也很直接。

图源：讲者PPT

数智化血糖管理模式还在向两端延伸。对外，针对过去“出院即失管”的非内分泌科糖尿病患者，该院借助院外血糖监测云平台开展随访，打通了“院内+院外”的全流程闭环；对内，正在建设的智慧化可视病房，让内分泌科会诊医生无需亲赴各科室，通过大屏即可与患者床旁交流，管理更人性化、也更精准。

图源：讲者PPT

成效正在显现。目前，该模式已推广至院内近50个临床科室，全面覆盖内科与外科，日均在管非内分泌科糖尿病患者达120人；血糖达标率与管理效率同步提升，病床周转率提高，血糖相关并发症减少，围术期服务质量得到改善。更具示范意义的是，依托这一实践，该院牵头制定了卫生领域首个由河北牵头的京津冀协同地方标准，带动了区域慢病管理工作的发展！

中南大学湘雅三医院金萍教授分享了FDA iCGM标准下CGM系统的性能要求、验证结果与多场景应用价值。ADA 2026首次推荐CGM可覆盖糖尿病“全病程周期”，支持儿童、青少年及成人糖尿病患者在发病时及病程任何阶段使用CGM，并针对不同人群设置了个体化葡萄糖目标范围内时间（TIR）目标值。

美国FDA iCGM标准则对CGM性能提出更高要求，核心聚焦CGM“点准确性”、“血糖趋势准确性”、“安全性”三大维度，本质是解决CGM“能否直接用于临床决策”的核心问题。

图源：讲者PPT

金萍教授介绍了由国际临床化学和实验室医学联合会（IFCC）CGM工作组主席、德国乌尔姆大学Guido Freckmann教授主导的一项CGM性能评估研究。

研究结果显示，三诺爱看CGM满足 FDA iCGM 全部准确性与安全性标准！包括最严苛的趋势准确性条款，血糖快速下降时，反向误报率为0%（腹部）和0.8%（手臂），均远低于1%的阈值；安全性条款中，低血糖误判为高血糖、高血糖误判为低血糖的事件均为0。

图源：讲者PPT

在平均相对误差（MARD）方面，腹部9.4%，手臂9.8%，两个部位均＜10%，整个15天佩戴周期持续稳定。

图源：讲者PPT

在20/20一致率方面，腹部95.5%，手臂95.3%；且全血糖范围均保持高一致率，确保高/低血糖都能可靠监测（>95%）。

在共识误差栅格（CEG）方面，配对数据100%落入CEG A+B区，符合临床使用要求。

图源：讲者PPT

此外，研究人员对所有植入CGM传感器的相关不良事件进行汇总：三诺爱看CGM在腹部和手臂均安全可靠，不良事件轻微，植入及取出疼痛低，腹部植入更舒适，几乎无疼痛报告，显示良好的佩戴耐受性和患者友好性。

ICU可以说是CGM最难立足的临床场景之一——血管活性药物、大量补液、电解质紊乱均可能干扰传感器性能；既往研究存在对比血样不规范、未验证不同生理状态等局限，而国产CGM在ICU场景的系统性验证几乎空白。

在此背景下，金萍教授团队于2025年3月至9月，在中南大学湘雅三医院ICU及呼吸与重症医学科（RICU）开展了一项前瞻性观察性研究，共入组129例患者，涵盖重症肺炎、呼吸衰竭、脓毒血症、急性重症胰腺炎、脑梗死、恶性肿瘤及多器官功能衰竭等多种重症病种，系统评估三诺爱看CGM在危重症场景下的准确性与临床应用价值。

研究结果显示，三诺爱看CGM整体MARD 12.71%，低于14%阈值。Clarke误差栅格A+B区占比100%，Bland-Altman检验显示仅5.48% 数据超出95%一致性界限，离散度低。

图源：讲者PPT

研究对受试者按血糖范围、年龄（18~65岁 vs >65岁）、性别、血压状态（高血压/正常/低血压）分层后，MARD始终稳定在12.35%~13.16%之间，各分层间无显著差异。

图源：讲者PPT

2026第三届糖尿病数字管理大会聚焦数智化全周期控糖落地，立足行业现存痛点，从可信数据底座搭建、AI智能体管理血糖、全院血糖管理模式、CGM重症场景验证等多维度分享落地成果。多项临床数据与落地实践共同佐证，CGM 融合AI的数字化方案，正成为推动糖尿病诊疗迈向精细化、全周期化的关键路径，也是未来慢病管理主流发展趋势。