中美高校双突破：AI预测糖尿病亚型，传感器实现无标记监测

中美高校双突破：AI预测糖尿病亚型，传感器实现无标记监测

糖尿病是全球性的慢性疾病，影响着数亿人的健康。近年来，随着科技的不断进步，血糖监测技术也取得了突破性进展。近日，斯坦福大学和华中科技大学在血糖监测领域分别取得了重要研究成果，为糖尿病患者带来了新的希望。

美国斯坦福大学医学院的研究团队开发出一种基于人工智能的算法，能够通过连续血糖监测数据预测2型糖尿病的代谢亚型。这一突破性研究发表在顶级期刊《Nature Biomedical Engineering》上，为糖尿病的精准治疗提供了新的可能。

研究团队通过分析32名受试者的口服葡萄糖耐量试验数据，成功预测了肌肉胰岛素抵抗、β细胞缺乏和增量素作用受损的亚型，准确率高达95%。这一技术的创新之处在于，它不仅能够通过标准的高血糖测量方法识别代谢亚型，还能在家中使用连续血糖监测设备进行，大大提高了检测的便捷性和可及性。

这一技术的临床价值不容小觑。据统计，美国约有4000万人被诊断患有糖尿病，9800万人患有前驱糖尿病。这种基于AI的监测技术能够帮助患者及早发现病情，采取预防措施，如调整饮食或增加运动。更重要的是，它为个性化治疗提供了可能，因为不同亚型的糖尿病可能对不同的药物反应更佳。

华中科技大学生命科学与技术学院刘钢教授团队在《Advanced Science》期刊发表了一项重要研究成果，推出了一种名为MGMSPR的光学生物传感器，实现了无标记、实时的葡萄糖检测。

MGMSPR芯片是一种创新的无标记、可实时监测的光学生物传感器，通过独特的超表面纳米杯阵列结构，能够在纳米尺度上操控光波传播，从而有效检测各种分子。基于银镜增强的强反射原理，将光束集中在芯片表面，从而形成适合小分子检测的MetaSPR表面。研究团队为了进一步提升灵敏度，MGMSPR芯片集成了通过混合干燥工艺制作的3D MXene与氧化石墨烯（MG）薄膜，作为电子传递载体放大局域电场效应，同时加入高表面积二维材料以增强分子吸附。

该传感器在人体汗液和工程菌发酵过程分析技术（PAT）中的实时葡萄糖监测能力得到了验证。研究人员将MGMSPR芯片与微流控系统进行集成，实现了在人工汗液中10分钟内的快速超灵敏葡萄糖浓度检测，且与血糖仪测试的浓度结果一致（r = 0.943）。此外，对MGMSPR传感器特异性进行了验证，发现样本中的乳酸、尿酸等其他汗液代谢物对葡萄糖的检测没有明显干扰。

斯坦福大学和华中科技大学的研究成果各有优势。斯坦福大学的技术侧重于通过AI和机器学习预测代谢亚型，有助于对早期患者进行风险分层；而华中科技大学的MGMSPR技术则实现了无标记、实时的葡萄糖检测，具有更高的灵敏度和特异性。

这些创新技术的出现，有望彻底改变血糖监测的传统模式。AI驱动的连续血糖监测技术能够提供更精准的诊断和风险预测，而MGMSPR光学生物传感器则实现了便捷、快速的实时监测。这些技术的结合，将为糖尿病患者提供更全面、个性化的管理方案，有望降低糖尿病并发症的风险，提高患者的生活质量。

随着这些技术的不断发展和完善，我们有理由相信，未来的血糖监测将更加精准、便捷和个性化。这不仅将为糖尿病患者带来福音，也将为整个医疗健康领域带来深远的影响。