达标也不安全：9万余人CGM数据下，DGRS把两成多达标者重划高危
《npj Digital Medicine》于2026年10月13日上线一项研究，由中南大学湘雅二医院等团队完成，在iCanNet队列的90757名参与者中考察48项持续葡萄糖监测（CGM）衍生指标与糖尿病前期、2型糖尿病、1型糖尿病相对于正常血糖者的关联。三组患者的CGM特征均与正常血糖者显著不同，P值均小于0.001。纳入前五项指标后糖尿病分类性能显著改善，校准分析显示预测风险与观察风险一致。研究用高斯混合模型在2型糖尿病中识别出四种血糖表型：持续高血糖与急性并发症风险升高59%相关，高血糖变异性与急性并发症风险升高75%、慢性并发症风险升高41%相关。团队建立的数字血糖风险评分（DGRS）在已达目标范围内时间大于等于70%的患者中仍识别出残余风险。
数据视角 × 医疗数据从业者 ｜ 趋势前瞻 × 监管与合规专家 ｜ 深度研报
开场：90757名参与者与48项CGM衍生指标的起点
持续葡萄糖监测 (continuous glucose monitoring, CGM) 让血糖数据从零散的单点测量变成连续的高维数据流。但这些数据能否真正用于疾病刻画与风险分层，此前并不清楚。
2026年10月13日，《npj Digital Medicine》上线了一项由中南大学湘雅二医院等机构团队完成的研究。团队在名为 iCanNet 的队列中纳入90757名参与者，系统考察48项CGM衍生指标与糖尿病前期、2型糖尿病 (T2D)、1型糖尿病 (T1D) 之间的关联，并以正常血糖者作为对照。
这48项指标并非只看平均血糖水平，而是覆盖多模态特征与昼夜血糖谱。研究的整体框架分为三步：先比较不同糖代谢状态之间的指标差异，再用无监督方法划分血糖表型，最后建立一个可量化的并发症风险评分。
对医疗数据从业者来说，这个起点的意义在于规模与维度：一个超过九万人的连续监测队列，配合48项衍生指标，为后续的分型与建模提供了扎实的数据基础。
分组对照：糖尿病前期、2型与1型相对正常血糖者的CGM特征差异
研究的第一步是横向对照。团队以正常血糖者为参照，比较糖尿病前期、2型糖尿病与1型糖尿病三组人群在48项CGM衍生指标上的表现。
结果显示，三组患者均表现出与正常血糖者显著不同的CGM特征，各项比较的P值均小于0.001。这意味着CGM衍生指标不仅能够区分「有病」与「无病」，还可能携带足以刻画不同糖代谢状态的细节信息。
对数据从业者而言，这组对照还提示了另一层含义：糖尿病前期并不是正常血糖与糖尿病之间的模糊过渡带，它在连续监测数据上已经呈现出可测量的独立特征，这为早期识别提供了数据入口。
更具工程意义的是后续验证。团队测试了把这些指标纳入糖尿病分类模型后的表现：纳入前五项指标后，糖尿病的分类性能出现显著改善。换言之，并非指标越多越好，少数关键指标已经能够带来可观的增量。
在模型可信度方面，校准分析显示预测风险与观察风险一致。这一点对风险分层工具尤为关键：一个区分度很高的模型，如果预测概率与实际发生率出现系统性偏离，临床落地时就会误导决策。校准结果的一致性，为后续风险评分的使用提供了前提。
四种血糖表型：持续高血糖与高变异性各自对应的风险升幅
在2型糖尿病内部，团队用高斯混合模型 (Gaussian Mixture Model, GMM) 做无监督聚类，识别出四种血糖表型。这一步的意义在于：同为2型糖尿病患者，其血糖动态模式并不相同，笼统管理可能掩盖真实差异。
不同表型对应的并发症风险也不同。持续高血糖表型与急性并发症风险升高59%相关。高血糖变异性表型则表现出更宽的风险关联：与急性并发症风险升高75%相关，同时与慢性并发症风险升高41%相关。
值得注意的是，高血糖变异性与急性、慢性两类并发症风险均存在关联，且在急性并发症上的关联幅度高于持续高血糖表型。这提示血糖波动本身可能是一个独立于平均血糖水平的风险维度。
需要强调的是，上述升幅来自关联分析，反映的是表型与并发症风险之间的统计关联，并不能解读为个体层面的因果预测。
关键发现：TIR达标者里仍有25.0%与22.3%被重划进高危组
在此基础上，团队建立了数字血糖风险评分 (digital glycemic risk score, DGRS)，用于量化2型糖尿病患者的并发症风险。
真正的冲击出现在达标人群身上。目标范围内时间 (time in range, TIR) 是当前血糖管理中最常用的核心指标之一，临床上常以TIR大于等于70%作为达标口径。但在这一批已达标的患者中，DGRS仍然识别出残余风险。
具体而言，DGRS把其中25.0%的人重新划入急性并发症高危组，把其中22.3%的人重新划入慢性并发症高危组。也就是说，在现行口径下被视为控制良好的患者里，约四分之一实际上仍属于高危人群。
对数据从业者来说，这是一次典型的「指标失灵」案例：单一阈值指标把连续、多维的生理信息压缩成一个二元判断，而压缩过程中丢失的恰恰是风险信息。DGRS的价值不在于否定TIR，而在于补上TIR看不到的那一层。
冷静观察：TIR达标不等于低风险，但管理目标该怎么改还没定论
这项研究最需要被准确传达的结论是：TIR达标不等于低风险。现行以TIR达标为主的管理口径会漏掉约四分之一的高危者，这不是对达标本身的否定，而是对达标口径覆盖面的提示。
同时也要守住解读边界。研究中报告的风险升幅均为关联分析结果，描述的是表型与并发症风险之间的统计关联，不能作为个体层面的因果预测使用。DGRS在此处承担的是风险分层职能，而非个体预后判定。
从监管与合规视角看，有几点值得留意。其一，DGRS目前基于单一队列建立，其外部验证与跨人群泛化能力尚未在本次研究中给出结论。其二，若这类评分进入临床决策或产品功能，阈值设定、重划比例与高危人群的归属规则，都需要明确的验证证据与使用边界说明。其三，患者被重新划入高危组之后，对应的干预措施是什么、能否带来净获益，目前仍是开放问题。
对临床工作流而言，多一层分层就意味着多一轮判读与随访安排，其成本与收益需要在真实场景中核算，而不只是看模型的分层能力。
因此，更稳妥的表述是：CGM衍生指标为2型糖尿病的风险分层提供了新的信息维度，DGRS展示了在达标人群中识别残余风险的可行性；但管理目标是否应当调整、如何调整，尚无定论，需要前瞻性研究与真实世界验证来回答。
原文链接：npj Digital Medicine
千方医数集编辑部 出品
