综述：关于基于人工智能的方法在重症监护病房中用于血糖控制和风险预测的系统性回顾

时间：2026年3月13日

来源：Artificial Intelligence in Medicine

编辑推荐：

AI在ICU血糖管理中的应用与挑战：系统综述发现机器学习模型（如树 ensemble和深度序列模型）能提升短期血糖预测和预警低/高血糖的能力，支持胰岛素滴定或闭环策略，但外部验证不足、校准不一致及临床终点差异限制了综合评估。

穆罕默德·阿卜杜拉·萨尔瓦尔（Muhammad Abdullah Sarwar）| 罗伯塔斯·达马舍维奇乌斯（Robertas Damaševičius）| 埃格莱·贝卢索维尼耶（Eglė Belousovienė）| 里蒂斯·马斯凯柳纳斯（Rytis Maskeliūnas）

立陶宛考纳斯工业大学信息学院实时计算机系统中心，LT-51386 考纳斯，立陶宛

摘要

背景：

在重症监护（ICU）中实现安全的血糖目标仍然具有挑战性，这主要是由于患者生理状态的快速变化、治疗效果以及测量数据的噪声干扰。

目的：

我们系统地回顾了用于ICU血糖管理和风险预测的人工智能（AI）方法，总结了相关数据集、模型类型、验证策略、临床终点以及实施过程中遇到的障碍。

方法：

遵循PRISMA指南，我们在PubMed、PubMed Central和Google Scholar中搜索了2019年1月至2025年3月期间发表的研究，关键词包括“糖尿病/血糖”、“ICU/重症监护”以及“AI/机器学习（ML）”。纳入标准为：经过同行评审的英文研究，这些研究评估了AI工具在ICU患者群体或相应数据集中的血糖预测/控制效果；排除了非AI相关的研究或2019年之前的研究。

结果：

跨不同患者群体和数据来源（床边血糖监测、连续血糖监测（CGM）、电子健康记录（EHR）中的生理数据），现代机器学习技术（尤其是树集成模型和深度序列模型）能够提高短期血糖预测的准确性，并能够及时预警低血糖/高血糖情况。虽然一些算法支持胰岛素剂量调整或闭环控制策略，但外部验证较为罕见，校准方法也不一致，且不同的研究采用的结局指标各不相同（例如：血糖在目标范围内的时间、低血糖发生率等），这些因素限制了元分析的进行。

结论：

AI技术在ICU环境中实现主动预警和个性化胰岛素剂量调整方面显示出巨大潜力，但其广泛应用仍依赖于具有标准化结局指标的多中心前瞻性试验、透明的校准流程、工作流程整合以及安全监控机制的完善。

引言

将人工智能（AI）整合到医疗系统中[1]标志着一场范式的转变，尤其是在重症监护单元（ICU）这一关键领域。即使在没有糖尿病史的患者中，重症患者也常常出现高血糖和胰岛素抵抗[2]。此外，无论是高血糖还是低血糖都与不良预后相关[3][4]。当患者的血糖水平维持在健康空腹范围内时，死亡率最低[3]（尤其是非糖尿病患者）。治疗方案已从每日多次注射胰岛素发展为持续输注胰岛素以及商用自动胰岛素输送系统[5][6]。尽管技术取得了突破，并且监测也更加严密，但实现理想的血糖控制仍然是一个挑战。因此，将AI应用于诊断和血糖波动预测是一个极具前景的研究方向[7]。许多基于AI的血糖预测和胰岛素剂量模型不仅适用于糖尿病患者，也涵盖了胰岛素敏感性和低血糖风险等核心机制。因此，在本综述中，我们同时纳入了来自ICU和糖尿病研究领域的AI方法，以确保对现有工具的全面评估[8]。临床专家可以手动识别血糖波动，或者使用具有编程功能的设备来完成这一任务。这些血糖估计方法各有优缺点[9]。手动测量的主要优点是不需要借助机器设备，使临床专家能够根据实际情况做出决策[10]。得益于机器学习（ML）和AI技术的进步[11][12][13]，计算机程序在诊断和确定潜在疾病方面比手动方法更可靠且效率更高，同时还能减少临床医生的工作量并降低人为错误的风险[14]。

血糖控制的重要性与背景

在重症监护中维持理想的血糖控制至关重要，因为它直接影响患者的预后。如果处理不当，血糖波动会加重重症患者的病情和死亡率。不当的血糖管理会增加感染风险、延长住院时间，并增加医疗成本[3]。鉴于这些影响，需要精确的血糖管理和监测策略。

方法论

本系统综述的方法遵循PRISMA指南，以确保搜索过程的全面性和透明度。我们主要在三个数据库（PubMed、Google Scholar和PubMed Central）中进行了搜索，其中Google Scholar的结果按相关性排序。搜索范围涵盖2019年1月至2025年3月期间的文献。为了补充数据库搜索，我们还手动筛选了参考文献列表。

人工智能在血糖控制中的应用：现状

当前，AI在血糖管理方面的应用取得了显著进展，并在重症监护和糖尿病护理实践中得到了更广泛的应用。通过机器学习和预测分析等技术，可以对血糖水平等相关变量进行深入分析。AI系统能够在ICU环境中更精确地提出治疗方案。

讨论与未来展望

研究结果表明，AI驱动的模型在ICU中的应用提升了血糖控制的效果。利用机器学习算法实时预测和调节血糖水平，标志着精准医疗新时代的来临。这种方法利用大量患者数据来调整治疗方案，很好地适应了ICU环境的动态特性——患者的生理状态不断变化。

作者贡献声明

穆罕默德·阿卜杜拉·萨尔瓦尔（Muhammad Abdullah Sarwar）： 负责撰写初稿、数据整理和可视化分析。 罗伯塔斯·达马舍维奇乌斯（Robertas Damaševičius）： 负责审稿与编辑、数据验证、方法论制定及形式化分析。 埃格莱·贝卢索维尼耶（Eglė Belousovienė）： 负责数据验证和形式化分析。 里蒂斯·马斯凯柳纳斯（Rytis Maskeliūnas）： 负责数据验证、监督工作、资源协调、形式化分析及概念框架的构建。