谷歌發(fā)表最新Nature論文：智能手表數(shù)據(jù)提前發(fā)現(xiàn)胰島素抵抗，助力糖尿病防治

撰文丨王聰

編輯丨王多魚

排版丨水成文

目前，全世界有超過 5 億成年人患有糖尿病，且這一數(shù)字還在快速增長中，其中，大約 10% 為1 型糖尿病（T1D），90% 為2 型糖尿病（T2D）。

在健康個體中，胰腺 β 細(xì)胞分泌胰島素幫助調(diào)控血糖水平，腸促胰島素（例如 GLP-1、GIP）促進(jìn)胰腺 β 細(xì)胞分泌胰島素，從而改善血糖控制。而糖尿病的根本問題在于胰島素的絕對或相對缺乏，導(dǎo)致身體無法正常調(diào)控血糖。在1 型糖尿病中，患者的免疫系統(tǒng)錯誤地攻擊并破壞胰腺 β 細(xì)胞，導(dǎo)致胰島素的絕對缺乏和高血糖。在大多數(shù)的2 型糖尿病中，患者對胰島素產(chǎn)生抵抗，胰腺 β 細(xì)胞必須產(chǎn)生更多的胰島素才能達(dá)到相同的降血糖效果，隨著時間的推移，胰腺 β 細(xì)胞可能無法產(chǎn)生足夠的胰島素來補(bǔ)償胰島素抵抗，從而導(dǎo)致胰島素的相對缺乏和高血糖。糖尿病的長期并發(fā)癥包括隨著時間推移對各種器官和組織造成的損害，例如糖尿病視網(wǎng)膜病變、腎病和神經(jīng)病變。

然而，胰島素抵抗（IR）的診斷方法昂貴且難以獲取，這阻礙了在早期階段發(fā)現(xiàn)并干預(yù)。

2026 年 3 月 16 日，谷歌研究院（Google Research）在國際頂尖學(xué)術(shù)期刊Nature上發(fā)表了題為：Insulin resistance prediction from wearables and routine blood biomarkers 的研究論文。

胰島素抵抗是一種身體必須更努力才能調(diào)控血糖穩(wěn)態(tài)的狀況，在常規(guī)診斷中顯現(xiàn)出來之前，可能已經(jīng)存在多年。這項研究表明，從消費(fèi)者可穿戴設(shè)備（例如智能手表）收集的日常生活方式數(shù)據(jù)中發(fā)現(xiàn)的模式，能夠更早地揭示這種尚處于隱藏階段的胰島素抵抗。而更早地發(fā)現(xiàn)胰島素抵抗，有望實(shí)現(xiàn)更簡單的干預(yù)措施，最終減輕 2 型糖尿病等代謝疾病的后續(xù)負(fù)擔(dān)。

胰島素抵抗

胰島素抵抗（Insulin Resistance，IR）是身體細(xì)胞對胰島素反應(yīng)遲鈍的狀態(tài)，為了維持正常血糖，胰腺不得不超負(fù)荷工作。這個過程可以悄無聲息地持續(xù)數(shù)年，直到身體代償機(jī)制崩潰，才會在常規(guī)血糖或糖化血紅蛋白檢測中顯現(xiàn)出來。而此時，干預(yù)的窗口期已大大縮小，治療也變得更加復(fù)雜和昂貴。

傳統(tǒng)的診斷方法，例如高胰島素-正葡萄糖鉗夾試驗，雖是金標(biāo)準(zhǔn)，但操作復(fù)雜、成本高昂，難以普及。而更常用的空腹血糖、糖化血紅蛋白等指標(biāo)，在疾病早期階段往往不夠敏感。

智能手表帶來的數(shù)據(jù)革命

這項名為WEAR-ME的研究由谷歌團(tuán)隊主導(dǎo)，遠(yuǎn)程招募了 1165 名參與者。該研究創(chuàng)新性地將消費(fèi)者智能手表（例如 Fitbit、Google Pixel Watch）產(chǎn)生的連續(xù)生理數(shù)據(jù)（例如靜息心率、心率變異性、每日步數(shù)、睡眠時長），與人口統(tǒng)計學(xué)信息（例如年齡、體重指數(shù)等）以及常規(guī)血液生物標(biāo)志物（例如空腹血糖、血脂等）相結(jié)合，共同訓(xùn)練深度學(xué)習(xí)模型，來預(yù)測胰島素抵抗的黃金標(biāo)準(zhǔn)指標(biāo)——HOMA-IR。

研究設(shè)計

研究結(jié)果顯示：

單一數(shù)據(jù)源效果有限：僅靠人口統(tǒng)計學(xué)、智能手表數(shù)據(jù)或血液標(biāo)志物中的任何單一數(shù)據(jù)源，預(yù)測能力都不夠理想。

組合拳威力巨大：當(dāng)融合了智能手表數(shù)據(jù)、人口統(tǒng)計信息和常規(guī)血液生物標(biāo)志物后，模型的預(yù)測性能達(dá)到最佳（AUROC=0.80，靈敏度76%，特異性84%）。這意味著模型能更準(zhǔn)確地識別出胰島素抵抗，同時減少誤判。

智能手表數(shù)據(jù)是關(guān)鍵增量：研究團(tuán)隊對一個預(yù)先在 4000 萬小時傳感器數(shù)據(jù)上訓(xùn)練的可穿戴基礎(chǔ)模型（WFM）進(jìn)行了微調(diào)。在獨(dú)立驗證隊列（n = 72）中，結(jié)合了 WFM 特征和人口統(tǒng)計數(shù)據(jù)的模型，其預(yù)測性能顯著優(yōu)于僅使用人口統(tǒng)計數(shù)據(jù)的基線模型（AUROC = 0.75 vs 0.66）。此外，將 WFM 特征添加到包含人口統(tǒng)計數(shù)據(jù)、空腹血糖/血脂檢測結(jié)果的模型中，預(yù)測性能有了顯著提升（AUROC = 0.88 vs 0.76）。

模型在獨(dú)立驗證隊列中的表現(xiàn)

這些結(jié)果表明，智能手表所記錄的日常生活中的生理和行為模式，蘊(yùn)含著血液檢測無法捕捉的、反映早期代謝壓力的寶貴信息。

值得一提的是，該研究顯示，胰島素抵抗與多項指標(biāo)顯著相關(guān)——與空腹血糖、BMI、糖化血紅蛋白、甘油三酯、靜息心率正相關(guān)；與高密度脂蛋白、每日步數(shù)、心率變異性負(fù)相關(guān)。此外，該研究中，45% 的肥胖者存在胰島素抵抗，僅 6.9% 的體重正常者存在胰島素抵抗，這凸顯肥胖與胰島素抵抗之間的關(guān)聯(lián)。有 20% 血糖正常的人存在胰島素抵抗，這表明他們有較高的糖尿病發(fā)病風(fēng)險。這突顯了早期識別這些個體的重要性，以便實(shí)施個性化的生活方式干預(yù)，從而有可能逆轉(zhuǎn) 2 型糖尿病的發(fā)展進(jìn)程。

AI 智能體助手

研究團(tuán)隊進(jìn)一步開發(fā)了一個基于大語言模型（LLM）的AI 智能體，它可以整合使用者的預(yù)測風(fēng)險等級、生活方式和體檢數(shù)據(jù)，像一位貼身健康助手，回答使用者關(guān)于代謝健康的疑問，并提供個性化、有數(shù)據(jù)支撐的建議和解釋。

胰島素抵抗智能體

意義與未來：從診斷到動態(tài)追蹤

這項研究的核心突破在于思維范式的轉(zhuǎn)變。它不再將胰島素抵抗視為一個需要“診斷”的二元狀態(tài)（是或否），而是將其理解為一個可以“追蹤、穩(wěn)定或逆轉(zhuǎn)”的動態(tài)過程。通過連續(xù)、實(shí)時的日常數(shù)據(jù)，我們有望獲得一部代謝健康的連續(xù)的“電影”，而非一張模糊的瞬間“快照”。

胰島素抵抗的時間線

這為大規(guī)模、低成本的早期代謝風(fēng)險篩查帶來了希望。未來，結(jié)合了可穿戴設(shè)備（例如智能手表）數(shù)據(jù)和簡易血液檢查的算法，或可集成到健康類 APP 中，幫助數(shù)百萬人在出現(xiàn)明顯癥狀前數(shù)年就識別出胰島素抵抗的高風(fēng)險，從而通過調(diào)整飲食、增加運(yùn)動等生活方式干預(yù)，有效預(yù)防或延緩 2 型糖尿病的發(fā)生。

這項研究標(biāo)志著我們向“主動、連續(xù)、個性化”的健康管理時代又邁進(jìn)了一步。我們手腕上的智能手表，不再僅僅是記錄步數(shù)和心率的工具，更是守護(hù)代謝健康的前哨站。

論文鏈接：

https://www.nature.com/articles/s41586-026-10179-2