基层糖尿病诊疗：AI是助手还是对手？盛斌等专家深度解读

这一看似轻松的话题，正让众多基层医生感到不安。当人工智能从顶尖三甲医院的研究中心，流向全国无数社区医院和乡镇卫生院时，一线医生面对的不仅是屏幕上的新功能，更是对自身职业价值的深度拷问。

这种担忧背后，折射出全球性的严峻现状：全球80%的糖尿病患者身处医疗体系最薄弱的地区，而基层医生正是承担糖尿病筛查、长期随访及并发症预防的主力军。

近期，《柳叶刀·糖尿病与内分泌学》刊登的一篇论文，精准击中了这一矛盾的核心。该文由上海交通大学盛斌教授、中国工程院贾伟平院士等中外专家共同撰写，提出了一个直击痛点的问题：

人工智能究竟能否填补中低收入国家基层糖尿病护理的巨大鸿沟？

更深层的含义是：AI的降临，到底是为基层医生锦上添花，还是直接取而代之？

过去，糖尿病领域的AI创新多诞生于大型三甲医院及顶尖研究中心，那里有高质量的数据、顶尖的影像设备和充足的专家资源，共同支撑着算法精度的每一次微小提升。

然而，当目光转向中国广袤的县域，糖尿病防治的现实与AI的“理想国”相去甚远。这里专科医生稀缺，基础筛查设备（如免散瞳眼底相机）常缺位，规范转诊机制也不健全。患者因经济、认知、交通等原因失访、停药，更是常态。

正因如此，这篇《柳叶刀》文章将探讨的根基，牢牢扎在基层医疗的土壤中。

它不再纠结于AI在理想环境下能提升多少准确率，而是转向一个更务实且棘手的问题：在资源有限的基层，AI能否补齐糖尿病防治的关键短板？

这种转变，是对当前AI医疗研发热潮的必要反思：一项技术若无法在急需之地落地生根，其在实验室的光芒终究只是遥远的星光。

若要成为基层医生的可靠“神队友”，AI就不能仅停留在概念层面，必须切实分担那些最耗时、最专业且易出错的任务。

首先，它可以充当不知疲倦的“病历质检员”。利用自然语言处理技术，AI能深入阅读基层日益普及的电子病历，自动发现被忽视的管理漏洞：例如，哪位确诊糖友已超半年未复查肾功能，哪位合并高血压的“糖友”未按规定检查尿蛋白。在人手紧张的情况下，这无异于多了一位全年无休的得力助手。

其次，它可以作为基层稀缺的“筛查哨兵”。针对专科能力和检查设备的双重匮乏，AI可利用有限条件——如手机拍摄的眼底照片、常规化验结果及患者主诉——辅助早期发现并发症苗头，并进行风险分级。

再次，它可以成为全科医生的“用药决策参谋”。胰岛素剂量的调整常让基层医生缺乏底气。若AI结合患者动态血糖数据，通过算法模型提供个体化剂量调整建议，便能将部分需要多年积累的专科能力“赋能”给基层医生。这有助于在资源有限时提升血糖管理的精细化程度，缩小不同级别医疗机构的差距。

最后，它还能成为患者身边的“24小时健康管家”。通过智能对话机器人或连接可穿戴设备的提醒系统，AI能突破诊室限制，将健康管理延伸至日常生活。它能耐心叮嘱用药、解答饮食疑惑，提升患者自我管理能力和依从性。这对解决基层长期存在的患者教育不足、医患沟通时间短等问题意义重大。

然而，文章并未止步于描绘美好蓝图，随即泼下一盆冷水：基层医疗恰恰是AI“过度炒作”和“期望膨胀”的重灾区。

当前，以大模型为代表的AI发展似乎陷入“越大越好”的竞赛逻辑——更多数据、更庞大参数、更强算力，似乎就必然通向更优性能。这套“暴力破解”法则在围棋、解数学题等封闭规则世界里所向披靡。

但糖尿病管理，特别是在中低收入国家千差万别的基层环境中，面对的是一个开放、复杂且充满不确定性的真实世界。这里有生物多样性、个体生活习惯差异、文化观念差异、经济约束以及瞬息万变的病情细节。想用一个庞大却难以理解的“黑箱”模型完全掌握这个系统规律，很可能会水土不服。

文章犀利指出，目前宣称用于基层糖尿病管理的AI系统，绝大多数缺乏在真实世界中进行大规模、长时间验证的扎实证据。这意味着，在干净测试集上表现完美的算法，在基层门诊可能产生偏差——基层设备能否支撑高算量AI系统都是个问号。

因此，基层真正需要的不是一个演示会上“炫技”的明星，而是一个日常工作中能“扛事”的伙伴。这个伙伴需适应时好时坏的网络和配置不高的电脑，无缝接入医生繁琐的工作流程，决策逻辑让医生能理解甚至质疑，操作界面让不擅长用手机的老年人觉得简单友好。

其价值从来不在于证明自己比医生更“聪明”，而在于让医生工作更高效、更踏实、更有温度。

文章特别设置了“中国专题”板块，系统分析了这场全球讨论在中国的映射。分析认为，中国在推动基层医疗AI落地方面拥有独特优势：从“健康中国2030”顶层设计，到超大规模人口带来的数据红利，再到基层电子病历快速普及和国家级算力布局，这些都为AI在基层生根提供了难得的“沃土”。

但驶在“快车道”上，也必须看清那些不容忽视的“减速带”。

第一道坎是“证据之坎”。截至2025年5月，国内各类医疗大模型已发布近300个。但有多少是为基层糖尿病全流程管理复杂需求量身定做的？又有多少经过像药品临床试验那样严苛的真实世界研究验证，拿到了“上岗资格证”？

数据显示，此前获批的AI医疗三类证，绝大部分集中在影像辅助诊断领域。这意味着，对于需要融合多维度数据、参与复杂临床决策的糖尿病管理工具，其有效性和安全性的高级别证据仍显不足。

第二道坎是“公平之坎”。中国地区和城乡之间发展的不均衡，在AI部署上可能被进一步拉大。在东部沿海某些社区，AI辅助诊疗系统或许已成标配，但在中西部乡镇卫生院，可能连基础检验设备都难以配齐。

第三道坎，也是最根本的，是“适配之坎”。中国拥有全球近1/4的老年糖尿病患者，总数超过3500万。但调查显示，该群体使用智能手机比例极低，有的甚至没有智能手机。如果一个AI工具默认用户是熟悉APP的年轻人，默认工作环境是网络流畅、数据完整的诊间，那么它从一开始就与大部分基层现实“水土不服”。

文章的最终落脚点，回归到治理与伦理层面，并提出关键判断：在基层糖尿病护理中，衡量AI价值的标准，绝不能仅仅是准确率、召回率等技术指标，而必须是它是否巩固了医患信任、是否促进了健康公平。

文章呼吁警惕一种倾向：医生降格为AI指令的“执行者”，患者简化为数据流中的“节点”。如果在AI系统的设计、推广和评价中，身处一线的基层医生和被服务的广大患者失去了发言权和选择权，所谓的“技术赋能”很可能演变成“技术控制”。权力可能向开发者、资本方或管理部门集中，而一线实践者和服务对象的主体性却被削弱，这会固化甚至加剧医疗体系中已有的不平等结构。

围绕未来方向，文章提出了一套更成熟的路径：首先，必须持续投资于基础设施建设，包括结构化电子病历、互操作数据系统、稳定网络连接和标准化临床数据协议；其次，应推动多国与跨学科合作，确保模型训练与验证覆盖全球南方多样化人群；再次，AI应建立在既有基层卫生和慢病管理平台之上，而非形成脱离现实需求的平行技术议程；最后，监管沙盒、数据治理、隐私保护和上市后监测机制，也应成为基层糖尿病AI推广的不可分割部分。

也就是说，AI要真正成为基层糖尿病医疗的“实用工具”，靠的不是一时的技术热度，而是长期的系统建设与责任治理。

本文提供的信息仅供参考，不构成医疗建议。本文内容是基于现有的医学研究和临床实践，旨在为医生提供专业领域的知识更新和教育目的。在实施任何医疗程序、治疗方案或健康计划时，医生应依赖自己的专业判断，并考虑患者的个体情况。

参考文献：DOI: 10.1016/S2213-8587(26)00010-0https://authors.elsevier.com/a/1mq277tNucyZNa