MBZUAI开发创新人工智能解决方案用于糖尿病早期检测
阿布扎比,2026年11月14日(阿联酋通讯社/WAM)——穆罕默德·本·扎耶德人工智能大学(MBZUAI)正在推进利用人工智能(AI)改进糖尿病早期检测的研究,通过创新方法识别风险因素,并分析健康和遗传指标。
在每年11月14日纪念的世界糖尿病日之际,该校研究人员正在探索AI如何利用传统筛查方法可能忽视的数据,识别糖尿病风险的早期迹象。
这项研究涵盖多个领域,包括:
- 监测血糖波动;
- 评估遗传易感性;
- 检查视网膜图像中与代谢和心血管健康相关的指标。
这些举措共同旨在支持更个性化的糖尿病预防方法,与2026年世界糖尿病日主题“糖尿病的早期行动”一致。
人类表型计划(HPP)
MBZUAI在阿联酋领导人类表型计划(Human Phenotype Project, HPP)。这是一项在阿布扎比开展的免费、自愿的纵向研究,对参与者随访长达25年。
该项目结合40多个层面的健康数据,包括遗传信息、血液生物标志物、医学影像、连续血糖监测和睡眠追踪,以考察健康状况如何变化以及疾病如何发展。
该研究面向18至70岁的阿联酋公民和居民,依托阿联酋超过200个国籍的多元人口,建立考虑年龄和族裔的健康参考标准。参与者可以通过安全门户获取个性化研究见解,并与自己的医生分享。
HPP的发现显示,在空腹血糖水平最初看似正常的人群中,有40%的人在连续监测期间随后记录到处于糖尿病前期范围的空腹血糖读数,凸显了传统检测可能遗漏的风险。
GluFormer:分析每日血糖波动
HPP数据还支持GluFormer的开发。GluFormer是MBZUAI研究人员与合作者创建的一个AI基础模型,用于分析每日血糖波动,而不是仅依赖平均测量值,例如通过糖化血红蛋白(HbA1c)检测获得的平均值。
GluFormer于2026年1月发表在Nature,使用来自10,812名HPP参与者的超过1000万次连续血糖监测测量进行训练,其中大多数人没有患糖尿病。该模型仅使用两周数据即可识别血糖模式。
一个结合饮食信息的多模态版本还可以模拟个体对特定食物的血糖反应,为代谢健康提供进一步见解。
多基因风险评分(PRS)与2型糖尿病
MBZUAI的另一项研究举措通过多基因风险评分(PRS)聚焦2型糖尿病的遗传易感性。PRS结合多个遗传变异来估计遗传性疾病风险。
该五年项目从2025年运行至2030年,利用阿联酋基因组计划(Emirati Genome Program)的90万个基因组资源库,以及通过阿布扎比健康信息交换平台Malaffi记录的2型糖尿病诊断。
研究人员旨在为阿联酋人开发并验证一种群体特异性PRS,解决现有模型主要使用欧洲遗传数据开发所带来的局限。
该团队将开展全基因组关联研究,以考察遗传风险因素,开发更准确的预测评分,并评估其在不同年龄组中的表现。
目标是帮助医生更早识别高风险个体,并据此调整筛查。
该项目由MBZUAI一支专长于计算生物学和个性化医学的多学科团队领导,通过考察遗传易感性以及健康和疾病风险随时间的变化,对HPP形成补充。
口腔微生物与代谢变化
由MBZUAI计算生物学副教授伊姆兰·拉扎克(Imran Razzak)领导的研究还揭示了口腔微生物与糖尿病相关代谢变化之间的联系。
研究人员利用HPP数据,识别出与血糖水平及波动、肝脏健康和体脂相关的细菌和微生物基因模式。
使用选定的口腔微生物特征的AI模型,比基于完整微生物图谱的模型更准确地区分糖尿病前期个体,提示其在未来风险评估中的潜在应用。
相关研究发现,饮食模式影响口腔微生物组成,水果、蔬菜和纤维摄入与特定微生物物种相关。
地中海式和全食物植物性饮食模式也有助于预测微生物代谢途径,而亲缘关系密切的细菌之间的差异凸显了识别特定微生物特征的重要性。
视网膜图像与眼组学
除血糖和遗传数据外,MBZUAI研究人员正在研究视网膜图像如何揭示影响身体其他部位的疾病的早期指标。
视网膜提供对血管和神经组织的非侵入性观察,使其成为有关代谢和心血管健康信息的潜在来源。
通过眼组学(oculomics)这一新兴领域,研究人员正在开发能够检测视网膜图像中全身性疾病迹象的AI系统。
2025年10月,在与阿布扎比克利夫兰诊所(Cleveland Clinic Abu Dhabi)举行的一次研究展示中,MBZUAI展示了眼部扫描如何帮助识别与糖尿病、高血压、阿尔茨海默病和心脏病相关的早期指标,且可能在症状出现之前。
这项工作包括由MBZUAI个性化医学助理教授邱佳宁(Jianing Qiu)领导的研究,探索视网膜图像如何反映代谢和血管功能障碍的生物标志物。
由拉扎克教授领导的相关心血管研究正在开发AI系统,将视网膜血管成像与心电图(ECG)数据相结合,以识别心力衰竭的早期迹象;心力衰竭是一种与糖尿病相关的心血管并发症。
这些系统旨在支持临床医生而非取代他们,提供额外信息以帮助检测先前被忽视的警示信号。
总结
总体而言,这些举措展示了将AI与大规模健康数据相结合如何揭示传统筛查遗漏的模式,并支持更早期、更个性化的预防策略。
这项研究也反映了阿联酋在医疗保健技术方面的更广泛投资,医疗保健是阿联酋2031年国家人工智能战略的优先领域之一。
包括阿联酋基因组计划和Malaffi在内的举措正在加强推进研究和改进早期疾病风险识别所需的数据基础。
【全文结束】

