穆罕默德·本·扎耶德人工智能大学开发用于糖尿病早期检测的创新人工智能解决方案MBZUAI develops innovative AI solutions for early diabetes detection

环球医讯 / AI与医疗健康来源:www.msn.com阿拉伯联合酋长国 - 英文2026-11-17 03:17:20 - 阅读时长5分钟 - 2297字
穆罕默德·本·扎耶德人工智能大学正在利用人工智能研究糖尿病早期检测,涵盖血糖波动、遗传易感性、视网膜图像和口腔微生物等方向,并依托阿联酋人类表型计划、GluFormer模型、阿联酋基因组计划及Malaffi健康信息交换平台,探索更早期、更个性化的风险评估与预防策略。
糖尿病早期检测人工智能血糖监测遗传风险多基因风险评分口腔微生物视网膜图像眼组学个性化预防健康数据
穆罕默德·本·扎耶德人工智能大学开发用于糖尿病早期检测的创新人工智能解决方案

穆罕默德·本·扎耶德人工智能大学开发用于糖尿病早期检测的创新人工智能解决方案

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)改善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。

为纪念每年11月14日的世界糖尿病日,该校研究人员正在探索人工智能如何利用传统筛查方法可能忽略的数据,识别糖尿病风险的早期迹象。研究涵盖多个领域,包括监测血糖波动、评估遗传易感性,以及检查视网膜图像中反映代谢和心血管健康的指标。这些举措共同旨在支持更个性化的糖尿病预防方法,与今年世界糖尿病日的主题“及早行动应对糖尿病”相一致。

人类表型计划(HPP):长期健康数据基础

MBZUAI在阿联酋牵头开展人类表型计划(HPP),这是一项在阿布扎比进行的免费、自愿性纵向研究,对参与者的随访时间最长可达25年。该项目整合了40多层健康数据,包括遗传信息、血液生物标志物、医学影像、持续血糖监测和睡眠追踪,以研究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开放,并利用阿联酋超过200个国籍的多元化人口,建立考虑年龄和族裔的健康参考标准。参与者可通过安全门户获取个性化研究洞察,并与医生分享。

HPP的研究结果显示,在空腹血糖水平最初看似正常的人群中,有40%的人在持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,这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人工智能基础模型,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 上,基于来自10,812名HPP参与者的超过1000万次持续血糖监测测量进行训练,其中大多数人没有糖尿病。该模型仅使用两周数据即可识别血糖模式。一个纳入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,为代谢健康提供更多洞见。

多基因风险评分(PRS):聚焦2型糖尿病遗传易感性

MBZUAI的另一项研究计划通过**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。这项为期五年的项目从2025年持续到2030年,利用阿联酋基因组计划(Emirati Genome Program)包含90万个基因组的数据库,以及通过阿布扎比健康信息交换平台Malaffi记录的2型糖尿病诊断信息。

研究人员旨在为阿联酋人开发并验证一种针对特定人群的PRS,以解决现有模型主要使用欧洲遗传数据开发所带来的局限性。团队将开展全基因组关联研究,以检查遗传风险因素、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,并据此调整筛查方案。

该项目由MBZUAI一支专攻计算生物学和个性化医疗的多学科团队领导,通过同时研究遗传易感性以及健康状况和疾病风险随时间的变化,与HPP形成互补。

口腔微生物与糖尿病相关代谢变化

由MBZUAI计算生物学副教授**伊姆兰·拉扎克(Imran Razzak)**领导的研究,还正在揭示口腔微生物与糖尿病相关代谢变化之间的联系。利用HPP数据,研究人员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人工智能模型,在区分糖尿病前期个体方面比基于完整微生物谱的模型更准确,提示其未来可能应用于风险评估。相关研究发现,饮食模式会影响口腔微生物组成,其中水果、蔬菜和纤维摄入与特定微生物物种相关。地中海式饮食和全食物植物性饮食模式也有助于预测微生物代谢途径,而密切相关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(oculomics)

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。视网膜提供了观察血管和神经组织的无创窗口,使其成为获取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在视网膜图像中检测全身性疾病迹象的人工智能系统。在2025年10月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个性化医疗助理教授**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人工智能系统,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,以帮助发现此前被忽视的警示信号。

支持更早期、更个性化的预防策略

总体而言,这些举措展示了将人工智能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。这项研究也反映出阿联酋在医疗保健技术领域的更广泛投资,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、改善疾病早期风险识别所需的数据基础。