持續血糖監測：科技唔識你嘅心情變化？

我的持續血糖監測儀記錄了我的生活，但卻忽略了整體狀況

下一代的持續血糖監測儀與胰島素泵需要具備行為智能

持續血糖監測儀（CGM）可以告訴你我的血糖何時飆升，但卻無法顯示我因為正在參加一場關鍵會議而延遲調整血糖的原因。它能記錄我午餐時因三晚被CGM警報吵醒而少打胰島素的數值，卻無法反映我當時的疲憊與壓力。它可以呈現完美的血糖曲線平穩，但無法捕捉我為達成這種穩定所付出的高度警覺、心理負擔和不斷進行的微調計算。

現時的技術只能看到決策的結果，卻無法理解產生決策的邏輯。

糖尿病不僅是代謝問題，更涉及情緒、認知及環境因素。除非系統能認知這些因素，否則永遠無法真正理解每個血糖數據背後的「為何」，也無法找到促進病人依從性及改善臨床結果的真正途徑。慢性病治療中成功與失敗的關鍵，往往與病人所處的環境和情境比生理狀況更相關。

現有的算法只是「模式讀取器」，而非「模式理解器」。它們能預測血糖曲線的走勢，卻無法洞察背後的原因。它們假設我是一個在固定環境下理性且一致行動的人，但事實並非如此。

我是一個每天在變化條件下做出數十個微小決定的人——在低血糖、尷尬、疲勞、挫折、恐懼等情緒中權衡，往往在毫秒間完成。每一個數據點背後都藏著一個決定，而每個決定背後都反映著一種心理狀態。

人類花了數十年教導機器模擬生理機制，卻忽略了心理層面。我們讓機器從血糖曲線和胰島素用量中學習，卻未教它理解猶豫、疑慮、直覺或恐懼。結果是，人工智能的預測本質上不完整。

而這種限制，光靠增加感測器是無法解決的。

人類行為的API

缺乏的，是將行為智能以結構化、機器可讀的方式呈現——即認知、情緒和環境的元數據，這些才是影響治療依從性的關鍵。這就是人類行為的API，是閉環個人化系統必須的層次。它讓系統能超越靜態的校正因子，真正考量認知負荷、壓力荷爾蒙、社交壓力和疲勞等因素——所有這些都會影響一個人調整胰島素的方式、吸收程度以及對胰島素的信任。它會記錄：

我為什麼要調整胰島素？

我為什麼會延遲？

我為什麼會覆蓋（override）胰島素劑量建議？

這些行為不是偶然的，而是由情緒、環境和過往經驗塑造的行為模式。現時這些模式因系統未設計捕捉而消失了。

但這些是可以被捕捉的。

想像一下，下午2點血糖突然飆高。你的裝置不只是記錄數字，而是透過語音提示或觸控選單問你：「發生了什麼事？」你選擇一個標籤或輸入自由文字：「壓力會議」、「忘記餐前打胰島素」、「泵管感覺不對」、「選擇等待，因為早前低血糖」。系統會將每個自由回答記錄為新標籤，以便日後使用。

這些標籤會改變數據的意義。反覆標記後，會出現血糖曲線無法揭示的模式：你會在週一因週末低血糖而少打胰島素；你在焦慮時會過量打胰島素；你在會議中會延遲調整血糖。

這不是日誌記錄，而是無痛標籤化——行為層面類似計步的數據。技術已存在，缺的是對這些數據與血糖數據同等臨床意義的認知。

除非糖尿病科技明白我行為背後的原因，否則它永遠無法做到真正的個人化治療，只會個人化數字。

我談的行為智能，並非取代人類判斷，而是讓我們生活中的真實邏輯——自我管理的真實數據，成為系統的一部分。

我六個月的行為數據收集

為了展示這是什麼，我建立了自己的數據集——機器可讀的行為背景。六個月來，我為每次胰島素注射和調整加上結構化元數據標籤：認知狀態（專注、模糊、壓力大）、情緒狀態（平靜、焦慮、挫折）、環境背景（獨處、公開場合、重要場合）和生理狀態（睡眠不足、充分休息、正在恢復低血糖）。

結果顯示明顯的相關性：當我認知負荷高、情緒標籤為「焦慮」、且身處公開場合時，我延遲打胰島素的頻率增加40%。這是行為生物標誌，是CGM本身無法察覺的。

CGM只看到長時間的高血糖，行為智能卻看到了因為公開場合的認知負擔而延遲調整的病人。

CGM看到的是較輕的胰島素劑量，行為智能看到的是多晚睡眠不足後的保護性行為。

我的數據表明，我的「謹慎調整」行為只在認知疲勞時出現，而非焦慮時。且我在公開場合會因害怕血糖過高被發現而過量打胰島素。沒有任何血糖算法能單憑數據推斷出這些。

這種智能才能讓閉環系統真正具備自適應能力。胰島素泵可以理解為何我會覆蓋建議，而非簡單標籤為「不服從」。它能預測凌晨3點的調整是否合理，根據我早晨血糖反彈的模式。

臨床與監管的必要性

對設備製造商與投資者來說，行為智能不是「軟數據」，而是實現真正精準與可擴展個人化的關鍵變數。沒有它，企業在提升血糖控制時間（TIR）方面將持續碰壁，因為AI無法學習它無法解讀的決策。

行為智能不是一個功能，而是一層風險管理，也是價值的驅動力。

對監管機構而言，任何聲稱個人化的設備，都應被要求證明其包含結構化的行為元數據，並能展示TIR的可測量提升。否則「個人化AI」只是行銷詞，非臨床現實。

這是數碼健康的下一個前沿——不是新感測器，也不是更好的儀表板，而是能將行為解讀為數據的系統。

我們已掌握測量的科學，現在需要的是意義的科學。

每個血糖曲線背後，是一個為生存算術的人。除非我們的技術能看到數字背後的原因，否則它將繼續辜負躲在機器背後的人。

——Mark E. Paull，CME認證糖尿病教育者，Diabetes Care期刊審稿人，1型糖尿病患者（自1967年起），專注於行為、數據與治療交叉領域。

—

評論與啟示

Mark E. Paull的文章深刻指出了現有糖尿病管理技術的盲點：它們僅能量化生理數據，卻忽略了病人行為背後的心理與環境因素。這種「只看結果不看原因」的局限，導致治療方案難以真正個人化，患者的真實需求被忽視。

在香港，隨著科技普及和智能醫療的推進，這種行為智能的需求尤為迫切。許多糖尿病患者在日常生活中面對工作壓力、社交場合和情緒波動，這些都會影響其血糖管理。現時的CGM和胰島素泵若能整合行為標籤功能，不僅提升數據解讀的準確度，更能幫助醫護人員制定更貼近患者生活的治療策略。

此外，該文提出的「無痛標籤法」值得關注。透過簡單的語音或觸控操作收集行為數據，既不增加患者負擔，又能豐富數據維度，為人工智能提供更全面的學習素材。這種方法或可應用於其他慢性病管理，推動整體數碼健康向「意義導向」升級。

監管層面，作者呼籲將行為智能納入個人化醫療設備的標準，對保障患者權益和提升醫療品質至關重要。香港相關監管機構可參考此觀點，推動更嚴謹的認證標準，促使廠商重視行為數據的價值。

總結來說，這篇文章不僅揭示了糖尿病管理科技的不足，更為未來智能醫療的發展指明方向——結合生理與行為數據，打造真正以病人為中心的個人化治療。這種跨領域的整合思維，值得香港醫療界與科技界深入探討和推廣。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。