736-穿戴设备与血液生物标志物预测胰岛素抵抗

这份最新发表于《Nature》杂志的研究介绍了一种利用智能穿戴设备数据和常规血液生物标志物早期预测胰岛素抵抗（IR）的新型架构。研究团队开展了名为WEAR-ME的大规模研究，通过训练深度神经网络和穿戴设备基础模型（WFM），实现了对代谢风险的精准识别。实验结果表明，将心率、步数等穿戴设备信号与血糖、血脂面板结合，能显著提升预测准确性，其表现优于单纯依赖人口统计学或单一血液检测的传统方法。此外，研究引入了基于大语言模型（LLM）的智能体，旨在为用户提供个性化的健康建议与风险评估。该成果为预防2型糖尿病提供了一种可扩展且低门槛的数字化筛查方案，有助于推动早期生活方式干预。

References:

Metwally A A, Heydari A A, McDuff D, et al. Insulin resistance prediction from wearables and routine blood biomarkers[J]. Nature, 2026: 1-11.