AI智能体破局，三诺糖尿病全周期管理交出新答卷

　　近年来，AI能力的跃迁有目共睹。据斯坦福大学《The2026AI Index Report》，AI不仅在图像、语言理解上早已超越人类；更在2025年于科学推理、数学解题等高阶任务上，首次达到专家级水平；在医疗场景，专为医生打造的AI知识平台，一年内在美国医生中的渗透率便从不足10%攀升至45%。

　　然而，能力越强，隐患越不容忽视。“AI幻觉”问题至今依然严峻，一旦叠加大众健康素养的不足，错误信息的临床风险便被进一步放大。当AI真正走进糖尿病管理，如何让它既“可信”又“可用”？

　　围绕这一命题，在2026第三届糖尿病数字管理大会上，三诺生物（300298）副总经理兼董事会秘书郑霁耘博士结合AI技术发展趋势与医疗落地痛点，分享了以可信数据空间为核心底座的糖尿病专病智能体的建设思路与价值。

　　 AI辅助院外糖尿病管理

　　面临“双重困境”

　　郑霁耘博士表示，在AI能力不断突破的当下，AI辅助院外糖尿病管理面临“双重困境”。

　　其一是“机器的困境”：AI本身无法百分之百还原真实世界，也无法百分之百保证回答的安全与准确，需要更多工程化手段加以约束；

　　其二是“人的困境”：目前，糖尿病患者的健康素养，普遍存在“知、信、行”三低的现状——认知不足，就会对病情不在乎、对管控不重视；信念不强，就会对专业建议不理解、对科学方案不信任；最终直接造成行动缺位，慢病管理依从性持续偏低。

　　由此，iCanNet可信数据空间和“小诺智能体”应运而生。

　　破局“机器的困境”

　　 iCanNet构建糖尿病数据底座

　　 iCanNet的底层基因，来自加州大学伯克利分校郁彬院士等专家在《真实数据科学》中提出的“PCS”原则：数据必须具有可预测性(Predictability)、可计算性(Computability)和稳定性(Stability)，才能称之为真实可信的数据，安全合规地支撑AI模型落地应用。

　　在数据可信度校验环节，iCanNet基于弹簧样噪声、跳值识别等专有算法定位到异常时间段，并创建异常事件；在健康状况分析和风险预警时，剔除无效数据，避免异常值干扰判断。此外，iCanNet通过标准化编码与转换，让不同数据类型都能被AI理解、计算；而对于多渠道、多版本来源的数据差异，iCanNet可建立统一的字段映射表、执行逻辑校验与标准化分组，完成全链路数据治理，从而实现数据资产的稳定可用。最终，将零散的原始数据转化为可解释、可落地的智能决策，实现从可信数据到精准赋能的完整闭环。

　　破局“人的困境”

　　小诺智能体--对话式陪伴健康管家

　　“小诺智能体”基于iCanNet可信数据空间，是爱看健康智能版推出的一位“对话式”陪伴健康管家。患者面对复杂的血糖曲线，可随时发起提问，即时获得专业解读与指导，逐步提升对自身健康状况的认知；在持续交互过程中，“小诺智能体”能同步学习患者的行为习惯与个体偏好，并依托iCanNet动态更新健康洞察，为每位患者构建专属的健康数据画像，并结合全方位评估与专业算法，输出个性化的精准控糖方案。

　　而“小诺智能体”的设计，也对应着糖尿病患者“知、信、行”3个层面的逐级提升。

　　知：数据驱动，风险洞察

　　“小诺智能体”能把复杂的分析结果，转化为用户听得懂的风险解释与可执行的干预指导，例如：

　　当识别到血糖异常波动时，引导用户回忆行为、定位诱因；

　　当预测到未来高低血糖风险时，提前给出干预建议；

　　当检测到持续高压、睡眠不佳等影响因素时，给予情感关怀与调整提示；

　　当到了复查节点时，主动提醒用户完成指标检测，推动线下诊疗闭环；授权后，医生也可在爱看服务平台看到用户的居家监测数据，更精准地评估患者病情。

　　通过这些数据驱动的风险提醒与个性化指导，从而帮助用户从“模糊感知”升级为“清晰认知”，真正看懂自己的健康状态，主动迈出控糖管理的第一步。

　　信：看懂变化，建立信心

　　依托iCanNet的可信数据，“小诺智能体”会把用户的每一次饮食、运动、用药记录，和血糖变化做精准关联，帮用户看懂行为对血糖的真实影响。它会解释每一次血糖波动背后的原因，同步每日异常情况，让用户清晰掌握自己的血糖趋势和波动规律。

　　“小诺智能体”会先通过健康评估，帮用户定位关键问题、制定可达的个性化目标，再通过可视化的方式，持续展示关键指标的改善过程。用户能直观看到自己的每一次进步、每一处改变，在正向反馈中，逐步建立长期控糖的信心，也让和医生的沟通更清晰、更高效。

　　行：精准指导，动态干预

　　在行为记录上，“小诺智能体”通过语音、拍照识别降低打卡门槛，帮用户轻松构建专属“个人食物升糖库”，让指导从通用GI值标准，进化为贴合个体反应的个性化建议。每一次餐食记录，都会触发餐后血糖分析；每一次分析结果，都会动态迭代用户的食物升糖数据，并直接应用到下一次餐前指导中，形成“记录-分析-优化-再指导”的闭环，让方案越用越懂用户、越用越精准。

　　郑霁耘博士总结道，正是这种看得见效果、持续迭代的正向反馈，让用户更愿意行动，也更容易坚持。而这套能力，院内、院外同根同源：基于同样的专业沉淀与AI算法，围绕动态血糖与多指标监测。在院内，AI帮医生把诊疗做得更高效、更省心，医生也能在爱看服务平台清晰看到患者的变化与改善趋势；回到家中，“小诺智能体”则帮患者把管理做得更轻松、更能坚持，共同支撑起一个更精准、更高效、更个性化的糖尿病管理全流程。

　　.