从 FDA 在 2010-07-15 对 WellDoc DiabetesManager / DiabetesManager-Rx System 作出 510(k) substantially equivalent 决定算起，内分泌科糖尿病 AI 已经走过 16 年。这个起点不是今天常说的大模型，也不是后来的混合闭环泵，而是一个很早的产品化数字疗法节点。
本期主判断很简单：内分泌科 AI 的成熟，不在于“AI 会不会管血糖”，而在于它能不能把监测、治疗调整、医生复核、护士执行和随访治理接进责任链。
图注：Medtronic MiniMed 780G 官方产品页，访问时间 2026-08-09。它是读者最容易直观看懂的产品形态：CGM、胰岛素泵、算法和患者随身设备组成闭环。
内分泌科AI为什么现在要看？
内分泌科不是过去 AI 公司最爱讲的科室。它不像放射科有天然的图像入口，也不像眼科有单张眼底照可以做筛查闭环。糖尿病管理更麻烦：数据来自患者、设备、用药、饮食、运动、检验、住院记录和复诊对话，任何一个环节断掉，AI 的建议都可能变成漂亮但不可执行的提醒。
但也正因为如此，内分泌科很适合观察医疗 AI 从工具走向工作流的真实难度。糖尿病患者每天都在产生数据，医生又不可能逐条看完日志；住院患者的血糖控制牵涉营养、用药、护理和低血糖安全；闭环泵能自动调节胰岛素，却仍然离不开传感器、耗材、教育和异常处理。
过去 16 年，真正进入工作流的产品大致分成四类：第一类是 Welldoc 代表的数字疗法和患者自我管理；第二类是 Medtronic、Omnipod 代表的自动胰岛素给药；第三类是 DreaMed 代表的医生决策支持；第四类是 Glytec 代表的院内胰岛素治理。
这四类产品不能混在同一张准确率表里横比。患者 App 看的是持续使用和教育反馈；闭环泵看的是硬件、算法和培训；医生决策支持看的是建议是否可解释、可修改、可追踪；院内系统看的是 EHR 接口、护士执行和低血糖复盘。
AI怎么重写糖尿病工作流？
图注：这张图解释内分泌科 AI 的真实落点：入口不是单一模型，而是 CGM、血糖仪、泵、住院血糖和 EHR 共同进入复核与执行链路。
一个成熟的糖尿病 AI 工作流，至少要穿过六个环节。
第一是入口。门诊患者可能来自 CGM、血糖仪、胰岛素泵、用药记录和生活方式数据；住院患者则来自床旁血糖、检验、营养、护理记录和医嘱。入口越多，数据越有价值，也越容易出现缺口。
第二是采集和标准化。血糖单位、时间戳、身份匹配、传感器失联、指尖血校准、餐食记录，这些听起来不像 AI，但它们决定了 AI 建议能不能被医生信任。糖尿病 AI 最容易被低估的工作，不是模型训练，而是把院内外数据变成可复核的时间线。
第三是 AI 判断。它可以做低血糖风险评估、胰岛素剂量建议、闭环泵自动调节、复诊队列分层和患者教育提醒。但这些判断不能直接越过医生、护士和患者行为。尤其在住院场景，任何给药建议都必须进入医嘱、护理执行和质控记录。
第四是医生复核。真正有价值的系统不是只给一个分数，而是允许医生接受、修改或退回，并留下理由。这个动作看似繁琐，却是医院采购时最该看的部分：以后出了低血糖、报警过载或剂量错误，系统必须能回答谁看过、谁改过、为什么改。
第五是执行。闭环泵的执行发生在患者身上；院内胰岛素治理的执行发生在护士工作站、药房、营养和医嘱系统里。第六是随访和治理。复诊提醒、报警复盘、版本管理、漂移监测和退出机制，决定 AI 能不能长期留在科室。
16年演进：从手机到闭环
| 时间 | 关键节点 | 这一步说明什么 |
|---|---|---|
| 2010-07-15 | WellDoc DiabetesManager 系列 510(k) K100066 | 糖尿病数字疗法和移动管理进入可核验产品化节点 |
| 2016-09-28 | Medtronic MiniMed 670G PMA P160017 | 混合闭环泵把 CGM 与自动基础胰岛素调整接起来 |
| 2022 | Omnipod 5 无管闭环产品化 | 闭环给药从硬件能力走向生活场景和佩戴体验 |
| 2023-10-03 | DreaMed endo.digital Platform K232722 | 医生决策支持开始把专家经验做成可复核建议 |
| 2024 | 闭环给药适用人群向 2 型糖尿病扩展 | 市场从 1 型高频管理走向更大慢病人群 |
| 2026-05-27 | Glytec Glucommander K254102 | 住院胰岛素决策支持成为近 90 天强证据 |
| 2026-08-09 | 四层产品并行竞争 | 当前胜负点转向接口、责任边界和异常回退 |
我把标题写成 16 年，是因为起点采用 2010-07-15 的 FDA 510(k) 原始记录，而不是 2016 年 MiniMed 670G 的闭环泵节点。2016 年很重要，但它是后续关键转折，不是本期能找到的最早产品化监管起点。
所以内分泌科 AI 的故事，不是突然从闭环泵开始的。它先从“让患者更会管理自己”开始，再进入“设备自动调节”，随后走向“医生拿到可复核建议”和“医院把住院血糖纳入质控”。
产品竞争分四层
图注：内分泌科 AI 至少分成患者自我管理、闭环给药、医生决策支持、院内胰岛素治理四层。不同层级的输入、输出和风险完全不同。
第一层是患者自我管理。Welldoc 这类产品解决的是长期教育、行为反馈、用药提醒和复诊资料整理。它的关键不是某一次预测准不准，而是患者愿不愿意持续使用，医生能不能在有限门诊时间内看到有用摘要。
第二层是闭环给药。Medtronic MiniMed 780G、Omnipod 5 这类产品把 CGM、泵和算法接在一起。它们离临床结果更近，也更依赖硬件可靠性、耗材供应、培训和异常处理。
第三层是医生决策支持。DreaMed 的价值在于把专家经验和患者数据转成建议，但建议必须可解释、可修改、可追踪。它适合放大糖尿病专科医生能力，不适合被包装成自动开医嘱。
第四层是院内胰岛素治理。Glytec Glucommander 这类系统进入住院血糖、护士给药、EHR 和质控报表。它的采购难度更高，因为它不只是软件上线，而是流程改造。
代表产品逐个拆解
Welldoc BlueStar：慢病管理入口
图注：Welldoc 官方 solutions 页面，访问时间 2026-08-09。原 BlueStar URL 重定向到官方 solutions 入口，因此正文按 Welldoc 慢病解决方案入口表述。
Welldoc 的代表意义在于，它很早就把糖尿病管理做成数字疗法语言。openFDA 记录显示，Welldoc DiabetesManager / DiabetesManager-Rx System 的 K100066 决策日是 2010-07-15，这就是本期 16 年标题的起点。
它的优势不在院内给药，而在院外长期管理：血糖数据、用药记录、饮食运动、教育反馈和患者提醒。对医院来说，这类产品适合承接门诊随访、慢病管理中心和健康计划，但不能直接替代医生做治疗调整。
图注：BlueStar/Welldoc 路线的采购重点，是患者持续使用、复诊资料摘要和医生端协同，而不是把它当作住院胰岛素系统。
它的局限也很清楚：依赖患者填写和持续使用，数据质量会随时间波动。医院如果采购这类产品，应该先问三个问题：谁来运营患者？医生端看到什么摘要？患者失联或数据缺口时怎么处理？
MiniMed 780G：闭环泵的成熟样本
图注：MiniMed 780G 官方产品页，访问时间 2026-08-09。页面展示了泵、传感器和手机界面的组合形态。
MiniMed 780G 可以看作混合闭环泵路线的成熟产品样本。更早的监管转折点是 MiniMed 670G：openFDA PMA P160017 原始记录显示，2016-09-28 FDA 批准 MiniMed 670G System，其 SmartGuard 技术可基于 CGM 传感器葡萄糖值自动调整基础胰岛素，并在低血糖阈值附近暂停给药。
这类产品真正改变的是患者每天的治疗负担。它把 CGM 趋势、当前血糖、活性胰岛素、碳水记录和泵执行放进一个闭环，让系统在一定边界内自动调整。
图注：闭环泵采购不能只看算法名。培训、耗材、传感器失准、导管异常和数据回传，都会影响真实效果。
医院选择这类产品时，不能只问“是不是 AI”。更实际的问题是：患者是否适合戴泵？传感器和耗材供应是否稳定？异常报警谁来处理？门诊医生能否拿到可读的复盘数据？
Omnipod 5：无管闭环的生活场景
图注：Omnipod 5 官方产品页，访问时间 2026-08-09。页面直接展示无管贴片泵和患者生活场景，但截图中有 cookie 弹窗，已在 manifest 中记录。
Omnipod 5 的差异点不是“也能闭环”，而是无管贴片泵带来的佩戴体验。糖尿病管理不是一次检查，而是长期生活。一个患者愿不愿意戴、能不能运动、睡觉和工作时持续使用，最后会影响算法能否持续发挥作用。
图注：Omnipod 5 路线强调无管佩戴、CGM 联动、手机控制和长期随访。它解决的是生活场景里的连续性。
它的风险也来自生活场景：皮肤反应、设备供应、传感器连接、教育门槛和患者依从性。医院如果把它纳入推荐或管理路径，需要把患者培训、故障处理和复诊数据回看写进 SOP，而不是只把产品当耗材。
Glucommander：住院血糖治理引擎
图注：Glytec Glucommander 官方产品页，访问时间 2026-08-09。页面明确写到 FDA-cleared insulin dosing decision support、EHR-integrated 和 400+ hospitals。
Glucommander 是本期最能代表近 90 天热度的产品。openFDA 510(k) 记录显示，Glytec Glucommander K254102 的决策日是 2026-05-27。它不是患者 App，而是住院胰岛素决策支持，位置更靠近医院流程。
住院血糖管理的难点在于多角色协同：医生下医嘱，护士执行，营养影响血糖，药物和肾功能改变风险。一个院内系统如果只是给出剂量建议，却不能接进 EHR、护士工作站和质控报表，价值会大打折扣。
图注：Glucommander 的核心是住院血糖责任闭环，采购重点是 EHR 对接、护士执行、低血糖复盘和权限管理。
我认为这类产品最值得医院认真看，但也是上线成本最高的一类。它要求信息科、内分泌科、护理、药学和营养共同定义流程。只要责任边界不清，AI 建议越强，风险越大。
DreaMed endo.digital：专家能力放大器
图注：DreaMed product 官方页，访问时间 2026-08-09。旧站会跳转到新站，因此正文采用 dreamed.ai/product/ 截图。
DreaMed 的位置介于患者自我管理和院内治理之间。openFDA 510(k) 记录显示，DreaMed endo.digital Platform K232722 的决策日是 2023-10-03，openFDA 的 device_name 是面向医疗专业人员的胰岛素泵治疗调整计算器。
它的价值是把专家经验、CGM 曲线、胰岛素方案和患者资料转成可复核建议，帮助医生更快发现需要调整的人群。对糖尿病中心来说，这类系统可能缓解专家供给不足，但不能让 AI 自动替医生承担治疗责任。
图注：DreaMed 路线适合放大专家能力，但前提是医生保留复核权，并记录采纳、修改或退回的理由。
医院部署这类系统时，最该看解释性和记录能力。建议为什么生成？医生为什么采纳或修改？患者数据缺口是否提示？这些问题比“模型是不是用了 AI”更重要。
横向对比
| 产品 | 工作流位置 | 输入/输出 | 优势 | 采购风险 |
|---|---|---|---|---|
| Welldoc | 院外自我管理 | 血糖/生活方式 -> 建议与教育 | 起点早，慢病管理语言成熟 | 依赖持续使用，院内给药能力弱 |
| MiniMed 780G | 闭环给药 | CGM/泵 -> 自动基础率与提示 | 硬件软件一体，闭环成熟 | 耗材、培训、异常报警成本 |
| Omnipod 5 | 无管闭环 | CGM/贴片泵 -> 自动给药 | 佩戴体验和生活场景强 | 供应、皮肤、连接和教育门槛 |
| Glucommander | 住院血糖治理 | 住院血糖/EHR -> 胰岛素方案 | EHR 集成和院内质控定位清楚 | 上线涉及多部门流程改造 |
| DreaMed | 医生决策支持 | CGM/泵数据 -> 治疗调整建议 | 放大专家能力，建议可复核 | 数据不全和责任归属要管住 |
这张表不能拿来判断谁“最好”。它更适合帮医院判断自己的问题在哪一层。如果医院缺的是门诊随访，优先看患者管理和医生决策支持；如果缺的是住院低血糖治理，Glucommander 这类院内系统更相关；如果患者群体是 1 型糖尿病或胰岛素强化治疗人群，闭环泵才是重点。
内分泌科 AI 的采购误区，是把所有产品都叫“糖尿病 AI”，然后要求它们回答同一个指标。真实世界里，产品位置不同，责任链就不同。
医院如何选型与部署
第一，先定义人群。1 型糖尿病、2 型胰岛素治疗、妊娠糖尿病、围手术期高血糖、ICU 患者、普通病区患者，不应该放进同一个 AI 项目里上线。不同人群的风险、数据频率和责任链完全不同。
第二，先打通数据。CGM、血糖仪、泵、EHR、检验、用药、营养和护理记录，至少要明确哪些能接、哪些不能接、延迟多久、谁负责修正。数据断点不解决，AI 建议就只能停留在演示。
第三，试点指标要具体。门诊类产品看复诊效率、患者持续使用、TIR（目标范围内时间）、低血糖事件和医生节省时间；住院类产品看低血糖率、高血糖持续时间、护士工作量、医嘱一致性和报警疲劳。
第四，必须保留退出机制。任何 AI 系统都可能遇到传感器失准、数据缺口、版本升级、报警过载和患者不配合。医院要提前定义何时暂停、何时回退到人工流程、谁批准恢复。
国内代表厂家：产品边界与交付方式
| 公司 | 具体产品 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 微泰医疗 | Equil 贴敷式胰岛素泵等 | 贴敷式泵形态与院外连续管理相关 | 设备+App/云端资料；院内拓扑未披露，招采确认 |
| 硅基动感 | AiDEX 连续葡萄糖监测系统 | CGM 数据入口清晰，可作为随访和算法基础 | 传感器+App/云端；医院接口需确认 |
| 三诺生物 | 血糖监测与糖尿病管理产品 | 家庭和基层血糖监测覆盖较广 | 设备/平台交付；AI 决策边界需索取资料 |
| 鱼跃医疗 | 血糖仪/CGM/慢病管理相关产品 | 家用设备和院外监测入口丰富 | 设备+App/平台；统一院内部署拓扑未披露 |
| 智云健康 | 慢病管理与互联网医院平台 | 随访、处方和患者运营链路较强 | SaaS/互联网医院/药房协同；院内接口需确认 |
采购判断：国内厂家表更像补充坐标，不等同于本期 5 个深度产品。医院真正招采时，要向厂商索取注册证、适用人群、接口清单、网络拓扑、数据流向、升级回滚、本院验证方案和责任边界说明。官网没有披露的，不要用行业常识替厂商背书。
风险与边界
内分泌科 AI 的最大风险不是模型“不够聪明”，而是建议进入了治疗链路，却没有同步进入责任链路。
第一类风险是数据风险。CGM 断连、血糖单位转换错误、时间戳错位、患者漏填餐食、住院记录延迟，都会影响建议可靠性。系统必须显式提示数据缺口，而不是用完整图表制造确定感。
第二类风险是责任风险。患者 App 给出建议、闭环泵自动调节、医生决策支持生成剂量方案、院内系统推送给药指令，它们的责任强度完全不同。医院要区分“提醒”“建议”“医嘱”“执行”四个层级。
第三类风险是运营风险。糖尿病管理是长期任务，项目上线后最容易被忽视的是培训、耗材、报警疲劳、版本更新和患者持续使用。很多 AI 项目不是死在算法，而是死在没人长期运营。
第四类风险是公平性和可及性。闭环泵和 CGM 可能改善管理质量，也可能因为成本、医保、地区和教育差异扩大差距。医院做项目时不能只看核心患者样本，也要看谁被排除在产品之外。
写在最后
图注：未来内分泌科 AI 的业务架构不是单个 App 或泵，而是患者、门诊、住院、团队协同和治理层共同组成的连续管理网络。
图注：未来技术架构要把数据接入、数据标准、AI 模型、工作流编排、安全治理和应用输出放在同一个可验证闭环里。
内分泌科 AI 接下来会更像一张网，而不是一个工具。它一端连着患者每天产生的数据，另一端连着医生、护士、营养、药学、信息科和质控。谁能把这张网织得更稳，谁才更可能真正进入医院工作流。
我认为未来三年内，内分泌科 AI 的竞争会从“哪个算法更会算”转向三个问题：数据能不能连续，建议能不能复核，异常能不能回退。只要这三个问题答不上来，再漂亮的糖尿病 AI 也很难长期留在科室。
本期一句话：内分泌科 AI 已经走过 16 年，下一阶段的关键不是替医生管血糖，而是把监测、治疗调整、复核执行和随访治理接进同一条责任链。
如果你是医院管理者，你会先把糖尿病 AI 放在门诊随访、闭环泵管理，还是住院血糖治理？