賴皮王

談到AI智慧醫療，如果只看「酷炫的技術」，很容易熱鬧一陣子就散場；但如果換個角度，從公共衛生與醫療支出的結構去看，有些題目就會變得非常務實，而糖尿病就是其中之一。
根據國際糖尿病聯盟（IDF）的資料顯示，2024 年全球約有 5.89 億名成人（20–79 歲）罹患糖尿病，且未來仍將持續上升；同時，糖尿病造成的全球健康支出已達至少 1 兆美元規模。這不是單一國家的問題，而是幾乎所有已開發或正在開發中的健康體系，都得面對的長期財務和公衛的壓力。

但糖尿病更棘手的地方在於：它不只是一個「確診後」的疾病，而是一條很長的代謝風險光譜。當系統把資源集中在末端（確診、併發症、住院）時，成本必然快速上升；反過來，如果能把資源往前挪，對「尚未確診但高風險」的人做早期介入，整體疾病曲線才有機會被壓下來。

而這篇文章筆者想談的，就是：穿戴式偵測技術（尤其是非侵入式、背景式監測）加上AI與多模態風險預測，是否能讓糖尿病管理從「治療導向」轉向「預防導向」？以及在這個轉型中，產業鏈的「新玩家」可能會是誰?

1. 糖尿病管理的重心，正從「確診後控制」轉向「確診前介入」

過去糖尿病的典型管理框架很清楚：BGM（指尖偵測）→ 口服藥 → 胰島素 → CGM（連續血糖監測）與併發症管理。這套模式已經非常成熟，且臨床證據完整，但它的假設前提是：使用者已經得到糖尿病。

然而從公共衛生的角度來看，真正的難題在於：實際上糖尿病人數的大頭，往往是「還沒得病但正在路上」的人。

以美國為例，CDC 在 2024 年發布的統計指出，約 9,800 萬名美國成人（超過 1/3）有糖尿病前期（prediabetes），且超過 8 成不知道自己有前期糖尿病；同時，美國糖尿病（已診斷）相關的總成本（醫療費＋工作與薪資損失）高達 4,130 億美元。
這個結構意味著：若系統只把資源集中在「確診後」，就會永遠追著成本跑；而若能提升高風險族群的早期識別與介入，才可能在長期把曲線壓下來。

這也呼應經典的 Diabetes Prevention Program（DPP）研究：在高風險族群中，強化生活型態介入可降低第二型糖尿病發生率 58%（相對於對照組）。換句話說，「早期介入」不是口號，而是有硬證據支撐的策略。

而歐洲在這件事上也更偏向公共衛生視角。IDF 的歐洲區域資料顯示：2024 年歐洲區域約 6,600 萬人罹患糖尿病，盛行率約 9.8%，且糖尿病相關支出估計約 1,930 億美元。英國 NHS 甚至把「預防」做成規模化專案：NHS 的 Diabetes Prevention Programme（Healthier You）指出，完成計畫者可將發展為第二型糖尿病的風險降低「超過三分之一」，並已觀察到新診斷下降趨勢。

如果把美國和歐洲在公衛上的努力放在一起看，趨勢其實很一致：糖尿病管理正在被重新定義成「一種長期風險的管理問題」，而不是「確診後的血糖數字問題」。

2. 以「三階段」拆解：不同病程，需要不同監測技術與產品策略

如果把糖尿病視為一條代謝風險光譜，我傾向用三個階段來看技術的角色與商模差異。

(1) 尚未確診，但屬於糖尿病高風險族群：從「抽血追蹤」走向「背景式代謝監測」

高風險族群的特徵很常見：家族史、肥胖、代謝症候群、睡眠不足、壓力大，甚至健檢數值已接近門檻。傳統做法多半是「定期抽血追蹤」，但問題是：抽血的頻率低、回饋慢、與日常行為的連結弱，很難驅動生活型態的持續改變。

因此，穿戴式監測若要在這一段發揮價值，關鍵不在於「把血糖量得跟BGM / CGM 一樣準」，而在於提供更可行的產品體驗：非侵入、連續、背景式、能對行為產生回饋。
而根據過去的學術研究顯示，類似VOC（汗液揮發性有機物）與丙酮（acetone）監測方向，正落在這個邏輯上：它是一種「代謝狀態」的代理指標。丙酮與脂肪代謝 / 酮體變化相關，理論上可反映飲食結構、活動量、甚至壓力與睡眠造成的代謝波動。

對高風險族群而言，這類監測的價值可能在於：用低負擔方式建立長期基線（baseline）、捕捉「行為改變」對代謝狀態的回饋、由 AI 進一步把訊號轉成可理解的建議（例如飲食、運動、睡眠）

簡單說，這種監測方式比較像「代謝管理的儀表板」，而不是「血糖的單點讀值」。

(2) 剛確診的初期糖尿病：以 BGM 的「密集教育」建立模式

確診初期的重點往往不只是控制，而是「理解」。BGM（指尖血糖）在這一段仍然有很強的必要性，尤其是配對式量測（飯前/飯後/睡前），它能協助患者建立：「哪些食物讓血糖飆升」、「運動後下降的速度」、「夜間是否超標」等行為以及數值關聯。

從產品角度來看，這一段更像「短期密集管理」：裝置本身不是全部，真正的核心是教育流程、回饋設計、以及能否把數據變成行為可執行，且對於使用者真的有用的建議。

(3) 需要胰島素或較複雜治療的患者：以 CGM 找出 pattern，支援精準調整

對需要胰島素或治療複雜的患者，CGM 的價值在於曲線而非單點：夜間低血糖、清晨現象（dawn phenomenon）、飯後延遲高峰等 pattern 能協助臨床與患者更精準地調整胰島素劑量、時機、甚至藥物策略。

這部分的市場已相對成熟，但未來的升級點會往「整合」走：血糖曲線＋睡眠＋壓力＋活動量的聯動分析，才可能把「曲線解讀」從專業者專屬，逐步推向一般患者可理解、可行動。

3. AI 多模態分析的關鍵想像：從「監測」升級為「預測」，把介入點往前推

若只看感測器，市場會陷入「準確度內卷」：誰更準、誰更便宜、誰更好用。但若把戰場拉回公共衛生，核心問題其實是：我們能不能在使用者還沒得糖尿病之前，就指出他的風險正在上升，並提供可執行的介入方案？

這裡 AI 的角色會比較像「風險整合器」，把不同來源的弱訊號組合成可用的預測：VOC（例如丙酮濃度變化）與代謝狀態、穿戴式的睡眠、活動、HRV 與壓力 proxy、健檢與實驗室數據（HbA1c、血脂、肝功能等）、個人與家族病史，甚至基因與生活型態問卷從技術角度這叫多模態（multimodal）。

從產品角度它其實是一個新的承諾：不是告訴你「現在血糖多少」，而是告訴你「你走向糖尿病的機率正在改變」，並把介入建議做成可落地的計畫。這種模式也更符合 DPP 這類研究的精神：生活型態介入有效，但前提是要能找到族群、讓人願意做、做得下去。

4. 台灣健保視角：為什麼「把介入往前推」更有誘因，也更難？

把視角拉回台灣，糖尿病與健保之間的關係更直接：因為健保是主要支付者。國健署在 2024 年的資料提到：依 2019–2023 國民營養健康調查，20 歲以上國人糖尿病盛行率約 12.8%。

而健保署公布的「2024 年全民健康保險醫療費用前二十大疾病」中，糖尿病就醫人數約 203.5 萬人，醫療費用（點數）約 44,197 百萬點，占比約 4.83%，在前二十大疾病中名列前段。

從上述的資料，有兩個非常值得我們觀察的現象：

(1) 支付者當然想要「預防」，但預防最難量化 ROI

健保的本質是風險池。對支付者來說，能讓人「晚一點得病、少一點併發症」，長期一定更划算；但問題在於，預防的效益往往跨年度、跨預算科目，且成果歸因困難（到底是穿戴、衛教、門診、還是病人自己努力？）。

因此，若要推動穿戴式＋AI 的「高風險管理」，政策與支付設計需要更接近「成果導向」或「風險分層管理」的邏輯，而不只是多給一個檢驗項目。

(2) 台灣對「連續監測」的給付仍偏嚴格，反映支付體系的謹慎

以 CGM 為例，衛福部/健保署過去已對特定族群給付，並曾發布放寬或調整相關規範的訊息，但整體而言，給付條件仍相對嚴格、且較偏向特定族群與特定情境。這也代表：即便臨床價值被認可，支付端仍會非常在意適應症、成本、以及濫用風險。

因此把這個現實對照到前面提出的「高風險族群 VOC 穿戴監測＋AI 風險預測」，就會得到一個較冷靜的結論：技術可行只是第一步，真正的門檻會是：如何設計成健保願意買單的服務模式。

從筆者的觀察與觀點來看，從政策和健保給付的角度，可能的路徑包括：

• 與既有慢病/代謝症候群管理門診機制結合（讓裝置成為服務的一部分，而不是單獨賣硬體）
• 用「風險分層」找出最值得投資的族群（家族史＋代謝症候群＋特定生化指標）
• 以「延緩確診」或「降低 HbA1c / 減少急性事件」等結果指標做成可評估的支付條件
• 甚至先走企業健檢/商保/自費健康管理市場，建立真實世界證據（RWE），再回推支付端

5. 產業觀察：未來的玩家，可能不只在傳統血糖產業鏈

如果把糖尿病市場拆成兩塊：第一塊是確診後控制：藥物、CGM、胰島素與既有照護體，第二塊則是確診前風險管理：長期背景監測＋AI 預測＋生活型態介入

前者的產業玩家非常明確，多數是傳統醫材/藥廠與血糖供應鏈；但後者卻更像「科技平台型競爭」。原因在於，確診前風險管理的核心不是單一感測器，而是「系統能力」，而這樣的能力則包含

• 多感測器融合與資料品質管理
• AI 風險模型與可解釋性
• 軟體醫材（SaMD）的合規能力
• 用戶體驗與長期留存（不留存就沒有長期基線）
• 與醫療/健檢/保險/企業健康的合作整合
  

在上述的能力需求之下，以筆者的觀點，反而像是 Apple 或 國內大廠華碩這種同時具備硬體、演算法、軟體醫材與 AI 能力的公司，確實更符合「確診前風險管理」的競爭條件——因為它更像一場生態系競賽，而不是單點裝置競賽。

6. 結語：未來十年，糖尿病管理的關鍵字可能是前移與整合

回到最初的問題：穿戴式偵測與 AI 是否會改寫糖尿病管理？冷靜地說，它不會一夕之間取代現有的 BGM/CGM，也不會單靠感測器就解決公共衛生問題。但它很可能帶來兩個結構性改變：

• 介入點前移：從確診後控制，前移到高風險族群的預測與介入（DPP 等證據已支持早期介入的有效性）。
• 照護整合：從「一個血糖數字」升級到「代謝風險的多模態管理」，並且與健檢、門診、支付與健康管理服務結合。
• 在公共衛生與支付壓力不會下降的前提下，這條路徑的吸引力只會越來越高。而真正值得觀察的，不只是技術突破，而是：誰能把技術做成可規模化、可支付、可長期留存的服務。