臨床應用更新：血糖風險指數（GRI）的發展與實踐

主持人：Klonoff 醫師在開發與評估我們今天討論的許多技術上扮演了關鍵角色。他來自加州聖馬刁（San Mateo）的 Sutter Health Center。David，接下來請您為我們主講血糖風險指數（Glycemic Risk Index, GRI）在臨床使用上的最新進展。

感謝大會邀請我在這個場次發言。血糖風險指數（GRI） 為患者低血糖的嚴重程度提供了一個臨床視角。今天我將探討四個主要問題：第一，什麼是血糖風險指數？第二，它對追蹤個別患者的臨床醫師有何益處？第三，對於在介入治療前後追蹤患者的跨領域研究人員，GRI 有何好處？最後，GRI 能否用於支援人工智慧（AI）？

什麼是血糖風險指數（GRI）？

首先，什麼是血糖風險指數？這是一個複合指標（composite metric），也是一個非常實用的指標，用於表達 14 天連續血糖監測（CGM）圖譜中的血糖品質。這個指標是基於全球 330 位具備 CGM 判讀經驗的臨床醫師的意見所建立的。它對於忙碌的基層醫療醫師特別有用，因為它能將單一圖譜的血糖品質量化表達出來。

這份報告我們發表於三年前（2022 年發表於《Journal of Diabetes Science and Technology》）。我們邀請了超過 90 位來自臨床與技術領域的世界級糖尿病專家參與。我們的基本信念是：一個項目的品質具有多個維度，你可以透過單獨列出各項表現來捕捉它，也可以使用一個「複合分數」來總結其特徵。 我今天在這裡聽到其他演講提到動態血糖圖譜（AGP）報告中蘊含了大量的資訊，這確實沒錯，但將這些資訊萃取並總結成一個單一數字同樣具有極大的價值，這正是我們創造 GRI 的初衷。

我們使用了 225 份來自不同類型胰島素使用者的圖譜，並交由來自全球六大洲的 330 位資深臨床醫師進行審查。每份圖譜由 22 位醫師評分，我們採用了區塊設計（block design），確保每位醫師看到的圖譜組合都是獨一無二的。圖譜的評分範圍從 0 到 100，100 代表最佳圖譜，0 代表最差圖譜。藉此，我們對於「什麼是好圖譜、什麼是壞圖譜」有了明確的概念。

這些圖譜的來源涵蓋了四種胰島素治療類型：第一型糖尿病（T1D）使用每日多次注射（MDI）、T1D 使用開環系統（Open Loop）、T1D 使用閉環系統（Closed Loop / AID），以及第二型糖尿病（T2D）使用 MDI。當時還沒有 T2D 使用閉環系統的案例。

GRI 的數學模型與計算公式

我們收集了臨床醫師對血糖品質的評分意見，並將其數學化，轉化為一個對七項 AGP 指標進行加權的公式。我們使用了迴歸分析（regression analysis）。我們知道某份圖譜評價很高，另一份評價不佳，於是我們去檢視構成這些受歡迎與不受歡迎圖譜的 AGP 分數。迴歸分析讓我們能夠釐清各項數字的貢獻比例。

換個角度看，你可能會問：「嚴重的低血糖比嚴重的高血糖糟糕多少？」我可能會說「糟糕兩倍」，台下可能有人覺得是「三倍」，到底誰是對的？透過詢問這 330 位專家，我們得出了整個糖尿病社群對此的共識評估。

基於線性迴歸，我們建立了一個模型。因此，GRI 血糖品質公式實際上是臨床醫師評估的數學模型。你可以透過網站或 App 輸入數據，也可以自己計算。公式考量了以下範圍：低於 54 mg/dL 稱為「極低（Very Low）」、54 到 69 之間稱為「低（Low）」、181 到 250 之間稱為「高（High）」，大於 250 則是「極高（Very High）」。具體公式為：GRI = (3.0 × VLow) + (2.4 × Low) + (1.6 × VHigh) + (0.8 × High)。

GRI 基本上涵蓋了所有五個範圍，因為當你知道這四個超出目標範圍的比例時，你也同時知道了目標範圍內時間（Time in Range, TIR）。最重要的是，透過給予「極低」和「極高」較大的乘數權重，我們強調這些數值對 GRI 有更大的影響力。這等同於將血糖變異度（glycemic variability）的考量納入其中。 在這個評分系統中，分數越低越好，越高越差。如果「極低」或「極高」的比例很大，它們會大幅拉高分數，使其變差，這也與變異度較大的臨床表現一致。

GRI 的百分位數與風險區域

GRI 分數的範圍從 0 到 100，但這不是百分比（percent），而是百分位數（percentile）。最好的圖譜我們定義為 0 百分位，最差的則是 100 百分位。我們將其劃分為五個區域（zones），每個區域佔 20 個百分位，呈現五等分：綠色、黃色、橘色、紅色、棕色。具體來說：Zone A 為 0-20，Zone B 為 21-40，Zone C 為 41-60，Zone D 為 61-80，Zone E 為 81-100。我們的患者分佈涵蓋了這五個區域。

總結來說，GRI 是一個單一數字，它能告訴你這位患者與其他患者相比表現如何。患者常問醫師：「醫生，我控制得好嗎？」這時，知道患者相對於其他人的表現是很有用的。在這裡，數字越低越好，就像血糖、膽固醇和血壓一樣。最低可能是 0，最高是 100。

GRI 對四種超出範圍的 AGP 指標進行了不同權重的計算，以反映其臨床重要性。它會產生兩種不同的暴露指標來提供具備行動指引（actionable）的資訊：低血糖暴露（Hypoglycemia exposure） 與 高血糖暴露（Hyperglycemia exposure）。如果你時間緊迫，覺得檢視所有七項指標太耗時，你可以直接看 GRI 這個單一數字。當它被繪製在圖表上時，你可以清楚看出患者不夠完美的原因，究竟是低血糖太多還是高血糖太多。這代表它是可採取行動的（actionable），因為你能看出問題出在哪裡。

使用 GRI 時，你可以將同一位患者的多份圖譜繪製在同一個網格上，追蹤他們隨時間的變化，看看他們是否朝著好的方向發展。你也可以用它來繪製整個群體的數據，因為這是一個二維圖表（如果是 TIR，就只是一維的）。因此，GRI 有助於在人口健康規模上對大量患者進行分流與風險分層。

如何取得與應用 GRI

GRI 的軟體是免費的。我們在糖尿病科技學會（Diabetes Technology Society, DTS）開發了它並公開上網。沒有授權費，任何人都可以直接下載使用。你可以在 DTS 網站（www.diabetestechnology.org）找到它，或者在 Apple Store 等應用程式商店下載手機 App。請注意，搜尋時一定要打 "GRI calculator"，只打 GRI 是找不到的。

人們常問：「分數要多少才算好？」0 是最好的（但很難達到），100 是最差的（代表問題很嚴重）。我認為，每位臨床醫師可以根據自己的標準設定介入治療的切點（cut point）。

通常你可以選擇 50 作為基準：低於 50 代表在前半段較佳的群體，高於 50 則在後半段。這對基層醫療醫師特別有用，如果他們很忙，看到分數低於 50，可能會說：「你做得比平均好，今天我們把看診重點放在其他必須處理的問題上。」反之，如果高於 50，醫師可以進一步查看 AGP 的各項數據尋找模式，或者直接將患者轉診給糖尿病專科醫師。對於內分泌科醫師，標準自然更高，大約 20 會是個好目標；如果你是世界頂尖的內分泌專家，也許會追求前 10 百分位，但那非常有挑戰性。

臨床醫師追蹤個別患者的益處

當你打開 GRI Calculator App 時，會看到四個輸入框。假設我們輸入一個剛好達到最低品質預期的模擬患者數據：極低（VLow）1%、低（Low）4%、極高（VHigh）5%、高（High）25%。計算出來的 GRI 是 41。這告訴你，如果你剛好在可接受邊緣，你的 GRI 大約落在中間（41 分）。

在網格圖上，這個點會落在橘色區域（Zone C，第三五分位），剛好在黃色區域外面。當你觀察這個點的位置時，你會發現它在 X 軸（低血糖）上並沒有偏右太多，反而在 Y 軸（高血糖）上距離 0 比較遠。看到這個圖，如果你想快速做點什麼，你會選擇加強治療來改善高血糖，因為他們的低血糖狀況沒那麼糟。這就是所謂的「具備行動指引（actionable）」，它告訴你治療的重點應該放在哪裡。當然，這個數字不是告訴你所有細節的終極指標，它是一個複合分數，用來快速回答「患者現在狀況如何？需不需要改變治療？」

我們也進行了一項關於臨床醫師如何看待 GRI 臨床實用性的研究（2025 年發表於 JDST），由佛羅里達州立大學護理學院院長 Jing Wang 擔任主要研究者。參與者多為衛教師與部分醫師。調查得出四個主要結論，其中最重要的是：參與者強烈傾向將 GRI 與 AGP 結合使用。我們原以為大家只會想用其中一種，但實際上 50% 的人偏好兩者並用（39% 偏好單用 GRI，11% 偏好單用 AGP）。此外，75% 的人非常願意將 GRI 整合進他們的工作流程中。

整合的意思是，CGM 公司將 GRI 計算功能直接加入其平台，這樣你甚至不需要自己計算，系統會在後台處理並直接顯示 GRI 分數。我預期 CGM 製造商很快就會朝這個方向發展。

該調查也總結了 GRI 的四大優勢：1. 資料簡化（Data simplification）；2. 支援臨床決策（Clinical decision support）；3. 增進對 CGM 數據的理解（Improves understanding of CGM data）；4. 需要更廣泛的推廣（Wider dissemination is needed）。雖然這是一個新指標，但許多頂尖的糖尿病醫師都在使用它，PubMed 上已有超過 250 次引用。

此外，在糖尿病科技學會，我們在 2025 年 12 月發布了一份名為 iCode2 的報告。這是一項互通性（interoperability）研究，說明如何將 CGM 與胰島素傳輸設備（如幫浦或胰島素筆）的數據自動上傳到電子健康紀錄（EHR）。數據上傳後，你需要一個標準化的方式來檢視它。我們組成了一個國際專家小組，制定了「胰島素劑量分佈圖（Insulin dosing profile）」。就像心電圖（EKG）有統一的波形標準，我們認為 CGM 和胰島素數據也應該有統一的視覺呈現。我們將指標橫向排列，並將 GRI 納入其中，下方則顯示總每日劑量（TDD）、基礎與餐前比例等胰島素給藥數據。我相信未來我們會看到更多這種標準化介面。

隨時間追蹤與「餐廳評論」比喻

你可以透過連續測量來追蹤個別患者。假設我們追蹤一位患者五次，目標是讓他進入綠色區域。有趣的是，從 Time 1 到 Time 2，他的目標範圍內時間（TIR）實際上從 46% 下降到了 40%。如果只看 TIR，你會說他變差了。但實際上，他的 GRI 從 90 改善到了 75。這是因為他減少了極端的血糖數值。

試想一下，如果有兩位患者在 70 到 180 之間的 TIR 比例完全相同，但其中一位超出範圍時的數值是 68、69 或 181、182；而另一位超出範圍時卻是 30 或 400，出現了劇烈的波動。邏輯上，第一位患者控制得比第二位好，但如果只看 TIR，你完全得不到這個資訊。因此，雖然 TIR 很重要，但它無法告訴你全貌。

這就像 Yelp 上的餐廳評論。食物品質當然最重要（就像 TIR），但如果有兩家食物一樣好吃的餐廳，一家又髒、又慢、又吵、訂位體驗又差；另一家各方面都做得很好又乾淨，你肯定會說第二家比較好。因為「食物」不是餐廳的全部，同樣地，「TIR」也不是血糖控制的全部。如果你有一個能將其他特徵都考量進去的指標，那會更有價值，這就是 GRI 在做的事。

對研究人員的益處

對於在介入治療前後追蹤患者群體的研究人員來說，GRI 也非常有幫助。GRI 報告發布後，法國的 Pierre-Yves Benhamou 發表了第一篇使用 GRI 追蹤患者的論文（2022 年發表於 JDST）。他觀察了一群控制不佳的開環（Open Loop）系統使用者，並讓他們轉換到閉環（Closed Loop）系統。

在 GRI 圖表上，開環使用者是圓圈，閉環使用者是黑色菱形。結果不僅平均數值改善了，你還可以從圖表上直觀地看到，數據點整體向左移動了（這代表低血糖減少，是好事）。閉環系統使用者的低血糖大幅減少，雖然有些人仍有高血糖（這是下一個挑戰），但他們在低血糖方面表現得好太多了。

此外，GRI 與回顧性治療結果有著極佳的相關性。目前已有超過 30 篇文章比較了 Delta TIR（TIR 的變化量）與 Delta GRI。在幾乎所有案例中，Delta GRI 的幅度都超過了 Delta TIR，因為它對患者狀況的變化更為敏感。唯一的注意事項是，Delta TIR 的單位是百分比（%），而 Delta GRI 是百分位數（percentile），但兩者都是 0 到 100 的量表。對我來說，如果兩個指標都在 0-100 的範圍內，而其中一個指標的改善幅度更大，那就代表該指標更敏感。

最近，瑞典的 Marcus Lind 在 2026 年 3 月的《Frontiers in Clinical Diabetes and Healthcare》發表了一篇基於 GOLD 試驗的報告，比較了自我血糖監測（SMBG）與 CGM 使用者的數據，再次證明 TIR 的表現不如 GRI 敏感。

總結：心血管風險的類比與未來方向

最後，我想談談反映不良預後風險的指標。我們知道 LDL 膽固醇是心臟病的危險因子，這當然是個好指標。但我們也知道，佛萊明罕風險評分（Framingham Risk Score）——一個結合了 LDL、HDL、血壓、年齡、性別、吸菸與糖尿病史的複合指標——是一個更好的風險預測工具。

如果你要評估心血管疾病的不良預後風險，你會只看 LDL，還是會看佛萊明罕風險評分？你當然不會把其他因素都丟掉。這就像在說：「TIR 很好（就像 LDL），我們也知道變異度等其他因素與預後相關，但我們決定不看它們。」我認為這會錯失重要的數據。

正如心血管疾病的複合指標包含了主要風險因子（LDL）和其他已知會促進不良預後的因子；我們為什麼不為糖尿病採用類似的典範？也就是結合主要風險因子（TIR）以及其他已知會增加不良預後的因子，而這些「其他因子」正是 GRI 所涵蓋的。

因此，相當於佛萊明罕風險評分的糖尿病複合指標，就是 GRI。 我提議我們應該將 GRI 視為一個潛在的「多重風險因子（multifactorial risk factor）」，用於使用 CGM 預測不良預後的結果研究中。計算它的成本極低，只需像我剛才展示的那樣做個簡單計算。讓我們透過測量糖尿病介入治療的 GRI，來看看單獨使用 TIR 到底是不是預測不良預後的最佳方法。

此外，GRI 也可以用來評估 AI 對 CGM 圖譜判讀的準確性...

(主持人介入) David，不好意思打斷你，我們需要... 能不能請您過來這邊，我們想留點時間進行問答環節。