胰岛素抵抗是指身体对胰岛素的反应变弱，导致血糖调节效率下降。这种状态往往在发展为糖尿病前期或2型糖尿病之前没有明显症状，因此容易被忽视。及早发现并干预，比如通过调整饮食、增加运动等生活方式改变，有可能逆转风险。但目前常规体检方法（如空腹血糖或糖化血红蛋白检测）常常无法捕捉早期变化，而更精准的检测又成本高、耗时长。
为解决这一问题，研究人员提出了一种新方法：把智能手表持续记录的数据（如心率、活动量、睡眠模式等）和一次性的血液检测（胆固醇、胰岛素、血糖）以及简单健康问卷信息结合起来，用人工智能模型分析，预测个体是否存在胰岛素抵抗风险。
这项研究纳入了1165人，先用他们的数据训练深度神经网络，再用另外72人的独立数据验证效果。研究人员还引入了一个在4000万小时可穿戴设备数据上预先训练好的基础模型（WFM），进一步提升预测准确性。最终模型综合了手表数据、年龄、性别、体重等基本信息和血液指标，预测能力明显优于仅靠人口统计信息的传统方法——准确率（AUROC）达到0.75，而传统方法仅为0.66。