预测糖尿病的进展风险有助于提早干预和预防。2024年1月，发表在Diabetes Obes Metab的一项研究，提出了一种基于机器学习的模型，或能使糖尿病前期患者的个体化治疗策略更加方便。

目的

探讨根据糖尿病进展风险（progression risks，PR）对糖尿病前期患者进行分层是否会影响他们对干预措施的反应。

方法

研究人员开发了一个基于机器学习（machine learning，ML）的模型来以最少的预测因子预测1年的糖尿病进展风险（ML-PR）。该模型在平谷研究（一项北京郊区前瞻性人群调查；n=622）的糖尿病前期参与者中开发并内部验证。

来自北京糖尿病前期逆转计划队列的患者（一项评估生活方式和/或吡格列酮对糖尿病前期康复疗效的多中心随机对照试验；n=1936），使用ML-PR将患者分为低、中、高风险组。评估亚组内四种干预措施对糖尿病前期逆转和糖尿病进展的不同影响。

结果

使用最少的预测因子包括空腹血糖、75g葡萄糖给药后2小时餐后血糖、糖化血红蛋白、高密度脂蛋白胆固醇和甘油三酯，以及ML算法XGBoost，ML-PR成功预测了平谷研究中糖尿病前期参与者的1年进展[内部接受者工作特征曲线下面积0.80（0.72～0.89）]和北京糖尿病前期逆转计划[外部接受者工作特征曲线下面积0.80（0.74～0.86）]。

在高风险组中，与常规生活方式治疗+安慰剂相比，吡格列酮+强化生活方式治疗在第一年和试验结束时显著降低了约50%的糖尿病进展。在中、低风险组中，强化生活方式治疗、吡格列酮或二者联合治疗对糖尿病进展和糖尿病前期逆转没有任何益处。

结论

本研究提示对糖尿病前期患者进行个体化治疗是必要的。具有简单的临床变量的ML-PR模型或能使糖尿病前期参与者的个体化治疗策略更加方便。

声明

本文为专业研究人员文献学习后的心得体会，其语言表述不能完全反映原文献的研究内容，仅为读者提供信息参考。如需了解文献研究的详细情况，需根据参考文献提供的检索路径，查找并阅读原文献。