Prognozowanie ryzyka postępu przewlekłej choroby nerek u osób z cukrzycą typu 2 w różnych populacjach

Dlaczego to ma znaczenie dla osób z cukrzycą

Wiele osób z cukrzycą typu 2 z czasem rozwija problemy z nerkami, co niekiedy prowadzi do dializ lub przeszczepu. Jednak dla konkretnej osoby trudno jest lekarzom przewidzieć, u kogo funkcja nerek pogorszy się szybko, a u kogo pozostanie stabilna przez lata. Badanie pokazuje, jak długoterminowe dane medyczne i nowoczesne techniki obliczeniowe można połączyć, by prognozować problemy z nerkami na wiele lat wcześniej, dając pacjentom i klinicystom więcej czasu na działanie.

Śledzenie tysięcy pacjentów przez wiele lat

Naukowcy wykorzystali elektroniczne rekordy medyczne z publicznego systemu opieki zdrowotnej w Hongkongu, który obsługuje większość lokalnej populacji. Skupili się na ponad 220 000 dorosłych z cukrzycą typu 2, którzy mieli powtarzane badania nerek w latach 2003–2019, a następnie zawęzili grupę do osób, których nerki na początku były w wczesnych, niżej ryzykownych stadiach. W ciągu 17 lat śledzili, kto przeszedł do poważniejszych stadiów przewlekłej choroby nerek, a kto pozostał stabilny. Aby odzwierciedlić sposób świadczenia opieki w praktyce, zbudowali osobne modele prognozujące z perspektywą dwóch, pięciu i dziesięciu lat.

Nauka komputerów czytania historii zdrowia

Zamiast korzystać jedynie z kilku prostych czynników ryzyka, zespół wytrenował modele uczenia głębokiego — elastyczne systemy komputerowe potrafiące wykrywać wzorce w wielu informacjach jednocześnie. Modele przyjmowały mieszankę 21 rutynowo zbieranych miar, w tym wiek, płeć, rozmiary ciała, stężenia lipidów, kontrolę glikemii, testy krwi związane z nerkami, ciśnienie krwi, historię palenia oraz zapisy kluczowych leków, takich jak leki przeciwnadciśnieniowe i insulina. Dla sytuacji, gdy dostępnych jest mniej badań, przygotowano także uproszczoną wersję wykorzystującą 15 najczęściej mieronych wskaźników. Modele trenowano na 80% danych i testowano na pozostałych 20%, stosując specjalne metody uzupełniania brakujących wartości i zabezpieczające przed przeuczeniem.

Jak dobrze działały prognozy

We wszystkich horyzontach czasowych modele uczenia głębokiego były dokładniejsze niż tradycyjne narzędzia statystyczne i inne metody uczenia maszynowego. Dla pacjentów z Hongkongu pełny model prawidłowo uporządkował przyszłe ryzyko choroby nerek z polem pod krzywą ROC wynoszącym około 87% przy dwóch latach, 85% przy pięciu latach i 85% przy dziesięciu latach, co oznacza, że zazwyczaj potrafił wskazać, kto pogorszy się wcześniej. Uproszczony model wypadł tylko nieznacznie gorzej. Gdy te same modele zastosowano do dwóch niezależnych kohort badawczych — UK Biobank oraz China Health and Retirement Longitudinal Study — nadal działały stosunkowo dobrze, mimo że w tych zbiorach brakowało wielu szczegółowych wyników badań laboratoryjnych czy zapisów recept. Sugeruje to, że podejście może być przenoszone na różne kraje i systemy opieki zdrowotnej.

Co napędza ryzyko i jak wyniki mogą kierować opieką

Aby udostępnić prognozy zrozumiałe dla klinicystów, zespół zastosował technikę analityczną pokazującą, jak bardzo każdy czynnik przyczynia się do decyzji modelu. Najsilniejsze sygnały dawały stężenie kreatyniny we krwi (marker zdolności filtracyjnej nerek), płeć, wiek, ciśnienie krwi, długoterminowa kontrola glikemii oraz ostatnie stosowanie leków wpływających na nerki i ciśnienie. Wyniki ryzyka z modelu wprowadzono następnie do standardowych narzędzi analizy przeżycia, by narysować krzywe pokazujące, jak szybko osoby o niskim, średnim lub wysokim przewidywanym ryzyku zwykle przechodzą do gorszych stadiów choroby. W każdej grupie osoby o wyższym przewidywanym ryzyku szybciej przechodziły do gorszych stadiów i miały krótszy „okres przeżycia” związany ze zdrowiem nerek, co potwierdza kliniczne znaczenie tych wyników. Co ważne, skuteczność była na ogół podobna u mężczyzn i kobiet, choć w jednej z kohort zewnętrznych zauważono pewne różnice w dłuższych prognozach.

Co to może znaczyć dla codziennego leczenia

W istocie badanie dostarcza praktycznego sposobu przekształcania rutynowych danych z gabinetu w spersonalizowane prognozy dotyczące zdrowia nerek u osób z cukrzycą typu 2. Lekarz mógłby wprowadzić wiek pacjenta, wyniki badań i ostatnie leki, a otrzymać oszacowane prawdopodobieństwo pogorszenia nerek w ciągu kilku następnych lat wraz z wizualną krzywą spodziewanego przebiegu choroby. Osoby zakwalifikowane jako wysokiego ryzyka mogłyby otrzymać bliższe monitorowanie, bardziej rygorystyczną kontrolę ciśnienia i glikemii oraz wcześniejsze skierowanie do nefrologa, podczas gdy pacjenci niskiego ryzyka mogliby uniknąć niepotrzebnych wizyt. Choć autorzy zauważają, że model nie dowodzi, które leczenia zapobiegają chorobie, i że potrzebne są dalsze prace obejmujące dodatkowe typy danych i populacje, ich ramy wskazują na przyszłość, w której subtelne zmiany w wynikach badań i schematach lekowych można przekształcić w jasne, możliwe do działania ostrzeżenia na długo przed niewydolnością nerek.

Cytowanie: Zhao, Y., Lu, S., Lu, J. et al. Risk Prediction of Chronic Kidney Disease Progression in Type 2 Diabetes Mellitus Across Diverse Populations. npj Digit. Med. 9, 250 (2026). https://doi.org/10.1038/s41746-026-02439-2

Słowa kluczowe: cukrzyca typu 2, przewlekła choroba nerek, prognozowanie ryzyka, elektroniczne rekordy medyczne, uczenie głębokie