用于糖尿病研究的双模数据集

这对患有或担心糖尿病的人为何重要

糖尿病影响着全世界数以亿计的人，但研究人员仍然难以预测谁会发展为严重并发症，例如肾功能衰竭、失明或心脏病。一个主要障碍是缺乏大规模、详尽的真实世界数据，这些数据能够反映糖尿病随时间如何与全身其他系统相互作用。本文引入了一个近六千名患者的丰富新数据集，可能有助于科学家构建更好的预测工具，并加深我们对糖尿病在日常临床环境中演变方式的理解。

大量真实患者，而非小规模研究样本

作者收集了在上海一家大型糖尿病中心两个月期间接受治疗的5,922名患者的信息。与许多早期只随访几十或几百名志愿者的研究不同，这个数据集反映了临床医生实际见到的患者类型：年龄在18至91岁之间的成年人，体型、血糖水平、病程和并发症均有广泛差异。为保护隐私，所有个人识别信息均已移除，变量名称也已标准化，以便世界各地的研究人员可以轻松理解和重复使用这些信息。

两类数据共同讲述更完整的故事

该资源被描述为“双模”（bimodal），意味着它将数值测量与结构化、类文本的病史及生活方式信息相结合。每位患者共有190个不同属性，包括身体指标（如体重指数 BMI）；多次血糖测量；详尽的肝、肾和血液检查面板；以及胰岛素分泌相关指标。与这些数值并列的是吸烟和饮酒习惯、工作类型、对糖尿病症状的认知、家族史以及心脏病、中风、神经损伤、视力问题或糖尿病足等并发症记录。这些层次共同提供了糖尿病如何与整体身体状况和日常生活相互作用的更完整图景。

填补早期糖尿病数据集留下的空白

论文通过与若干知名公共资源比较，将这一新数据集置于背景之中。一些现有集合随访使用先进糖尿病技术的患者并全天追踪血糖，但常常缺乏并发症信息；另一些则侧重于极少数人的分子细节，难以推广到真实临床环境；还有的提供连续葡萄糖监测但忽略关键背景因素，例如病程长短或是否存在肾病。相比之下，新的数据集将多系统信息汇集在一起——血糖控制、肝肾功能、血常规、生活方式和并发症史——特别适合用于构建旨在预测未来风险或对不同病程模式进行分类的机器学习模型。

验证这些数值是否符合医学常识

为证明数据的可靠性，研究者进行了多项与临床预期相符的验证。他们检查了体重与血糖的关系，发现较高的 BMI 通常伴随较高的空腹和餐后血糖水平，大多数值落在合理的临床范围内。他们考察了血糖测量在患者群体中的分布，观察到典型 2 型糖尿病的模式：许多人集中在较高体重类别，并且两小时餐后血糖偏高。他们还检查了同一患者的空腹与餐后血糖读数的一致性，并探索了肾功能分期与平均血糖水平的对应关系。最后，他们确认血液中胰岛素的测量值与一个标准的胰岛素抵抗指数密切相关，这与基础生理学预期一致。

对未来护理和研究的意义

简而言之，本文并不测试新药或新饮食；相反，它提供了构建和评估更智能糖尿病护理工具所需的原始资料。由于该数据集规模大、信息详尽且公开可得，科学家可以用它来训练算法，以便更早识别高危患者、了解哪些风险因素组合最为关键，或比较具有不同并发症模式的亚组。如果与其他来源合理结合并谨慎使用，这类数据资源可以帮助将糖尿病护理从一刀切转向更个性化的预测，并最终更好地预防该病最令人畏惧的后果。

引用: Li, J., Zheng, H., Zhou, Y. et al. A bimodal dataset for diabetes research. Sci Data 13, 652 (2026). https://doi.org/10.1038/s41597-026-06923-y

关键词: 糖尿病 数据集, 临床 数据, 机器学习, 糖尿病 并发症, 风险 预测