在多样化人群中预测2型糖尿病慢性肾病进展的风险

这对糖尿病患者为何重要

许多2型糖尿病患者最终会出现肾脏问题，有时需要透析或肾移植。然而对于个体患者来说，医生很难判断谁的肾功能会迅速恶化，谁又能多年保持稳定。本研究展示了如何将长期医疗记录与现代计算方法结合，提前数年预测肾脏问题，从而为患者和临床医师争取更多干预时间。

追踪数千名患者多年随访

研究人员利用了香港公共卫生系统的电子健康记录，该系统覆盖了大多数当地人口。他们关注了2003至2019年间有多次肾功能检测的22万多名2型糖尿病成年患者，并进一步筛选出起初处于早期、低危阶段的患者。在17年间，研究团队追踪了哪些人进展到更严重的慢性肾病阶段，哪些人保持稳定。为反映真实临床护理，他们构建了分别预测2年、5年和10年结局的独立模型。

教会计算机“阅读”健康史

研究团队没有只使用少数简单风险因子，而是训练了深度学习模型——这类灵活的计算系统能同时从大量信息中发现模式。模型输入了21项常规采集的指标，包括年龄、性别、体型、血脂、长期血糖控制、与肾功能相关的血液检测、血压、吸烟史，以及关键药物的记录，例如降压药和胰岛素。对于检测较少的情形，他们还制作了一个精简版，仅使用15项最常见的指标。模型在80%的数据上训练，在剩余20%上验证，同时采用特殊方法填补缺失值并防止过拟合。

预测效果如何

在所有时间范围内，深度学习模型均优于传统统计工具和其他机器学习方法。对于香港患者，全量模型在2年、5年和10年的预测中，受试者工作特征曲线下面积（AUC）约为87%、85%和85%，这意味着模型通常能区分谁会更早恶化。精简模型的表现仅略逊一筹。将相同模型应用于两个独立研究队列——英国生物样本库和中国健康与养老纵向研究——时，尽管这些数据集中许多详细的实验室或处方记录缺失，模型仍表现合理，表明该方法有望推广到不同国家和医疗系统。

驱动风险的因素以及结果如何指导护理

为使预测对临床医生更易理解，研究团队使用了一种分析技术，展示每个因素对模型决策的贡献大小。最强的信号来自血肌酐（反映肾小球滤过功能的指标）、性别、年龄、血压、长期血糖以及近期使用的影响肾脏与血压的药物。计算得出的风险评分随后被输入标准的生存分析工具以绘制曲线，显示低、中、高预测风险人群的进展速度。在每一组中，预测风险较高者更早进入更严重的肾病阶段，肾脏健康“生存”时间更短，证明这些评分具有实际临床意义。重要的是，男性和女性的总体表现大体相当，尽管在一个外部队列中长期预测存在一些差异。

这对日常治疗可能意味着什么

本质上，这项研究提供了一种实用途径，将常规门诊数据转化为2型糖尿病患者个体化的肾脏健康预测。医生可以输入患者的年龄、化验结果和近期处方，得到未来数年肾功能下降的估计概率和相应的疾病进程曲线。被标记为高风险的患者可接受更密切随访、更严格的血压与血糖控制，并更早转诊肾脏专科，而低风险患者则可能避免不必要的就诊。尽管作者指出该模型不能证明哪种治疗能阻止疾病进展，且仍需将更多数据类型和人群纳入验证，但他们的框架指向了一个未来：通过将检验值与用药模式的微小变化转化为明确、可操作的预警，可以在肾脏功能开始衰竭前很久就采取干预。

引用: 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

关键词: 2型糖尿病, 慢性肾脏病, 风险预测, 电子健康记录, 深度学习