一项革命性的"数字孪生"AI模型发现，心理和社会因素对2型糖尿病的预测作用远超先前认知。该研究分析了近20,000名英国成年人17年的健康数据。
与依赖血糖或BMI值的标准医疗工具不同，这种AI聚焦于健康的"人类"方面。研究发现，孤独感、失眠和心理健康问题各自可使糖尿病风险提高约35个百分点。当这三种因素同时存在时，风险激增78个百分点，证实精神健康在预防该疾病方面与饮食同样重要。
关键事实
- 三重力量： 虽然饮食是已知因素，但孤独感、睡眠障碍和心理健康问题的组合比单纯的食物选择更能准确预测糖尿病。
- 压力关联： 研究人员认为，这些因素通过持续升高应激激素引发"慢动作"健康危机，导致慢性炎症并破坏身体调节胰岛素的能力。
- 饮食"压力进食"： 该模型发现高压力与"促炎症"饮食之间存在强关联——特别是高盐、含糖谷物和加工肉类。
- 种族差异： AI确认了显著差异，显示南亚、非洲和加勒比地区参与者面临的风险明显高于白人参与者，这突显了需要文化针对性的预防措施。
- 成本效益筛查： 由于该模型使用生活方式数据而非昂贵的血液检测或可穿戴设备，可用于在服务不足或低收入社区中识别高风险人群。
消息来源： 安格利亚鲁斯金大学
一项新研究使用先进的"数字孪生"人工智能模型发现，孤独感、失眠和心理健康问题会显著增加一个人未来患2型糖尿病的风险。
这项研究由安格利亚鲁斯金大学(ARU)领导，与克兰菲尔德大学、朴茨茅斯大学和Intelligent Omics Ltd合作进行，发表在《Frontiers in Digital Health》期刊上，使用了英国生物银行中19,774名英国成年人的生活方式和健康数据，追踪长达17年。
与传统预测工具不同，这种新模型完全关注行为、生活方式和心理社会信息，而非血液检测或可穿戴设备。
由ARU开发的数字孪生模型系统模拟了人们日常生活中变化如何改变长期糖尿病风险。研究发现，孤独感、失眠和心理健康问题各自与风险估计增加35个百分点相关，在AI模型假设下。
当这三种因素同时出现时，模型预测绝对风险增加78个百分点，研究表明，这比仅靠饮食更能准确预测2型糖尿病风险。
研究人员指出，这些影响可能与身体对长期压力的反应有关，这会提高应激激素水平，引发炎症并破坏身体管理血糖的能力。
该研究还发现了压力相关因素与饮食习惯之间的强关联，包括盐、含糖谷物和加工肉类的高摄入量，这些都与2型糖尿病风险增加相关。
模型表明，即使是小的饮食变化也会强化风险水平。模型还表明奶酪可能具有保护作用，但当存在心理健康问题时，这种作用会减弱。
数字孪生模型系统还突显了显著的种族差异，南亚、非洲和加勒比参与者显示出比白人参与者明显更高的估计风险，这与英国国家医疗服务体系(NHS)和英格兰公共卫生局的长期发现一致。
由于该模型不依赖医疗检测，研究人员表示，它可以帮助卫生服务机构更早识别高风险个体，并设计经济实惠、针对性的预防项目。
2型糖尿病影响超过5亿人，仍然是全球最紧迫的公共卫生挑战之一，主要由可预防因素驱动。它与1型糖尿病不同，后者是一种与生活方式无关的自身免疫疾病。
医疗专业人员在早期预测谁将发展为2型糖尿病以进行有效干预方面一直面临挑战。
安格利亚鲁斯金大学(ARU)健康、医学和社会护理学院研究与创新副院长Barbara Pierscionek教授表示："2型糖尿病是一个日益严重的全球健康问题，我们知道它深受生活方式影响。然而，当前的风险预测模型依赖BMI、年龄和血压，这些过度简化了这种疾病，忽略了在疾病发生前和形成过程中更复杂的相互关联的行为和情感因素。"
"数字孪生模型系统复制个人健康状况，使我们能够测试'如果...会怎样'的场景，并根据个人需求定制护理。然而，大多数现有模型依赖可穿戴设备的实时数据，这对于缺乏技术基础设施或在成本方面挣扎的服务不足社区来说可能是一个障碍。"
"数字孪生模型系统为多种疾病的诊断、测试和治疗提供了一种可行的低成本方式。"
ARU研究生研究员、主要作者Mahreen Kiran博士表示："这项研究表明，将孤独感、睡眠障碍和心理健康史等行为和心理社会变量纳入用于风险预测的健康数据集的重要性。"
"这些因素经常被忽视，但它们为未来疾病风险提供了有意义的信号。将它们纳入数字孪生模型和其他基于AI的方法可以支持更准确和公平的预防策略。"
朴茨茅斯大学的Nasreen Anjum博士表示："这项工作的一个关键优势是使用透明建模和因果模拟技术，帮助解释行为因素如何随时间相互作用。这提高了对AI工具如何支持预防性医疗决策的信心。"
解答关键问题：
问：感到"孤独"如何从生理上改变我的血糖水平？
答： 孤独感不仅仅是一种感觉；它是一种生理应激源。当身体感到社交孤立时，它会进入"威胁状态"，释放皮质醇。多年来，高皮质醇水平会告诉肝脏释放额外的葡萄糖作为能量，并使细胞对胰岛素的反应减弱，最终导致2型糖尿病。
问：医疗保健中的"数字孪生"是什么？
答： 它是你健康状况的虚拟"克隆"。AI获取你的特定数据——你的睡眠时间、压力水平、种族和习惯——并运行"如果...会怎样"的模拟。它使医生能够看到你未来的健康轨迹，并测试哪些生活方式改变将最有效地降低你的风险，而无需等待多年的实际结果。
问：研究提到奶酪可能有保护作用。我应该多吃奶酪吗？
答： 模型发现了保护性关联，但有一个重要限制：在心理健康状况不佳的人群中，这种保护作用基本消失。这表明某些食物的生物益处可能会被慢性压力和抑郁造成的身体损害所抵消。
编辑说明：
- 本文由神经科学新闻编辑编辑。
- 全面审阅了期刊论文。
- 我们的工作人员添加了额外背景。
关于此AI和糖尿病研究新闻
作者：Jamie Forsyth
来源：安格利亚鲁斯金大学
联系人：Jamie Forsyth – 安格利亚鲁斯金大学
图像：图片由神经科学新闻提供
原始研究： 开放获取。
"使用回顾性生活方式数据预测和模拟2型糖尿病发作的数字孪生框架"，作者：Mahreen Kiran, Ying Xie, Graham Ball, Rudolph Schutte, Nasreen Anjum, 和 Barbara Pierscionek。《Frontiers in Digital Health》
DOI:10.3389/fdgth.2026.1710829
摘要
使用回顾性生活方式数据预测和模拟2型糖尿病发作的数字孪生框架
引言：
2型糖尿病(T2DM)是一个日益严重的全球健康问题，深受可改变的生活方式和心理社会因素影响。然而，大多数预测工具专注于生物医学指标，并依赖可穿戴设备或电子健康记录的实时数据，这限制了它们在资源有限环境中的可扩展性。
本研究提出了一种新颖的数字孪生(DT)框架，该框架使用回顾性生活方式、行为和心理社会数据来预测T2DM发作并模拟预防干预的估计效果。
方法：
数据来自英国生物银行队列中的19,774名参与者，随访长达17年。采用惩罚性Cox比例风险模型，基于90个候选预测因子估计个体事件发生时间风险轨迹。
通过单变量筛选、多重共线性评估和方差过滤选择预测因子，最终模型包含14个显著变量。使用因果推断技术，包括有向无环图(DAGs)和反事实模拟，探索干预对疾病进展的影响。
结果：
该模型显示出强大的预测性能(C指数=0.90，SD=0.004)。心理社会压力源如孤独感、失眠和心理健康问题成为强有力的独立预测因子，在模型假设下，它们各自与T2DM绝对风险估计增加约35个百分点相关，当三者结合时，风险增加近78个百分点。
这些影响部分通过饮食得到加强，加工肉类、盐和含糖谷物的高摄入量在模型因果路径中起到风险放大器的作用。奶酪摄入总体具有保护作用，但在心理社会压力下，其估计益处减弱，当减少摄入时会产生小的、方向性有害的中介效应。
反事实模拟表明，在模型队列中，改善心理社会状况可将估计的T2DM风险降低约11.6个百分点，当心理社会压力减轻时，奶酪消费等保护性饮食模式会重新显现。
该模型还揭示了明显的种族差异，南亚、非洲和加勒比参与者在此队列中表现出比白人同行显著更高的估计风险。这些发现突显了整合的、基于压力的预防策略的潜力，这些策略同时解决心理社会和饮食途径。
结论：
本研究介绍了一种透明的、支持模拟的DT框架，用于估计T2DM风险并探索行为干预场景，无需依赖实时数据流。它使可解释的、个性化的预防规划成为可能，并支持在公共卫生中探索可扩展的部署，特别是在服务不足或基础设施有限的环境中。心理社会和生活方式数据的整合代表了向更公平和行为知情的数字健康解决方案迈出的重要一步。
【全文结束】