新型人工智能模型能够在临床发病前检测1型糖尿病风险。
芝加哥，2025年6月20日 /PRNewswire/ — 在芝加哥举行的第85届美国糖尿病协会（American Diabetes Association®, ADA）科学会议上，两项研究的成果以“最新突破”海报展示形式发布。这些研究突显了利用人工智能（AI）技术的机器学习在早期阶段识别1型糖尿病方面的潜力。
每年，约有64,000名美国人被诊断出患有1型糖尿病。其中多达40%的人在经历危及生命的事件需要住院治疗之前，甚至不知道自己患病。这是因为该疾病可能在症状出现之前无声地进展，例如过度口渴、频繁排尿或糖尿病酮症酸中毒。在此阶段，产生胰岛素的细胞已经遭受了重大且通常不可逆的损害，凸显了早期检测和干预策略的重要性。
AI模型在诊断前一年内减少假阳性并提高1型糖尿病风险评估准确性
在一项最新突破性研讨会中展示的结果表明，AI可以比标准筛查方法更准确地识别出未来一年内有1型糖尿病风险的人群，并且具有更高的准确性以及更少的假阳性。
这项回顾性队列研究开发了两个年龄段特定的机器学习模型——一个针对0至24岁人群，另一个针对25岁及以上人群——利用NorstellaLinQ提供的医疗索赔和实验室测试数据。研究人员应用特定标准来确认3期1型糖尿病病例，包括至少两次1型糖尿病医疗索赔、1型糖尿病相对于2型糖尿病的更高频率索赔、记录的胰岛素使用或连续血糖监测仪使用，以及诊断或治疗前两年内的持续医疗和药房索赔活动。
这些模型能够比传统筛查方法早12个月识别出1型糖尿病的风险。模型在正确识别1型糖尿病患者方面表现出高灵敏度——年轻组约为80%，成年组为92%。相较于传统筛查方法（通常在普通人群中阳性率仅为0.3%），它们还保持了更高的精确度。
赛诺菲数字健康部卫生经济学结果研究总监劳拉·威尔逊（Laura Wilson）表示：“我们对这项研究的结果感到振奋，它可能意味着早期1型糖尿病风险检测的突破，从而实现更加高效和有针对性的筛查，避免这种疾病在严重事件引发医学评估之前未被发现的情况。”通过将AI驱动的预测模型应用于真实世界数据，我们相信可以更早地识别出高风险个体，让他们有机会规划和准备未来。
研究人员计划启动多阶段研究，以验证和完善一种新的1型糖尿病临床决策支持工具，与领先的医院站点和专家密切合作。该研究将整合先进的AI模型与医院电子健康记录，旨在为高风险患者实现更早期的数据驱动干预。
AI利用美国公开索赔数据检测1型糖尿病风险的能力提高了18倍以上
研究人员使用覆盖7500万患者的大型医疗索赔数据库Symphony Health Database，训练了一种机器学习模型，以识别尚未出现症状的1型糖尿病风险人群。将近90,000名1型糖尿病患者与超过250万名非1型糖尿病患者的记录进行比较，采用特定的纳入和排除标准定义每个组。通过对记录中的模式进行分析，确定哪些人可能发展为1型糖尿病。该模型在一个大规模的真实世界人口中进行了测试，并通过一系列性能指标进行评估，以确定其预测风险的准确性。
结果显示，机器学习模型能够成功识别出尚未出现症状的1型糖尿病风险人群，检测效率提高了18倍以上。在1型糖尿病患者中，29%曾被错误分类为2型糖尿病或其他类型，这突显了诊断准确性上的关键差距，可能导致治疗延迟并增加并发症风险。
研究人员发现，表现最佳的AI模型是双向编码器表征转换器（BERT），这是一种最初设计用于理解语言的复杂工具。BERT正确识别了80%的真实1型糖尿病病例，比其他模型更为准确，具有更强的优势比（97.27 vs. 38.01），这意味着其预测更有可能准确。
赛诺菲全球E.D.G.E高级副总裁兼负责人贾里德·乔斯林（Jared Joselyn）表示：“通过识别无症状1型糖尿病个体，我们有机会改变整个护理时间线。这些发现展示了AI如何揭示常规医疗数据中的隐藏模式，并帮助提高检测率，目标是在疾病进展之前促进更具前瞻性和可扩展性的护理。”
研究人员指出，需要后续研究来验证这种方法，使用来自美国和国际的更多医疗数据集，并在临床环境中验证预测结果。未来的工作还将探索通过多模态AI技术和整合更多的纵向、基因组和真实世界数据到更广泛的临床工作流程中，以支持更早的数据驱动干预策略。
研究展示详情：
威尔逊博士将在最新突破性海报展示中呈现以下研究成果：
- 使用机器学习算法识别早期自身免疫性1型糖尿病
- 展示时间：6月22日星期日中午12:30 CT
贾里德将在最新突破性海报展示中呈现以下研究成果：
- 使用开放索赔数据进行1型糖尿病无症状检测的预测建模
- 展示时间：6月22日星期日中午12:30 CT
(全文结束)
