摘要
背景
本研究旨在评估基于人工智能(AI)的算法在预测2型糖尿病(T2D)患者心脑血管并发症风险方面的表现。
方法
分析意大利帕多瓦糖尿病中心532例T2D患者的医疗记录，使用Metaclinic AI预测模块评估心脏和脑血管器官损伤概率。对63例"极高风险"和122例"低风险"患者进行心电图、超声心动图等临床数据收集，采用科恩卡帕(κ)系数评估AI预测与传统诊断的一致性。
结果
"极高风险"组对脑血管疾病预测具有极强一致性(κ=0.89)，但心脏病预测一致性极差(κ=0.00)。"低风险"组同样呈现类似结果(脑血管κ=0.83，心脏κ=0.00)。
结论
该算法在脑血管并发症预测方面表现出色，但心脏疾病风险预测需优化。结果提示该AI模型在脑血管风险评估中具有临床价值，但心脏预测模型需要改进。
背景
2型糖尿病(T2D)是一种复杂的慢性疾病，其发病机制受遗传易感性和肥胖、不良饮食、缺乏运动等可改变风险因素的共同影响。持续性高血糖通过氧化应激、炎症等机制促进微血管和大血管并发症。其中，糖氧化应激被认为是关键致病因素。最近证据表明，在冠心病患者中，糖尿病患者的糖化白蛋白占主导，而非糖尿病患者则以硫醇化白蛋白为主。
在大血管并发症中，心血管疾病(CVD)是T2D患者发病和死亡的首要原因。糖尿病患者发生冠状动脉疾病的风险是正常人的2-4倍。值得注意的是，糖尿病自主神经病变可能掩盖缺血性心脏病的典型症状，导致诊断延迟。哈夫纳(Haffner)等的研究表明，无心血管事件史的T2D患者与有冠心病史的非糖尿病患者具有相当的心肌梗死风险。
脑血管疾病是糖尿病的另一大血管并发症，主要表现为颈动脉粥样硬化加速。T2D患者面临更高的无症状颈动脉狭窄、短暂性脑缺血发作(TIA)和缺血/出血性中风风险。颈动脉内膜中层厚度增加和斑块形成与脑血管事件风险增加相关。
鉴于大血管病变可能在糖尿病前期就已开始，及时识别至关重要。英国前瞻性糖尿病研究(UKPDS)风险引擎和SCORE2-糖尿病模型能根据糖尿病病程和代谢控制提供定制化风险评估。2023年欧洲心脏病学会指南建议将多数糖尿病患者归类为中至极高心血管风险。
本研究主要评估基于生化和人体测量参数的人工智能算法预测T2D心脑血管并发症的能力，比较算法预测与临床和仪器数据的一致性，评估其风险分层效能。
方法
研究对象
单中心横断面研究纳入帕多瓦糖尿病中心532例T2D患者(男318例，女214例)，平均年龄71.8±11.5岁。研究经帕多瓦省伦理委员会批准，数据处理符合GDPR规定。
AI系统
Metaclinic平台由意大利罗马METEDA公司开发，采用XGBoost模型，基于147,664例患者电子病历训练，可预测糖尿病影响的六个器官(心脏、外周动脉、大脑、眼睛、肾脏、周围神经)的两年内并发症风险。风险分级为：低(<10%)、中(10-25%)、高(25-50%)、极高(>50%)。
数据收集
通过Metaclinic平台预测心脏并发症风险，重点关注以下病理：(1)缺血性心脏病；(2)糖尿病心肌病；(3)心力衰竭(NYHA II级以上)；(4)心房颤动。主要诊断工具为心电图(ECG)，次要工具为彩色多普勒超声检查。
统计分析
使用JMP® Pro 17和R环境进行统计分析。连续变量采用均值±标准差表示，组间比较采用t检验或ANOVA，分类数据采用卡方检验。采用多变量逻辑回归分析年龄、病程和性别与风险组的关系。采用科恩卡帕系数评估AI预测与诊断的一致性。
结果
心脏病极高风险组
63例患者平均年龄73.21±8.93岁(52-92岁)。AI预测与临床诊断的心脏病风险一致性极差(κ=0.00)。但脑血管风险预测与传统诊断高度一致(κ=0.89，95%一致性)。
心脏病低风险组
122例患者中86例有完整检测数据。平均年龄68.73±11.94岁(39-89岁)。AI预测与临床诊断的心脏病风险一致性极差(κ=0.00)，但脑血管风险预测一致性高(κ=0.83，92%一致性)。
联合分析
合并两组后，心脏风险一致性略有改善(κ=0.09)，但脑血管风险一致性仍高(κ=0.85，93%一致性)。
生化参数分析
两组在年龄、病程、体重、BMI、腰围、血压、AST、餐后血糖和eGFR等参数存在显著差异。
讨论
本研究验证了Metaclinic AI预测模块在糖尿病并发症风险分层中的应用。与既往研究相比，本研究首次系统评估AI预测与临床诊断的一致性。值得注意的是，在脑血管风险预测方面表现出色(κ=0.85)，但心脏风险预测准确性不足(κ=0.09)。
这可能反映心电图作为诊断工具的局限性。心电图通常无法检测到亚临床或早期心脏功能障碍，而AI算法基于多元临床数据可能检测到传统方法未捕获的潜在风险。这种差异不应视为AI模型的缺陷，而应体现其作为传统筛查方法的补充价值。
本研究的局限性在于：1)心脏风险分析列联表存在零值导致"科恩卡帕悖论"；2)脑血管风险分析仅针对预先选择的患者；3)未直接比较AI模型与UKPDS风险引擎等传统工具。
结论
尽管存在局限，本研究为AI在糖尿病心脑血管风险预测中的应用提供了重要见解。未来需要更大规模、更均匀选择的风险组进行验证，并对极高风险患者进行随访监测重大心血管事件的发生。
数据可用性
研究数据可通过通讯作者获取。
致谢
本研究无资金支持，由帕多瓦大学资助开放获取费用。
伦理声明
研究经帕多瓦省临床试验伦理委员会批准，所有受试者均签署知情同意书。
【全文结束】
