(通讯员 钟艳宇 邹显彤）钠-葡萄糖协同转运蛋白2抑制剂（简写：SGLT2i抑制剂），是一种口服降糖药，因其可以抑制肾脏对葡萄糖的重吸收，促进尿糖的排出，不仅可以降糖，而且具有减重和保护心脏、肾脏的作用，而受到广大糖友的“热捧”。在我国，已经上市的该类药主要有卡格列净、达格列净、恩格列净和艾托格列净。

近年来，通过临床观察发现，SGLT2i抑制剂的临床疗效存在着较大的个体差异。而基于人工智能的糖尿病人群精准分型和药物疗效的精准预测虽说成为临床研究的热点，但这些方法能否指导该药的使用仍缺乏临床证据。简而言之，2型糖尿病因其异质性，每一位患者用药后的血糖控制效果并不相同，如何给患者精准用药，就需要再进一步精细分型。

为解决临床医生对于SGLT2i抑制剂精准治疗的需求，北京大学人民医院纪立农教授团队发表最新研究，对卡格列净全球性临床试验的数据进行二次分析，对比聚类分型及监督式学习两种“人工智能”方法对SGLT2i抑制剂疗效的指导作用。发现聚类分型更适合于识别应用SGLT2i抑制剂后降糖疗效好人群，而监督式学习更适合于识别应用SGLT2i抑制剂后肾脏保护作用好的人群。

通俗地讲，将2型糖尿病分型有很多方法，人工智能中的“聚类分型”和“监督式学习”都可以。该研究通过“聚类分型”之后，发现以肥胖为主要特征的MOD(轻度肥胖相关型)用SGLT2i抑制剂降糖效果更好。用“监督式学习”的方法可以识别用SGLT2i抑制剂后护肾效果好的患者。反之，就找到了用药效果不好的患者。这样医生在给患者用药时，能够找出适合该药的患者，让用药更加对症精准。

该研究于2022年7月8日在专业期刊Diabetologia (IF 10.460)发表，北京大学人民医院内分泌科邹显彤医生及八年制博士生黄齐为文章共同第一作者，纪立农教授为文章通讯作者。

2型糖尿病是最常见的一种糖尿病类型，因其受遗传因素和环境因素共同作用,通常患者具有较大的异质性，即在二型糖尿病患者中血糖控制难易程度，并发症发生轻重程度因人而异，给临床治疗带来了较大挑战。

在既往多项研究中，糖尿病聚类分型各个亚型特定的临床特点和临床转归已经得到验证。本研究纳入基于磺脲类药物、DPP4抑制剂以及SGLT2i抑制剂作为主要降糖措施的5项临床试验（CANTATA-M，CANTATA-D，CANTATA-SU，CANVAS，CANVAS-R）中符合标准的6365例2型糖尿病患者，根据ANDIS研究，通过人工智能将患者诊断年龄、体重指数（BMI）、糖化血红蛋白（HbA1c）以及HOMA2模型评估的β细胞功能（HOMA2-β）和胰岛素抵抗（HOMA2-IR）等临床指标进行聚类分型，把患者人群进一步分为4类亚型：轻度年龄相关性糖尿病（MARD）、轻度肥胖相关糖尿病（MOD）、严重胰岛素缺乏型糖尿病（SIDD）以及严重胰岛素抵抗性糖尿病（SIRD）。同时基于基线数据，使用随机森林、XGBoost、SVM等多种监督式学习方法构建机器学习模型，对人群进行危险分层。分析人工智能中的“聚类分型”和“监督式学习”两种不同方法在SGLT2i抑制剂降糖效果及对肾脏结局影响的预测能力进行比较。

    以52周糖化血红蛋白（HbA1c）下降幅度作为预测指标，研究发现4类亚型降糖效果存在组间差异（p=0.004，图1左）。与使用磺脲类药物、DPP4抑制剂相比，轻度肥胖相关糖尿病（MOD）人群使用SGLT2i抑制剂降糖幅度更大，这种降糖优势可维持至104周。研究进一步构建了预测52周HbA1c下降幅度的ML-A1C模型，结果发现ML-A1C模型与聚类分型预测的准确性没有显著差异（p=0.996，图1右）。结果表明，聚类分型模型对患者的长期血糖控制能够提供指导意见，使用SGTL2抑制剂的MOD患者降糖效果更好、更持久。

图1 聚类分型和监督学习对于降糖效果的评估。左：4类亚型使用不同降糖药的降糖效果。

右：使用聚类分型和监督学习模型预测降糖效果的准确度。