新型人工智能模型在临床发病前检测1型糖尿病风险
芝加哥，2025年6月20日 /PRNewswire/ — 两项新研究展示了利用机器学习和人工智能（AI）技术提高1型糖尿病早期识别的潜力。这些研究成果在芝加哥举行的美国糖尿病协会（ADA）第85届科学会议上以晚期海报的形式展示。
每年约有64,000名美国人被诊断为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并不知道自己患有该病。这是因为这种疾病在出现症状之前可以悄无声息地进展，如过度口渴、频繁排尿或糖尿病酮症酸中毒。到这时，产生胰岛素的细胞已经受到严重且往往是不可逆的损害，突显了早期检测和干预策略的必要性。
AI模型减少假阳性并提高1型糖尿病风险评估的准确性，可提前一年诊断
作为晚期研讨会的一部分，一项新研究的结果表明，AI可以更准确地识别出在诊断前一年内有1型糖尿病风险的个体，其准确性和假阳性率均优于标准筛查方法。
这项回顾性队列研究开发了两个年龄特定的机器学习模型——一个针对0-24岁的个体，另一个针对25岁及以上的人群——利用NorstellaLinQ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定确诊的3期1型糖尿病病例，包括至少两次1型糖尿病的医疗索赔记录、比2型糖尿病更高的索赔频率、使用胰岛素或连续血糖监测仪的记录，以及在诊断或治疗前两年内的持续医疗和药房活动记录。
这些模型能够比传统筛查方法提前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%，成人组约为92%。与常规筛查方法相比，它们还保持了更高的精确度，常规筛查方法通常在普通人群中只有0.3%的阳性率。
“我们对这项研究的结果感到振奋，这可能意味着1型糖尿病早期风险检测的新突破，”赛诺菲数字健康部门卫生经济学结果研究总监劳拉·威尔逊表示。“通过将AI驱动的预测模型应用于真实世界的数据，我们认为我们可以更早、更高效地识别高风险个体，让他们有机会为未来做好准备。”
研究人员计划启动一个多阶段研究，以验证和完善一种新的1型糖尿病临床决策支持工具，并与领先的医院站点和专家密切合作。该研究将先进的AI模型与医院电子健康记录整合，旨在实现对高风险患者的数据驱动早期干预。
AI利用美国公开索赔数据将1型糖尿病风险检测效率提高18倍以上
研究人员使用Symphony Health数据库（涵盖7500万患者的大型医疗索赔数据库）训练了一个机器学习模型，以在出现症状之前识别出1型糖尿病风险人群。比较了近9万名1型糖尿病患者和超过250万名非1型糖尿病患者的记录，使用特定的纳入和排除标准定义每个群体。分析记录中的模式以确定谁可能发展为1型糖尿病。该模型在一个大规模的真实世界人群中进行了测试，并使用一系列性能指标评估其预测风险的准确性。
结果显示，机器学习模型能够在症状出现之前成功识别出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%的人此前被错误分类为2型糖尿病或其他类型，突显了诊断准确性方面的关键差距，这可能导致适当治疗的延迟并增加并发症的风险。
研究人员发现，表现最好的AI模型是双向编码器表示转换器（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%的真正1型糖尿病病例，并且比其他模型更准确，具有更强的优势比（97.27 vs. 38.01），这意味着其预测结果更有可能是准确的。
“通过识别出预症状1型糖尿病患者，我们有机会改变整个护理时间线，”赛诺菲E.D.G.E.全球负责人兼高级副总裁贾里德·乔塞林表示。“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，目标是促进在疾病进展之前更主动、可扩展的护理。”
研究人员指出，需要进一步的研究来使用来自美国和其他国家的更多医疗数据集验证这种方法，并在临床环境中验证预测。未来的工作还将探索通过多模态AI技术和将更多纵向、基因组和真实世界数据纳入更广泛的临床工作流程来提高模型性能，以支持更早的数据驱动干预策略。
研究报告详情：
威尔逊博士将在以下时间进行晚期海报展示：
- 使用机器学习算法识别早期自身免疫1型糖尿病
- 时间：6月22日星期日下午12:30（中部时间）
乔塞林将在以下时间进行晚期海报展示：
- 使用公开索赔数据进行预症状1型糖尿病检测的预测建模
- 时间：6月22日星期日下午12:30（中部时间）
(全文结束)
