中国发表 | 2型糖尿病相关慢性肾病进展风险预测新模型，跨人群验证表现稳健

近日，香港理工大学护理学院杨琳教授联合香港理工大学应用数学系何岱海教授、香港新界西医院联网(家庭医学及基层医疗)梁峻医生、哈佛医学院麻省总医院放射科李响博士、中山大学公共卫生学院徐琳教授团队、华中科技大学同济医学院附属同济医院王芙蓉教授等机构学者，在国际顶级数字医学期刊npj Digital Medicine（自然合作期刊）在线发表了一项重要研究，团队基于超大规模纵向电子健康记录数据，开发并验证了基于深度学习的2型糖尿病（T2DM）患者慢性肾脏病（CKD）进展风险预测模型，为糖尿病肾病的早期风险分层与个体化干预提供了可推广、可解释的临床决策工具。

研究背景

2型糖尿病全球患病率持续攀升，慢性肾脏病是其最常见的并发症之一，中国T2DM患者中CKD患病率高达32.5%，且合并CKD会显著升高患者心血管疾病等其他糖尿病并发症的发病与死亡风险，给患者与医疗体系带来了沉重的疾病负担。

既往虽有多项研究开发了糖尿病相关CKD进展的预测模型，但存在显著局限：CKD进展的影响因素存在显著的人群异质性，现有模型多基于欧美人群开发，在亚洲人群中的适用性不足；多数模型无法实现2年、5年、10年等不同时间维度的个体化动态风险预测；传统统计模型难以捕捉临床指标间复杂的非线性交互作用，且常忽略用药史等关键临床信息对疾病进展的影响。因此，开发针对亚洲人群、兼具高预测效能、可解释性与临床可推广性的T2DM相关CKD进展预测模型，具有重大的临床与公共卫生意义。

核心研究设计

本研究数据来源于香港医院管理局数据协作实验室（HADCL）2003-2019年长达17年的纵向电子健康记录（EHR），覆盖香港165家公立医疗机构的569680例T2DM患者，经严格纳排标准，最终纳入224562例完成至少5次肾功能相关检测的患者；排除基线已处于KDIGO CKD 3-4期的患者后，218565例受试者进入最终分析，其中17180例（7.65%）在随访期间从CKD 1-2期进展至3-4期。

研究基于随访时长，构建了2年、5年、10年三个时间节点的预测亚队列，分别纳入158205例、146328例、24936例患者。通过严格的特征筛选，研究开发了两套互补的预测模型：

• 全模型：纳入21项候选预测因子，涵盖人口学资料、生活方式、体格检查、实验室生化指标、合并症、2年内用药史全维度信息；

• 部分模型：仅保留15项临床常规可及、缺失率<10%的变量，大幅提升基层临床场景的可落地性。

模型核心采用深度神经网络（DNN）架构，结合5折交叉验证完成训练与内部验证，通过SHapley Additive exPlanations（SHAP）实现模型可解释性分析，整合Weibull加速失效时间（AFT）模型生成个体化生存曲线，采用Kaplan-Meier生存分析、log-rank检验验证模型风险分层能力，并通过Platt缩放与保序回归优化模型校准度。同时，研究通过英国生物银行（UK Biobank）、中国健康与养老追踪调查（CHARLS）两大独立队列完成外部验证，并采用PROBAST+AI框架全面评估模型的偏倚风险与方法学质量。

关键研究结果

模型内部验证效能优异，显著优于传统机器学习方法

DNN模型在所有随访时间节点均展现出稳健的预测性能，较传统机器学习模型的AUC平均提升12.61%，且无需合成数据平衡即可保持优异的敏感性与鲁棒性。

跨人群外部验证表现稳定，具备良好的外推通用性

模型在不同种族、地域的独立队列中均保持可靠的预测效能，证实了其跨人群的通用性：

• 在UK Biobank欧美人群队列中，2年全模型AUC达79.7%（95%CI 77.0%-82.1%），部分模型AUC达82.0%（95%CI 79.2%-84.5%）；

• 在CHARLS中国人群队列中，5年全模型AUC达74.6%（95%CI 71.8%-77.4%），部分模型AUC达74.7%（95%CI 71.7%-77.3%）。

模型可解释性明确，锁定CKD进展核心预测因子

SHAP分析清晰揭示了模型的核心驱动因素，填补了传统黑箱模型临床可解释性不足的短板：

• 全模型中，血肌酐、性别、糖尿病眼部并发症、收缩压、年龄是影响CKD进展的最关键预测因子；

• 部分模型中，血肌酐、性别、年龄、总胆固醇、糖化血红蛋白（HbA1c）为核心影响因素；

• 2年内血管紧张素类药物、降压药、降糖药、胰岛素的用药史，均对模型预测有重要贡献，弥补了传统模型对用药史因素纳入不足的空白。

风险分层能力优异，具备直接临床应用价值

生存分析结果证实，模型可实现清晰的CKD进展风险梯度分层：

• 高预测风险评分患者的无CKD进展生存概率下降速度显著更快，高、低风险组间受限平均生存时间（RMST）差异显著，全模型ΔRMST达0.626年，部分模型ΔRMST达0.555年；

• 高、中、低风险组间的生存差异经log-rank检验，P值均<0.001，具备高度统计学显著性；

• 研究通过临床案例验证，模型可输出患者个体化2年、5年CKD进展风险，完成人群百分位校准的风险分层，为临床制定肾功能监测频率、血糖血压管控目标、用药方案优化、肾病专科转诊时机等决策提供了直接的量化依据。

模型校准性与公平性良好，方法学质量可靠

经Platt缩放与保序回归后，模型在所有随访时间节点均展现出良好的校准效果，保序回归对全模型的校准优化表现更优。性别亚组分析显示，在HADCL、UK Biobank、CHARLS队列中，模型2年随访的判别效能在男女亚组中保持一致，仅CHARLS队列5年随访中男性AUC（81.3%）显著高于女性（73.6%），提示长期预测中需关注亚组特异性验证。经PROBAST+AI框架评估，模型整体偏倚风险低，方法学质量良好。