Cell Reports Medicine在线发表了williamhill英国刘刚教授、黄恺教授以及中国疾病预防控制中心周脉耕研究员的联合研究成果“Phenotypic heterogeneity of type 2 diabetes and risks of all-cause and cause-specific mortality”。该研究基于中国全国代表性人群，率先利用新的机器学习算法（DDRTree）识别出具有不同特征的2型糖尿病亚型并预测其死亡风险存在显著差异，且进一步开发了一款在线风险评估工具，从而为糖尿病的精准防控提供了新思路。

文章要点

该研究基于中国全国代表性人群（CCDRFS），纳入10,091名新发2型糖尿病患者。研究团队创新性地应用判别降维树算法（DDRTree）将常规临床指标（如HbA1c、BMI、血压、血脂）转化为直观的“树状图谱”，在二维结构中展示患者表型的连续分布。图谱上的每个点代表具有特定表型特征的个体，混合特征的患者位于主树干中心，极端表型逐渐延伸至树梢，从而更清晰地呈现糖尿病的异质性，避免了传统“硬性分类”的局限。

图1. 新诊断2型糖尿病患者代谢风险因素表型异质性的可视化

研究发现，中国糖尿病人群不同表型与死亡风险呈现显著差异：

﹡位于树右侧的患者，表现为血压升高和肥胖，他们发生心血管疾病（CVD）和全因死亡的发生风险显著升高。癌症死亡风险分布与全因死亡相似，但未达到统计学显著；

﹡ 位于树左上部的患者，表现为HbA1c升高、血脂异常（总胆固醇、甘油三酯升高且高密度胆固醇降低）以及中度肥胖，他们发生糖尿病酮症酸中毒/昏迷死亡的风险最高；

﹡位于树左下部的患者，表现为较高的高密度胆固醇和总胆固醇水平，他们发生慢性阻塞性肺疾病（COPD）死亡的风险显著升高。

图2. 新诊断2型糖尿病全因及特定死因死亡风险异质性的可视化

另外，在基于UK Biobank新发糖尿病人群的验证分析中，各特定死因死亡风险分布总体与CCDRFS一致。然而，CVD死亡的高风险主要集中在肥胖、血脂异常并伴有中度高血糖的人群中，这与中国人群中CVD死亡高风险主要由血压升高和肥胖驱动略有不同。这些结果不仅部分验证了中国人群研究的发现，也揭示了中国糖尿病人群特有的风险模式，尤其是血压与心血管死亡风险之间的关联更为突出。

此外，本研究还开发了一款在线风险评估工具，患者只需输入年龄、性别和7项常见临床指标，即可“定位”到表型树状图上，并预测未来全因死亡、CVD死亡、糖尿病酮症酸中毒/昏迷死亡或COPD死亡风险。

综上，基于常规检测指标构建的表型“树状图谱”及其在线风险评估工具，有望更直观地识别高危人群，实现早期干预，从而为糖尿病的精准防控提供新的科学依据。