跳出BMI桎梏，重新评估肥胖并发症风险

新型GLP-1类减肥药的问世，无疑是肥胖治疗领域的重大突破。这类药物不仅能显著减轻体重，还能改善心血管疾病、睡眠呼吸暂停、脂肪肝等多种肥胖相关并发症。然而此类药物的临床应用却面临一定的困境：

一方面，治疗资源有限。这些药物年治疗费用高达上万美元，医疗负担沉重，加之全球范围内反复出现供应短缺，远不能满足庞大的治疗需求；

另一方面，缺乏精准的用药决策依据。目前，临床主要依赖BMI来筛选用药人群，即BMI≥30 kg/m2，或BMI≥27 kg/m2且伴有一种以上肥胖相关疾病，即可应用。然而，用BMI“一刀切”的结果是，那些BMI不高但代谢已严重紊乱的人被排除在外，而那些BMI超标但实际并发症风险很低的人，却可能挤占了宝贵的资源。

那么，有没有更科学的方法，把有限的药物优先给风险最高的人群？

科学家的解法：用AI从20万人中找规律

为了解决这个问题，来自英国伦敦玛丽女王大学、柏林健康研究所等机构的研究团队，追踪了英国生物银行（UK Biobank）中近20万名超重或肥胖成年人长达10年的数据，详细记录了18种肥胖相关并发症的发生情况，包括2型糖尿病、高血压、冠心病、痛风、睡眠呼吸暂停、心血管死亡等。

随后，他们用机器学习方法，从2390个潜在预测因子中——涵盖基本健康状况、既往病史、用药记录、血液指标、心肺功能、身体成分、代谢物、基因风险评分等——逐一筛选，找出哪些因子最能预测未来的发病风险。

经过层层筛选，研究团队最终锁定了一套由20个临床指标组成的核心预测组合，并将其命名为OBSCORE。通过这一模型，研究者可以预测一个人在未来10年内，发生18种肥胖相关疾病或健康事件的风险。

OBSCORE的大部分指标通过问诊或常规体检就能获得，具体包括：

基本信息

年龄和性别；

人体测量指标

腰围身高比；

血液生化指标

糖化血红蛋白、总胆固醇、高密度脂蛋白、尿酸、肌酐、胱抑素C、丙氨酸氨基转移酶和γ-谷氨酰转移酶；

病史与症状

高血压、长期患病、非特异性胸痛和关节痛；

生活习惯

吸烟状况；

家族史

心脏病家族史；

自评健康

总体健康评级。

为了方便临床应用，研究者还开发了一个在线交互工具。只需输入上述信息，系统就能自动估算一个人10年内发生各种肥胖并发症的风险。这样一来，原本复杂的AI模型，就变成了一个医生和患者都能使用的简单工具。

OBSCORE的风险预测性能：显著优于BMI

内部验证结果表明，OBSCORE对18种肥胖相关并发症的预测一致性（C-index）中位数达到0.75，最高达到0.86（针对痛风、慢性肾病及2型糖尿病）（图1）。相比之下，仅包含年龄、性别和BMI的传统模型，其预测性能显著落后。

具体而言：

在慢性肾病的预测中，OBSCORE的准确度为0.86，而传统模型仅为0.78；

在2型糖尿病的预测中，OBSCORE的准确度为0.86，传统模型仅为0.76；

在心血管死亡的预测中，OBSCORE的准确度为0.79，传统模型仅为0.70。

此外，OBSCORE的表现也明显优于现有的心血管风险评估工具。例如，在预测2型糖尿病时，OBSCORE的准确度比ASCVD评估高出0.146。

图1. 不同风险模型对18种肥胖并发症的C-index对比

更重要的是，OBSCORE在不同人群中表现稳定。研究者将其应用于英国EPIC-Norfolk队列（欧洲裔）和Genes & Health队列（南亚裔）进行外部验证，效果依然良好。

从预测到实践：OBSCORE如何指导临床用药

前文已证实，OBSCORE在预测肥胖并发症风险方面显著优于BMI及现有心血管风险评估工具。然而，预测准确性的提升并非终点，临床更关切的问题是：该模型如何从算法走向实践，真正指导用药决策？

核心价值：精准定位“隐形高危者”

研究发现，在OBSCORE评分最高、也就是并发症风险最大的前20%人群中，有19%～45%的人属于超重而非肥胖。以2型糖尿病为例，最高风险组中有30%是超重者（图2）。这意味着，如果只看BMI的数据，很多“代谢紊乱乱但体重不超标”的人会被漏掉。OBSCORE可以有效地筛查出这批“隐形高危者”。

图2. OBSCORE风险最高五分位人群中超重与肥胖的分布

OBSCORE的风险分层能力也得到了验证。对比风险评分最高20%与最低20%人群的10年实际发病率：慢性肾病相差89倍，2型糖尿病相差42倍，痛风相差36倍，心血管死亡相差47倍。

这为临床优先用药提供了清晰的指引，OBSCORE能够将精准识别高危人群，使有限的医疗资源投向最需要的人。

一模型两用：既可筛查风险，也可监测疗效

除了初始筛查，OBSCORE还有一个同样重要的功能：动态监测疗效。

研究者将其应用于SURMOUNT-1随机对照试验的数据。该试验比较了替尔泊肽（5 mg、10 mg、15 mg）与安慰剂在72周内治疗肥胖患者的效果。

结果显示，无论基线OBSCORE评分高低，替尔泊肽治疗组的体重和腰围身高比下降幅度均相似，表明该药对各类超重和肥胖人群普遍有效。更为关键的是，经过72周治疗后，替尔泊肽各剂量组患者的18种并发症预测风险评分均显著下降，且剂量越高、下降幅度越大；而安慰剂组的风险评分基本无变化（图3）。

图3. 替尔泊肽各剂量组患者的18种并发症预测风险对比

这一验证结果具有重要临床意义：OBSCORE能够动态捕捉治疗带来的风险改善，既可辅助初始用药决策，也可用于疗效的持续监测。换言之，同一个模型，既能回答“谁该用药”，也能回答“药是否有效”。

OBSCORE的研究局限及优化方向

本研究存在一定局限性。首先，UKB参与者入组时年龄为40至69岁，模型是否适用于更年轻的肥胖人群，尚需验证。其次，UKB人群整体比普通人群更健康，可能低估绝对风险。此外，部分结局（如关节病、胃食管反流病）的预测准确度较低，需要更多数据进一步改进。最后，OBSCORE是预测工具，不等于所有特征都具有因果关系。

基于在用药决策和动态评估方面的优势，研究者建议将OBSCORE作为现有BMI框架的补充工具，融入电子病历系统，辅助实现高风险人群筛选。未来，研究需要在更多样化的人群中验证，并探索基于OBSCORE的干预策略是否真正改善患者结局。

参考文献：Demircan K, Carrasco-Zanini J, Williamson A, et al. Data-driven prioritization of high-risk individuals for weight loss interventions. Nature Medicine. 2026.

读者福利：点击文末【阅读原文】，查看文献原文。

本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。