专访纪立农教授：20年糖尿病演变与心血管-肾脏-代谢综合征的综合防控新策略 | 2024北大糖尿病论坛

5月18日，由北京大学糖尿病中心、《中国糖尿病杂志》、中国医学救援协会、北京中西医慢病防治促进会联合主办的第二十届“2024北大糖尿病论坛”正式开幕。本届论坛围绕心血管-肾脏-代谢综合征专题，从临床实践、理论研究、科学预防等多角度探讨了整合心血管、肾脏和代谢健康的关键意义。

北京大学人民医院纪立农教授在大会开幕式发表了热情洋溢的致辞，并就“预测心血管-肾脏-代谢综合征临床结局的新方法”主题进行了精彩分享，重点讲解了心血管-肾脏-代谢综合征临床结局新预测方法的优势及局限以及对心血管-肾脏-代谢综合征临床结局预测方法的改进。

梅斯医学特邀纪立农教授分享关于心血管-肾脏-代谢综合征研究的最新成果，并作相关专题采访。

纪立农教授

Q1：今年是北大糖尿病论坛的20周年，20年来我国糖尿病的发病形势上发生了哪些明显的改变？临床诊疗方面有什么变化？

纪立农教授：糖尿病已成为全球公共卫生的重大问题。过去20年间，全球糖尿病的流行态势不仅未见减缓，反而在诸多新因素的推波助澜下，尤其是肥胖症的日益普遍，呈现出爆发式增长。王友发教授等权威学者发布的研究显示，至2030年，糖尿病患病率或将攀升至12%，且各个年龄段的风险都在升高。尽管老年人患糖尿病风险总体上明显高于中青年人，但并不意味着年轻人的风险可以忽略不计。随着儿童与青少年肥胖率的不断增加，同样面临着更高的代谢性疾病风险，这不仅带来罹患2型糖尿病的风险，也带来罹患心血管病等其他疾病的风险。

面对如此严峻的形势，临床上正积极探寻应对之道，例如对肥胖相关型糖尿病诊治。现有丰富的临床证据与实践经验，通过生活方式的干预，尤其是体重管理，能够实现糖尿病的“逆流而上”——即糖尿病的”逆转“或缓解，让血糖水平回归正常，使得患者摆脱高血糖的阴影。这一策略的核心在于，通过营养指导、运动处方及心理支持等综合措施，帮助患者实现体重减轻，从而根本上改善血糖控制，避免或减少药物依赖，这标志着从被动治疗向主动健康管理的重大转变。

Q2：今年的“心血管-肾脏-代谢综合征”主题其实之前也提出过，那么今年再次提出有着什么样的意义？

纪立农教授：心肾代谢综合征这一概念的提出，深刻反映了医学界对心血管疾病、肾脏疾病与代谢异常之间内在联系的全新认知。这一综合症候群不仅强调了疾病间的相互影响与协同恶化效应，更揭示了传统单一疾病管理模式的局限性。以往，人们更倾向于孤立地看待这些疾病，而今研究表明，患有肾脏疾病的人群不仅心血管疾病风险增加，心力衰竭的发病率亦显著升高，这表明认识疾病间的交互作用对于疾病的诊治具有重要的影响。

随着医学的飞速发展，新型疗法如雨后春笋般出现。一些原本专为治疗心血管疾病设计的药物，竟意外地对肾脏疾病显示出积极的改善效果，同时也提升了心衰患者的预后，这无疑为心肾代谢综合征的综合治疗策略开启了全新的视角。这些发现不仅挑战了人们对疾病机制的传统认识，也促使人们反思当前防控策略的不足之处，即过于侧重于血糖、血压和血脂的控制，而忽视了代谢紊乱在更早期阶段，尤其是在肥胖问题上的干预价值。

因此，心肾代谢综合征的概念强调了从源头做起，主张在疾病进程的初级阶段就介入，通过控制体重、调整生活方式等手段，辅以专门针对心肾保护的药物治疗，更有效地阻断疾病的发展进程，改善患者最终的健康结局。这不仅要求我们重新审视血糖、血压和血脂在疾病进程中的角色，还促使人们关注并探索那些机制尚不完全明了但已展现出心肾保护治疗潜力的新药物。

Q3：在心肾综合症的管理上，如何将“心血管-肾脏-代谢”健康作为整体来考虑，最新的指南是否有相关发布？

纪立农教授：当前，针对心肾代谢综合征这一复杂疾病模型的全方位管理策略尚处于初步探索阶段，虽然在一些权威机构如美国心脏协会（AHA）的官方文献中，已见到了基于专家共识的前瞻性指引和推荐，但这仅仅是个开端，尚未完全融入到现有的各类疾病管理指南体系中，如肥胖、糖尿病、高血压及心血管疾病等领域。虽然初步共识的形成标志着对心肾代谢综合征综合防治认识的深化，但要真正实现这一模式在临床实践中的广泛应用与指导，仍有漫长的路程要走。

Q4：您提出的基于机器学习的动态心血管预测模型“ML-CVD-C”目前还处于研究阶段吗？有哪些优劣势？

纪立农教授：当前的风险预测模型正处于学术研究的前沿，凭借流行病学与临床试验数据的有力支撑，其科学基础已然稳固，但要迈向临床实践的桥梁还需通过大规模随机对照试验（RCTs）的严格检验。这项关键步骤旨在确认该模型不仅在理论层面的预测准确性，更在于能否实质提升患者的临床结局，带来切实的健康效益。换言之，如何将这些预测模型精准引导至药物选择与个体化治疗策略，促进医疗决策的智能化转型，目前正处于深度探索阶段，其潜能巨大，但与挑战并存。

机器学习技术的引入，为模型的演进开辟了新视野，其有能力挖掘传统研究难以触及的洞见，揭示复杂疾病模式下的隐含规律。然而，人工智能临床应用的稳定性与泛化能力成为焦点议题：机器学习模型是否能在不同人群、不同环境下保持一致的预测效能，以及如何确保模型的稳健性与可靠性，这些都是进入临床常规实践前亟待解决的关键问题。

另外，人工智能模型在心肾代谢综合征领域的应用尚存一些局限，即未能根据疾病的不同阶段灵活调整预测策略，这要求未来的优化工作需更加精细，以满足临床分期的个性化需求。

总之，该风险预测模型的潜力无可置疑，其在临床医学中的角色将日益重要。但实现这一愿景的道路注定漫长，需经历严格的验证与持续的完善。理想情况下，模型一旦成熟，将无缝融入临床医生的工作流程，自动化集成于工作站，利用收集的患者数据即时计算风险评估，为忙碌的临床医生提供决策支持，实现每位糖尿病患者的精准治疗规划。这不仅将大幅提升诊疗效率，也将深化医疗保健的个性化水平，开启智能医疗的新篇章。

Q5：是否有连续监测设备或远程监控系统被开发，用于实时跟踪患者的心血管功能、肾功能变化及代谢指标，从而及时调整治疗方案，预防不良事件发生？

纪立农教授：在当前的健康管理与疾病预防领域，体重监测已成为一项极为成熟且广泛应用的基础手段，其重要性不言而喻。与之紧密相关的代谢指标监测技术也在迅速发展，尤其是连续血糖监测技术，已经达到了高度的稳定性和精确性，为即时反馈和长期管理提供了强有力的支持。然而，连续血压监测技术尽管同样重要，却尚未达到如同连续血糖监测那般的成熟度与精确度，这是当前健康管理领域亟需加强的一环。鉴于血糖和血压作为核心生命体征，其波动直接关联着心血管疾病、糖尿病等多种慢性疾病的潜在风险，因此，提升血压监测技术的准确性和便捷性，对于及早发现风险迹象、预警潜在健康问题至关重要。

通过综合运用这些监测技术，不仅能够实时掌握个体的健康数据动态，还能实现对体重、血糖、血压等关键指标的精细化管理和调控，进而为预防和干预潜在的慢性疾病提供宝贵的窗口期。这种全面而精细的健康数据监控体系，犹如一张精密的网，能够捕捉到潜藏于表面症状之下更为深层的健康隐患，为个性化医疗和精准健康管理铺平道路。长远来看，不断优化和整合这些监测技术，将极大地促进健康维护从被动应对转向主动管理，不仅提升公众的整体健康水平，也减轻了医疗系统的负担，为实现健康中国战略目标奠定坚实的技术基石。