东亚糖尿病分类再精细：借助数据驱动聚类推进精准医学

要点

• 基于数据驱动的聚类可将成人发病糖尿病分为五个不同亚型，相较于传统的1型和2型区分方式更具临床解释力。
• 东亚人群中严重胰岛素分泌不足型糖尿病（severe insulin-deficient diabetes，SIDD）的患病比例更高，这与特异性遗传变异及不同的体组成特征有关。
• 东亚人与高加索人群在糖尿病并发症风险谱方面存在差异，尤其是东亚SIDD患者的慢性肾脏病和肌少症风险更高。
• 依据亚型特异性病理生理机制制定个体化治疗策略，可能有助于改善东亚人群的治疗结局并减少并发症。

研究背景与疾病负担

糖尿病（diabetes mellitus）是全球重要的健康挑战，其病理生理过程具有高度异质性。传统上，糖尿病被分为1型糖尿病（autoimmune beta-cell destruction）和2型糖尿病（insulin resistance and relative insulin deficiency），但这种二分法不足以反映不同人群，尤其是东亚人群中糖尿病背后的复杂性。

东亚人群具有独特的“亚洲表型”，其特征包括在相对较低体重指数（body mass index，BMI）水平下更易出现内脏脂肪堆积和胰岛素分泌受损。该表型促成了较高的糖尿病疾病负担，并且在东亚各国可观察到持续上升的患病率及具有差异性的并发症谱。糖尿病的异质性决定了有必要采用更精细的分类方法，以优化临床管理并更有效地预防并发症。

研究设计与方法

近年来，数据驱动的聚类方法得以应用，可根据临床和生化变量将成人发病糖尿病分为五个亚型：严重自身免疫性糖尿病（severe autoimmune diabetes，SAID）、严重胰岛素分泌不足型糖尿病（SIDD）、严重胰岛素抵抗型糖尿病（severe insulin-resistant diabetes，SIRD）、中度肥胖相关糖尿病（moderate obesity-related diabetes，MOD）和轻度年龄相关糖尿病（mild age-related diabetes，MARD）。这些聚类综合考虑自身抗体状态、胰岛素分泌指标、胰岛素抵抗标志物、体重指数以及诊断年龄等参数。

该方法已应用于东亚队列，借助大型人群数据集并结合遗传、表型及并发症结局资料进行分析。荟萃分析比较了这些亚型在东亚人与高加索人群中的患病率及临床后果，重点关注遗传相关性、代谢并发症及治疗学意义。

主要发现

亚型分布差异

与高加索人群相比，东亚人群中SIDD亚型所占比例显著更高。该优势分布似乎主要由祖源相关遗传变异驱动，这些变异主要损害β细胞功能，而非以胰岛素抵抗通路异常为主。值得注意的是，影响胰腺胰岛基因表达的变异有助于形成这种表型差异。

体组成与病理生理

“亚洲表型”的特点是在BMI较低的情况下仍存在较高的内脏脂肪堆积，这在病理生理上主要与更明显的胰岛素分泌缺陷相关，而不仅仅是经典的胰岛素抵抗。东亚人群中的MOD和MARD亚型分别与中度肥胖和年龄相关的代谢衰退相一致，但其临床风险谱与高加索人群中的描述并不相同。

不同亚型及不同人群的并发症风险

与全球观察结果一致，SIRD聚类在不同族群中均表现出最高的代谢功能障碍相关脂肪性肝病（metabolic dysfunction-associated steatotic liver disease，MASLD）和糖尿病肾病风险。然而，东亚SIDD患者面临更高的慢性肾脏病和肌少症风险，提示可能存在与特异性遗传或环境修饰因素相关的种族特异性易感性。

治疗学意义

识别这些亚型有助于推动精准医学的发展。例如，对于SIDD患者，建议尽早实施强化胰岛素治疗，以保留残余β细胞功能并延缓疾病进展。相较之下，SIRD患者更适合采用以改善胰岛素敏感性为目标的多维干预，例如生活方式干预和胰岛素增敏药物。此类个体化治疗有望显著减少糖尿病并发症，并改善东亚人群的生活质量。

专家点评

数据驱动的聚类框架通过整合临床异质性、病理生理学和遗传学，较传统糖尿病分类实现了明显进步。尤其对于东亚人群，这些关于亚型分布和并发症风险的认识强调了采用种族/族裔知情方法的必要性。然而，该方法仍存在局限，包括队列规模不一、聚类构建过程中可能存在偏倚，以及将聚类结果转化为常规临床实践的挑战。

此外，关于各聚类内治疗反应的纵向数据仍然稀缺，因此需要前瞻性研究来验证以亚型为导向的治疗算法。整合新兴生物标志物和高级组学技术，可能进一步提高聚类分型的精确度。

结论与未来方向

本综述强调了数据驱动的糖尿病聚类在捕捉东亚人群病理生理异质性方面的临床价值。SIDD的显著占优以及不同族群间并发症风险的差异，提示需要采用相应调整的临床策略。考虑到独特遗传背景、体组成特征及亚型特异性风险谱，个体化医学方法对于优化东亚人群糖尿病管理和预防并发症至关重要。

未来研究应聚焦于基于聚类的治疗方案的纵向验证、纳入新型生物标志物，以及开展务实性实施研究，以推动这些概念融入常规内分泌实践。

资助与临床试验

所引用研究分别由相关国家卫生研究基金和学术机构资助。本综述摘要不适用特定临床试验注册信息。

参考文献

1. Ahlqvist E, Storm P, Käräjämäki A, et al. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. The Lancet Diabetes & Endocrinology. 2018;6(5):361-369.

2. Tanaka S, Yamamoto-Honda R, Saito H, et al. Clinical characteristics and progression of adult-onset diabetes subgroups classified by data-driven cluster analysis: A longitudinal cohort study. Diabetologia. 2022;65(6):1020-1031.

3. Yang W, Lu J, Weng J, et al. Prevalence of diabetes among men and women in China. The New England Journal of Medicine. 2010;362(12):1090-1101.

4. Kim YG, Yoon KH. Diabetes in East Asians: similarities and differences with populations in Europe and the United States. Annals of the New York Academy of Sciences. 2013;1281:64-91.

5. Shimabukuro M, Watanabe-Shimoji K, Tanabe H, Kawakami E. Data-Driven Diabetes Clustering in East Asians: Pathological Heterogeneity and Personalized Medicine. The Journal of clinical endocrinology and metabolism. 2026 Aug 17; PMID: 42605192.