亮点
- 对超过37,000名个体进行的机器学习分析识别出妊娠期糖尿病（GDM）的四种不同表型聚类（C1-C4），这些聚类具有不同的临床特征。
- 第4群组（C4），其特征是早期诊断和高合并症，与低风险群组相比，患产后糖尿病的风险增加了4.32倍。
- 即使在最大的‘低风险’群组中也存在显著的异质性，其中亚群显示出新生儿重症监护室（NICU）住院的不同风险。
- 这些发现表明，针对GDM的‘一刀切’管理方法是不足的，使用常规数据进行个性化风险分层护理在临床上是可行的。
背景
妊娠期糖尿病（GDM）是最常见的妊娠并发症之一，传统上定义为在妊娠期间首次出现或被发现的任何程度的葡萄糖耐受不良。数十年来，美国妇产科医师学会（ACOG）和美国糖尿病协会（ADA）的临床指南基本上将GDM视为一种单一的疾病。然而，临床医生长期以来观察到GDM在表现、治疗反应及其对母亲和后代的长期代谢后果方面存在显著差异。
这种异质性可能是由多种潜在病理生理机制驱动的，包括不同程度的慢性胰岛素抵抗、β细胞代偿能力受损以及社会人口学影响。尽管如此，管理策略——包括血糖监测、医学营养治疗以及必要时的药物治疗（二甲双胍或胰岛素）——仍然相当统一。妇产科医学中未满足的需求是一种可靠的方法，在诊断时对GDM患者进行分层，以识别那些患有严重孕产妇发病率（SMM）和未来进展为2型糖尿病（T2DM）的最高风险患者。
主要内容
方法学进展：机器学习在妇产科的应用
Zhu等人的研究（2026年）通过应用无监督机器学习——特别是降维和聚类技术——对37,544名个体的大规模基于人群的队列进行了重要的方法学突破。与传统的回归模型不同，这种数据驱动的方法允许研究人员根据电子健康记录（EHR）中常规可用的广泛社会人口学、行为和临床变量识别出自然群体（聚类）。
定义四种表型聚类
研究人员确定了四个主要聚类，每个聚类都有独特的临床‘特征’：
- 群组1（C1）- 晚期发病/低BMI（65.6%）： 最大的群体，其特征是在妊娠后期诊断，较低的孕前BMI，以及主要在负荷后检测到的高血糖。这代表了‘标准’或‘低风险’的GDM特征。
- 群组2（C2）- 高BMI/中等风险（14.5%）： 这个群组的患者通常表现出较高的孕前BMI和中等的代谢紊乱。
- 群组3（C3）- 早中期妊娠高血糖（12.0%）： 其特征是比C1更早诊断，且有中等的并发症风险。
- 群组4（C4）- 早期诊断/高合并症（7.8%）： 虽然这是最小的群组，但C4是最令人担忧的。这些个体在妊娠早期被诊断，经常有高的葡萄糖耐量试验（GCT）结果，并伴有多种合并症。
与围产期并发症的关系
研究发现，这些群组之间的围产期并发症风险分布并不均匀。与参考群组（C1）相比：
- 严重孕产妇发病率（SMM）： C4与43%的增加风险相关（aRR 1.43；95% CI 1.19–1.72）。
- 新生儿重症监护室（NICU）住院： C4患者的婴儿住院风险高出53%（aRR 1.53；95% CI 1.41–1.66）。
- 亚群变异： 有趣的是，在‘低风险’C1中，作者识别出三个亚群。虽然这些亚群在产后糖尿病风险方面没有显著差异，但在围产期结局方面显示了不同的风险，这表明即使是‘标准’的GDM也有影响新生儿即刻健康的细微差别。
产后糖尿病风险：长期轨迹
或许最引人注目的发现是与长期代谢健康的关系。在产后长达12年的随访中，C2至C4群组的新发糖尿病风险显著更高。
具体来说，**群组4** 的个体表现出**4.32 (95% CI 3.94, 4.73)** 的风险比（HR），与群组1相比。这一近4.5倍的风险增加表明，C4表型可能代表了那些在怀孕前就存在显著代谢功能障碍的个体，而不是由怀孕引起的。这强调了对这一特定亚组进行强化产后干预和终身监测的关键窗口。
专家评论
机制见解和病理生理学
识别出的群组4（早期诊断、高GCT、高BMI/合并症）与‘显性糖尿病’或‘先兆GDM’的概念一致，这些情况通常在早期妊娠筛查中被捕获。从生理学角度来看，这些个体可能遭受显著的胰岛素抵抗和相对的β细胞分泌能力失败，这发生在妊娠晚期的生理压力之前。相反，群组1可能代表了更为‘纯正’形式的GDM，由晚期妊娠的胎盘激素在代谢储备良好的个体中驱动。
临床适用性和指南
当前的ADA和ACOG指南强调24-28周的筛查窗口。然而，这项研究的数据驱动证据表明，早期筛查和随后的聚类可以允许临床医生：
1. 立即为C4患者升级监测（例如，连续血糖监测）。
2. 更早地为C4患者启动药物治疗以减轻SMM。
3. 对C4个体实施高度积极的产后体重管理和二甲双胍预防，以防止T2DM。
争议和局限性
将这些发现付诸实践的主要挑战在于日常实践中机器学习模型的复杂性。虽然使用的变量（BMI、GCT结果、年龄、合并症）是标准的，但定义聚类的算法必须集成到EHR系统中，以提供实时决策支持。此外，尽管该研究使用了验证集，但仍需要进一步的前瞻性试验来确定基于其聚类对患者进行不同管理是否能改善与标准护理相比的结果。
结论
Zhu等人的研究为GDM管理从被动、统一的方法向主动、个性化模型的演变提供了坚实的路线图。通过认识到C4患者面临显著更高的即刻围产期并发症风险和长达十年的代谢衰退风险，医疗系统可以更好地分配资源给最需要的人。未来的研究应集中在针对这些特定表型的干预试验上，特别是关注早期干预在‘高风险’聚类中是否可以改变4.32倍的产后糖尿病风险。
参考文献
- Zhu Y, Ngo AL, Liao LD, et al. Data-Driven Phenotypic Clusters of Gestational Diabetes Mellitus and Associations With Risk of Perinatal Complications and Postpartum Diabetes. Diabetes Care. 2026. PMID: 41842968.
- Ahlqvist E, Storm P, Karajamaaki A, et al. Novel subgroups of adult-onset diabetes and their association with outcomes: a data-driven cluster analysis of six variables. Lancet Diabetes Endocrinol. 2018;6(5):361-371. PMID: 29503172.
- Powe CE. Early Pregnancy Glycemic Markers and Postpartum Glucose Metabolism: Thinking Beyond Gestational Diabetes. Diabetes. 2017;66(8):2064-2066. PMID: 28733446.