面向肥胖、超重和瘦人的腹部表型：2型糖尿病的数据驱动分析
计算机视觉与模式识别
2025-08-28 v1
摘要
目的：虽然升高的BMI是2型糖尿病的已知风险因素，但部分肥胖成年人中仍可发病，而另一些肥胖者则不发病，这表明详细的体成分分析可能揭示2型糖尿病的腹部表型。借助AI技术，现在可大规模从3D临床影像中提取腹部结构的尺寸、形状和脂肪含量等详细测量数据。这为使用大规模临床数据来实证定义与2型糖尿病风险或保护相关的体成分特征提供了可能性。方法：为从临床CT数据中探索不同BMI水平下的糖尿病腹部模式，我们对数据进行四次处理：一次针对整个队列（n=1728），以及分别针对瘦人（n=497）、超重人（n=611）和肥胖人（n=620）的子队列。简而言之，我们的实验设计通过分割将腹部扫描转化为可解释的测量集合，通过交叉验证的随机森林分类2型糖尿病，通过SHAP分析衡量这些特征对模型估计风险或保护的贡献，通过聚类按共享模型决策模式对扫描进行分组，并反向关联到解剖差异。结果：随机森林模型在各子队列中实现的平均AUC为0.72-0.74。各组之间存在共性的2型糖尿病特征：肌肉脂肪、年龄增长、腹部脂肪和皮下脂肪增加，以及胰腺变小或脂肪浸润。单变量Logistic回归验证了14-18个每组前20个预测因子的方向（p<0.05）。结论：我们的发现表明，2型糖尿病的腹部驱动因素可能在不同体重类别中保持一致。
引用
@article{arxiv.2508.11063,
title = {Data-Driven Abdominal Phenotypes of Type 2 Diabetes in Lean, Overweight, and Obese Cohorts},
author = {Lucas W. Remedios and Chloe Cho and Trent M. Schwartz and Dingjie Su and Gaurav Rudravaram and Chenyu Gao and Aravind R. Krishnan and Adam M. Saunders and Michael E. Kim and Shunxing Bao and Alvin C. Powers and Bennett A. Landman and John Virostko},
journal= {arXiv preprint arXiv:2508.11063},
year = {2025}
}