本网讯 近日，中南大学湘雅二医院代谢内分泌科周后德教授课题组成功研发出一套名为“MetsObesity”的肥胖及代谢异常人群风险分型系统，相关研究成果在线发表于国际学术期刊《高等研究杂志》（Journal of Advanced Research）。该研究成果中南大学湘雅二医院为第一完成单位，巴基斯坦籍留学生Junaid Iqbal与吴卉萱博士为论文共同第一作者，周后德教授为通讯作者。

该系统仅基于临床常规检测指标，即可精准预测个体未来15年发生心脑血管事件的风险等级，有效弥补了传统体质指数（BMI）、腰围等方法对“隐性高风险”人群漏判的不足。

本图展示了基于UK Biobank 34万余人的前瞻性队列，通过机器学习构建 MetsObesity五层级肥胖代谢风险评估模型，进一步验证其在15年心血管事件预测中的区分度、校准度及临床应用价值的完整研究流程。

肥胖与代谢性疾病是导致心脑血管疾病的主要危险因素之一。然而，临床长期依赖BMI、腰围或代谢综合征等传统指标评估风险，难以识别部分体重正常但代谢异常、炎症水平偏高等“看似健康”的潜在高危人群。针对这一临床痛点，周后德教授团队构建了全球首个将体脂分布、代谢指标、炎症状态及肝酶、尿酸等指标整合运用的综合性风险评估系统。

该研究以英国生物银行（UK Biobank）34.6万余名成年人为数据基础，采用随机森林算法结合递归特征消除技术，从海量临床指标中系统筛选出与长期心血管事件关联最强的核心预测因子，并据此建立五级风险分层体系（MetsObesity 1至5级，风险由低到高）。所有指标均为临床常规检测项目，无需额外检测成本，且均为可干预因素，具备较强的临床转化潜力。

验证结果显示，MetsObesity对主要不良心血管事件（MACE）的预测能力显著优于BMI、腰围、体脂百分比及传统代谢综合征定义。其中，处于第4、5级（中高风险至极高风险）的人群，其心脑血管事件发生风险较传统标准下的“肥胖高风险人群”高出2至4倍。更值得关注的是，部分BMI处于正常或轻度超重范围的人群，因代谢、炎症或肝功能指标异常被划分至高风险等级，其实际心血管风险与传统意义上的肥胖高风险人群相当。这一发现首次系统揭示了“隐性高风险”人群的存在，为早期干预提供了明确靶点。

周后德教授团队表示，MetsObesity有望推动肥胖及代谢异常人群管理模式从“以体重为中心”转向“以真实疾病风险为中心”。下一步，团队将开展多中心、跨种族的外部验证研究，并开发便捷的临床评估工具，加速该分型系统的临床落地应用。

（一审：栗一爽 二审：王轩 三审：韩艳）