编辑推荐：
为解决代谢综合征（MetS）预防及早期预测问题，研究人员基于日本岩手健康促进项目数据，开展内脏脂肪（VFA）与 MetS 发病关联研究。开发出包含 VFA 等参数的预测模型，AUC 达 0.90，证实 VFA 是关键因素，为 MetS 早期干预提供新工具。
在全球范围内，心血管代谢疾病如代谢综合征（MetS）已成为过去 20 年致人死亡的主要原因之一。MetS 包含腹部肥胖、高血糖、高血压和血脂异常等多种风险因素，2020 年全球约 2580 万儿童和 3550 万青少年受其影响，预防和缓解 MetS 刻不容缓。虽然已有运动、饮食指导等预防方法，但提前数年预测 MetS 发病的能力被视为预防其发展的最有用工具之一。此前研究多利用身体扫描仪体积数据和人口统计数据估计当前 MetS 严重程度，也开发了一些预测发病的算法，但各国对 MetS 定义不同，日本诊断 MetS 时内脏脂肪堆积必不可少，且亚洲人更易患 MetS，即使 BMI 低也可能堆积内脏脂肪，然而日本缺乏针对同一受试者内脏脂肪面积（VFA）纵向变化与 MetS 发病风险关系的大规模研究，该领域研究相对不足。
为填补这一研究空白，日本弘前大学医学院等机构的研究人员开展了相关研究。他们利用日本岩手健康促进项目 2015-2020 年的数据，分析内脏脂肪与 MetS 发病的关系，并开发 MetS 发病预测算法，相关研究成果发表在《Scientific Reports》。
研究用到的主要关键技术方法包括：从 5905 名参与者中筛选出 1533 人组成最终数据集，将数据按 8:2 比例分为训练集和测试集，在训练集中进行五折交叉验证；运用 Mann-Whitney U 检验、Fisher’s 精确检验分析组间差异；通过 Logistic 回归分析调整性别、年龄等混杂因素；利用 ROC 曲线和 Youden 指数确定 VFA 截断值；构建 18 种机器学习模型，选用 Elastic-Net 和 LightGBM 算法，基于 AUC 评分筛选最优模型，并通过 SHAP 值分析特征重要性。
物理特征差异
在交叉验证数据（n=1227）和测试数据（n=306）中，MetS 发病组和未发病组在性别、年龄、身高、BMI、VFA、腰围 circumference、血脂、血压、血糖等多项指标上存在显著差异。发病组男性比例更高，年龄中位数更大，各项代谢相关指标数值更高，能量摄入、酒精摄入、吸烟量、睡眠时间等也有显著差异，而饮酒天数和运动强度无显著差异。
内脏脂肪对 MetS 发病的影响
发病组基线 VFA 显著高于未发病组，发病组中 55% 的人 VFA≥100 cm2，未发病组仅 13.9%。经 Logistic 回归分析调整混杂因素后，VFA 与 MetS 发病仍显著相关，ROC 曲线 AUC 为 0.8597±0.0241，根据 Youden 指数确定的截断值为 82.5 cm2，表明基线 VFA 可预测 MetS 发病，且部分未发病者基线 VFA 虽超 100 cm2 但未发病。
预测模型的构建与验证
仅用基线 VFA 构建的 Elastic-Net 模型，交叉验证 AUC 为 0.8591±0.0364，测试 AUC 为 0.8686±0.0696。纳入 VFA、BMI、吸烟量、性别、年龄、收缩压（SBP）、舒张压（DBP）共 7 个参数的 LightGBM 模型（Model 2）表现最佳，交叉验证 AUC 为 0.9004±0.0316，测试 AUC 为 0.8836±0.0662，准确率达 84%。将模型中 VFA 替换为腰围 circumference 后预测准确性显著下降，说明 VFA 贡献更大。SHAP 值分析显示 VFA 是预测 MetS 发病的最大贡献因素，其影响约为 BMI 的两倍。
研究结论表明，内脏脂肪是预测 MetS 发病的关键因素，基于 VFA 等无创参数开发的高准确性发病预测算法，为 MetS 的早期检测和干预提供了有效工具。该研究利用非侵入性设备测量 VFA，构建的模型具有较高医学可解释性，便于公众理解发病风险，可应用于健康体检和健康活动，助力推动健康促进。不过，研究也存在一定局限性，模型未纳入遗传和环境因素，可能不适用于这些因素差异大的人群，未来需在不同种族和地区人群中验证模型，并探索其他可能增强模型性能的预测因子，同时对模型进行校准以提升其在 diverse populations and settings 中的适用性和可靠性。
