《Bioengineering》：Artificial Intelligence Algorithms for Early Detection and Risk Stratification of Type 2 Diabetes Mellitus, Multimodal Bioinformatic Phenotyping, and Its Complications: A Technical Review of Classical Machine Learning, Deep Learning, and Post-Hoc Feature Attribution
编辑推荐：
2型糖尿病（Type 2 Diabetes Mellitus, T2DM）影响全球数亿人，且近半数病例尚未被诊断。本技术综述依据系统评价和荟萃分析优先报告条目（Preferred Reporting Items for Systematic Reviews a
2型糖尿病（Type 2 Diabetes Mellitus, T2DM）影响全球数亿人，且近半数病例尚未被诊断。本技术综述依据系统评价和荟萃分析优先报告条目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）指南开展，并围绕人群、干预、比较、结局与情境（Population, Intervention, Comparison, Outcome and Context, PICOC）框架构建，旨在识别并综合人工智能（artificial intelligence, AI）算法用于T2DM早期检测及其并发症风险分层的证据，评估其相较于传统诊断方法的性能表现，并刻画其临床实施情境。研究在Scopus数据库中进行系统检索，经四阶段筛选流程，并沿五个研究维度进行综合，共获得255条记录，其中47项研究符合纳入标准（2025–2026年）。基于梯度提升的集成方法，尤其是极端梯度提升（extreme gradient boosting, XGBoost），成为主导性首选建模方法，而逻辑回归（logistic regression）是最常被报告的算法，主要作为基线比较对象，受试者工作特征曲线下面积（area under the receiver operating characteristic curve, AUC-ROC）范围为0.63至0.97。AI模型持续优于糖化血红蛋白（glycated haemoglobin, HbA1c），后者的糖尿病前期检测灵敏度仅为49%，而AI模型准确率最高可达96.7%，但该上限值来源于一个基线患病率较高的窄定义队列，并不代表一般人群筛查的整体表现。多模态方法取得了最高的判别能力，融合可穿戴设备、连续血糖监测与基因组学数据（在区分自我报告血糖状态方面，内部AUC为0.96，外部AUC为0.90）；一项整合至电子健康记录的真实世界临床部署改善了高风险患者的血糖控制结局。研究采用针对AI更新的预测模型偏倚风险评估工具（Prediction model Risk Of Bias ASsessment Tool updated for AI, PROBAST + AI）对八项锚定研究进行评估，发现其中六项存在高质量关切，主要源于横断面设计及自我报告结局。总体而言，AI作为传统筛查的可行且可扩展的补充手段具有突出价值，但在多中心前瞻性验证、报告标准化以及跨人群的算法公平性方面仍存在空白。
本技术综述依据PRISMA指南和PICOC框架，系统检索Scopus数据库，经四阶段筛选后纳入47项2025–2026年研究，对AI算法在T2DM早期检测及并发症风险分层中的应用进行了结构化综合。
2.1 研究问题
研究围绕一个主要问题及五个衍生子问题展开，每个子问题对应PICOC框架中的一个要素，确保文献检索与分析直接回应综述目标，最大限度减少无关文献的纳入。
2.2 检索策略：PICOC框架与检索方程
检索策略采用PICOC模型，每个要素构成布尔查询中的一个独立模块，模块间以AND连接，模块内以OR连接同义词、缩写及截断变体。检索方程经三版迭代，最终版本（第三版）在灵敏度与特异性间取得平衡，将记录数从1259条缩减至255条。
2.3 数据来源与筛选条件
检索仅在Scopus（Elsevier）中执行，检索日期为2026年6月14日。经筛选条件应用后，合格记录缩减至85条。研究通过DOI在PubMed中核查，81条（95.3%）具有PubMed标识，表明单一数据库策略的代价已量化而非假设。
2.4 纳入与排除标准
纳入标准共六项，按PICOC要素加一项方法学考量结构化定义。排除标准依次应用：首先排除非T2DM或糖尿病前期以外的糖尿病类型（排除28篇），其次排除以治疗、血糖管理或已确立慢性并发症为主要关注点而无早期检测或预测成分的研究（再排除7篇），最终47篇纳入综述。
2.5 研究筛选流程与PRISMA流程图
筛选过程按PRISMA 2020标准分四阶段进行（识别、筛选条件应用、初筛、合格性判定）。标题与摘要筛选及全文筛选由两位评审者独立完成，分歧经协商解决，必要时由第三作者仲裁，未使用自动化工具。66%的研究发表于2025年，34%发表于2026年。
2.6 数据提取
数据提取由两位评审者使用结构化电子模板独立完成，提取变量分组直接对应PICOC框架要素及相关研究问题，确保提取数据与综述问题之间的可追溯性。
2.7 方法学质量评估
作为技术叙事综述，未对全部47项研究应用正式偏倚风险工具，仅对支撑比较综合的八项锚定研究应用PROBAST + AI模型开发部分：四个领域的16个信号问题加三项适用性判断。评估基于大语言模型辅助的结构化提取，由作者对照全文复核并承担责任。
2.8 证据综合
鉴于纳入研究在算法、数据来源、目标人群及报告指标上的异质性，选择结构化叙事综合作为主要证据整合方法，围绕五个研究问题组织，报告算法家族分布、各算法性能指标范围、临床实施情境及与传统基线的比较。未进行荟萃分析或任何统计合并。
2.9 方法学局限性
综述承认固有方法学决策带来的局限性，包括单一数据库检索、开放获取限制、检索窗口限定2025–2026年、主题领域过滤至医学类等，并逐一说明其方向性偏倚及缓解策略。
3.1 RQ1：AI早期检测与风险分层的目标人群
纳入研究将AI工具应用于三类人群：已确诊T2DM且有并发症风险者、糖尿病前期或血糖状态异常者、以及全国性调查中的一般成年人群。最大规模人群来自印度NFHS-5（2,843,917名受访者）和美国NHANES 2007–2018（29,509名参与者），而多模态数字临床试验PROGRESS仅纳入347名深度表型个体。
3.2 RQ2：用于T2DM及其并发症检测与预测的AI/ML/DL算法
语料涵盖经典机器学习、集成方法、生存模型及基于深度学习的多模态架构。逻辑回归最常被报告但几乎均作为基线，而XGBoost和随机森林（Random Forest）确立为首选且性能最佳的模型。超参数优化系统性地应用于各研究，包括网格搜索、分层k折交叉验证及三种框架比较（随机搜索、网格搜索、贝叶斯优化）。SHAP（SHapley Additive exPlanations）成为主导性可解释性方法。
3.3 RQ3：AI与传统诊断方法的性能比较
对全部47项研究的比较对象进行全文复核后发现：仅8项在自身队列中评估了传统检测方法、已发表风险评分或临床参考模型并报告其性能；10项仅在文字层面或引用已发表数值进行对比；其余29项仅进行算法间或与普通统计基线的比较。最有力的证据来自三个方面：HbA1c对糖尿病前期的平均灵敏度仅49%，而随机森林在特定队列中准确率达96.7%；可穿戴数据及基因组风险评分逐步提升临床模型C指数（0.748→0.774→0.867）；多模态方法证实相同HbA1c值下血糖波动特征存在显著差异。
3.4 RQ4：AI检测与预测报告的性能指标
性能报告涵盖判别力（AUC-ROC）、平衡分类（准确率、F1分数、精确率、召回率）、临床效用（阳性预测值、决策曲线分析）及校准（Hosmer–Lemeshow检验、Brier分数、校准曲线）。AUC-ROC是八项锚定研究均报告的指标，但其解读必须结合研究设计：临床富集样本中预测并发症的AUC（0.85–0.97）与人群调查数据模型（0.63–0.68）不可直接比较。置信区间仅三项研究报告，构成多数研究未达到的方法学基准。
3.5 RQ5：临床与技术实施情境
实施分布于五类主要场景：医院电子病历（EHR/EMR）、可穿戴设备平台、初级保健、人群筛查项目及多模态数字临床试验。最成熟的实施是意大利MetaClinic EMR系统中整合的XGBoost临床决策支持系统（CDSS），每次就诊自动生成风险警报。可穿戴-基因组学前沿框架通过Fitbit API整合分钟级活动记录与全基因组测序数据。资源有限环境中，中上臂围（MUAC）被识别为与中心性肥胖和胰岛素抵抗相关的低成本人体测量替代指标。
4.1 算法格局：使用频率与性能
梯度提升集成方法，尤其是XGBoost，成为表格型临床数据预测的主导范式，其优势在于原生处理缺失值、L1/L2正则化抑制过拟合以及与SHAP可解释性的良好兼容。逻辑回归虽在最多研究中出现（29/47），但几乎均作为比较基线。按每项研究的最佳性能模型统计，梯度提升方法（13项）领先于经典机器学习（11项）。
4.2 数据丰富度在性能中的作用
AUC-ROC范围（0.63–0.97）并非均匀分布：基于人群调查数据训练的模型系统性地处于较低区间（0.63–0.82），而具有丰富临床数据、纵向EHR记录或多模态生物测量的模型达到更高判别力（0.85–0.97）。多模态PROGRESS研究达到本综述识别的性能上限（内部AUC 0.96/外部0.90），但增量分析表明，仅两种模态（可穿戴步数+多基因风险评分）即可实现大部分增益，提示性能与可扩展性之间存在帕累托前沿。
4.3 临床领域覆盖
语料分布于广泛临床结局：早期检测与筛查占比最大，其次为微血管并发症（肾脏、视网膜病变、神经病变）、心血管及大血管疾病、再入院及其他合并症。糖尿病肾脏病是扩展语料中代表性最强的结局，六项研究在强临床信号下达成罕见共识。视网膜病变研究引入新算法变体，其中XGBoost和LightGBM对威胁视力的视网膜病变AUC达0.908和0.879。神经病变研究显示随机森林AUC 0.913为最佳整体判别力，而SUDOSCAN设备报告了扩展语料中的最高AUC 0.97。再入院领域一项研究报告AUC高达0.990，提示过拟合或数据泄漏风险。心血管风险领域，埃塞俄比亚数据上的梯度提升机达到AUC 0.96，挑战了高性能需要高收入国家基础设施的观点。
4.4 从算法承诺到临床影响：转化鸿沟
本综述最重要的临床发现是一项质量改进结局：意大利多中心部署的XGBoost CDSS整合至MetaClinic EMR后，干预组达到HbA1c≤7.0%的患者比例上升9.0个百分点，对照组上升4.5个百分点（p<0.0001）。这是首项严格对照的证据表明，嵌入常规临床工作流程的ML并发症预测工具可产生可测量的血糖控制改善。然而，绝大多数纳入研究未超越回顾性开发和内部验证，转化鸿沟依然存在。
4.5 局限性与算法公平性
整个证据基础存在结构性局限：开发与验证集中于同质人群样本，以中国汉族成人和美国整合医疗系统成人为主。PROGRESS（48.1% UBR）和All of Us队列（多祖先）是值得强调的反例，但均未按祖先亚组分解报告指标。综述自身局限性包括：异质性排除荟萃分析、锚定研究为有目的样本、发表偏倚可能高估性能、两项研究未报告任何模型性能指标、PROBAST + AI评估仅覆盖八项锚定研究且仅执行一次、单一数据库及开放获取限制可能造成方向性偏倚。
4.6 纳入研究的批判性评估
外部验证稀缺：仅11项研究在独立于开发队列的队列中验证模型。语料内部可测量验证乐观度：八项研究报告同一模型的内外部成对数值，其中六项外部值下降，中位变化约?0.03 AUC。分区策略并非总是明确声明。设计维度上，语料以回顾性为主（35/47），但来源并非以单中心为主：17项单中心、13项多中心、15项人群级来源。PROBAST + AI评估显示八项锚定研究中六项高质量关切，主要源于横断面设计、自我报告结局及完整案例分析。
4.7 异质性来源与报告性能的可比性
性能数值不共享统一尺度，差异仅部分归因于算法。四个异质性轴解释了大部分离散度：目标人群与预测目标、队列构成与基线患病率、预测因子丰富度、验证策略。每个轴独立于所选模型影响可达上限，因此跨研究性能比较必须考虑全部四个维度。
