Nature Medicine | 你一直信的 “肥胖指標” BMI不夠用了

認知神經(jīng)科學前沿文獻分享

基本信息

Title:Data-driven prioritization of high-risk individuals for weight loss interventions

發(fā)表時間:2026-04-30

發(fā)表期刊:Nature Medicine

影響因子:50.0

獲取原文:

1. 添加小助手:PSY-Brain-Frontier即可獲取PDF版本

研究背景

肥胖相關并發(fā)癥不少，但現(xiàn)實中的減重干預資格和資源分配，往往還是把體重指數(shù)（body mass index，BMI）當成主要門檻。

本篇論文指出，BMI 對個體風險的刻畫其實很有限：即便同樣處在超重或肥胖范圍內，未來 10 年發(fā)生 2 型糖尿病、慢性腎病或心血管死亡等結局的風險，也可能差出很多。研究想回答的是，能不能用常規(guī)臨床和人群數(shù)據(jù)做一個統(tǒng)一的風險分層工具，幫助識別真正更高風險的人，而不是只按 BMI 排隊

實驗設計與方法邏輯

作者在 UK Biobank 中納入 197,264 名 BMI≥27 kg/m2 的成年人，考察 18 種肥胖相關并發(fā)癥的 10 年發(fā)生風險。候選變量來自一般健康與行為、疾病與用藥、臨床血液生物標志物、心肺參數(shù)、身體組成、代謝物和多基因評分等 2,000 多項特征

方法上，先用最小絕對收縮和選擇算子（least absolute shrinkage and selection operator，LASSO）篩選信息量高的變量，再用帶 L2 正則的 Cox 模型建模，比較單模態(tài)模型、逐步整合的多模態(tài)模型，以及一個跨 18 個結局共用的 20 特征模型 OBSCORE。隨后又在 EPIC-Norfolk、Genes & Health 做外部驗證，并在 SURMOUNT-1 中觀察替爾泊肽（tirzepatide）治療前后預測風險是否發(fā)生變化

核心發(fā)現(xiàn)
發(fā)現(xiàn)一：比起只看BMI，既往疾病和常規(guī)血液指標更能提升風險預測

單模態(tài)比較顯示，一般健康與行為、臨床血液生物標志物的整體預測表現(xiàn)最好，多基因評分整體最弱。進一步整合數(shù)據(jù)時，加入既往疾病/用藥和臨床血液指標后，模型區(qū)分能力提升最明顯；再加入身體組成、代謝物和多基因評分，額外增益通常不大。這說明肥胖并發(fā)癥風險并不是主要由 BMI 或遺傳評分單獨決定的

Fig. 2 中，作者比較了不同數(shù)據(jù)模態(tài)的 C-index；Fig. 3 進一步顯示，性能提升主要出現(xiàn)在加入疾病/用藥和臨床血液指標之后，提示臨床上常見的信息已經(jīng)包含了大量風險信號

作者從 18 個結局的結局特異模型中提煉出 20 項共享、相關性較低的臨床特征，構成 OBSCORE。正文顯示，OBSCORE 在驗證集中的判別能力整體優(yōu)于年齡、性別和 BMI 模型，也在 17 個結局上多數(shù)優(yōu)于 ASCVD 特征集

同時，它和更復雜的全模態(tài)結局特異模型表現(xiàn)接近，跨結局的 C-index 中位差只有 0.012。需要注意的是，不同結局的表現(xiàn)并不一致，GERD 和膈疝等結局的判別能力相對較低，部分結局還存在校準偏差

Fig. 4 中，作者把 OBSCORE 與年齡、性別和 BMI 模型、MHO、SCORE2 及 ASCVD 特征集放在同一框架下比較；這一圖直接展示了“更簡化”不一定意味著明顯犧牲預測力

按 OBSCORE 分層后，多數(shù)結局的高低風險組 10 年事件率差異明顯；12/18 個結局中，最高 20% 與最低 20% 之間的率比超過 10，慢性腎病、痛風和 2 型糖尿病的分層尤其明顯。即使在最高風險層中，仍有相當比例的人 BMI 僅為 27–30 kg/m2，說明只按 BMI 閾值會漏掉一部分高風險個體

在 SURMOUNT-1 中，不同基線風險組接受 tirzepatide 后的體重和腰高比改善總體相近，而 72 周后治療組的 OBSCORE 預測風險低于安慰劑組；但這里觀察到的仍是預測風險變化，不是真實并發(fā)癥事件已經(jīng)被證實下降

Fig. 5 中，作者展示了同一 BMI 分層內仍存在明顯的風險展開，高風險層里并不全是更高 BMI 人群；Fig. 6 則顯示 tirzepatide 治療后預測分數(shù)下降，但這不能直接等同于長期臨床結局已經(jīng)改善

省流總結

這篇 Nature Medicine 論文提出了一個 20 特征共享臨床模型 OBSCORE，用來分層 BMI≥27 kg/m2 人群中 18 類肥胖相關并發(fā)癥的 10 年風險。它比只看 BMI 更容易識別高風險個體，也能找出一部分 BMI 不算高但風險已經(jīng)上升的人。現(xiàn)階段證據(jù)支持的是它的預測和分層能力，而不是按這個模型分配治療已經(jīng)被證明能改善真實臨床結局

分享人：天天

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經(jīng)科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿