2型糖尿病是最常见的一种糖尿病类型，因其受遗传因素和环境因素共同作用，通常患者具有较大的异质性，即在2型糖尿病患者中血糖控制难易程度、并发症发生轻重程度因人而异，给临床治疗带来了较大挑战。

近年来，新一代口服降糖药——钠-葡萄糖协同转运蛋白2抑制剂（简写：SGLT2i抑制剂），可以抑制肾脏对葡萄糖的重吸收，促进尿糖的排出，不仅可以降糖，而且具有减重和保护心脏、肾脏的作用，广泛应用于临床。但是通过临床观察发现，SGLT2i抑制剂的临床疗效存在着较大的个体差异。2型糖尿病因其异质性，每一位患者用药后的血糖控制效果并不相同，如何给患者精准用药，就需要再进一步精细分型。

为解决临床医生对SGLT2i抑制剂精准治疗的需求，北京大学人民医院纪立农教授团队发表最新研究，对卡格列净全球性临床试验的数据进行二次分析，对比聚类分型及监督式学习两种“人工智能”方法对SGLT2i抑制剂疗效的指导作用。发现聚类分型更适合于识别应用SGLT2i抑制剂后降糖疗效好人群，而监督式学习更适合于识别应用SGLT2i抑制剂后肾脏保护作用好的人群。

本研究在国际上首次应用包括多个国家和地区糖尿病人群的SGLT2i抑制剂大型临床试验的数据，通过人工智能的方法是否可以预测SGLT2i的降糖疗效和肾脏保护作用进行了验证。

该研究于2022年7月8日在专业期刊Diabetologia（IF 10.460）发表，北京大学人民医院内分泌科邹显彤医生及八年制博士生黄齐为文章共同第一作者，纪立农为文章通讯作者。Diabetologia是欧洲欧洲糖尿病研究协会官方期刊（SCI影响因子10.4），旨在发表关于糖尿病和相关学科各个方面具有行业领先科学价值的的原创临床、转化和实验研究。

纪立农指出，基于人工智能的临床决策支持在糖尿病的精准治疗中具有很大的应用前景。然而究竟这些方法能否指导降糖药的选择，还有待临床研究验证。研究发现如果针对降糖疗效的预测，聚类分型就可以识别出SGLT2i降糖作用更好的群体。在纪立农教授团队以往的研究证实中就已经发现，聚类分型在不同人群中有比较高的稳定性（Zou et al, Lancet Diabetes Endocrinol. 2019 Jan;7(1):9-11.），因此本研究对聚类分析这一方法在更广泛人群中的临床应用起到了支持作用。但是，因糖尿病并发症的原因较为复杂，如果要预测SGLT2i抑制剂对并发症的影响，如尿蛋白的进展，通过“私人定制”的模式进行监督式学习效果可能更好。