09/15
2025亚辉龙助力胰岛功能标化指数评估系统获国际权威认可，推动糖尿病精准诊疗与长期健康管理
发布时间：09:09 作者：admin
糖尿病，这一被称为“甜蜜的杀手”的慢性疾病，正在以惊人的速度威胁公众健康。中国有超过1.18亿糖尿病患者，占全球22%的比例，为全球糖尿病负担最重的国家之一[1]。但知晓率、治疗率、控制率却依然偏低。
为了更好地建立和普及胰岛功能评估、糖尿病精准分型诊断等新技术、新方法的临床应用，更好地服务于糖尿病患者及相关高危人群的临床诊疗，2020年9月，深圳市亚辉龙生物科技股份有限公司（以下简称亚辉龙）与南京医科大学第一附属医院（江苏省人民医院）内分泌科杨涛教授团队启动糖尿病领域的多中心学术合作，开展胰岛功能评估和糖尿病精准分型诊断的相关研究，并陆续有研究成果产出。
2025年6月，由杨涛教授团队发表的《Multidimensional Pancreatic Islet β-cell Function Assessment Improves Predictive Effect of Diabetes Risk Scores（多维度胰岛 β 细胞功能评估可提升糖尿病风险评分的预测效能）》[2]刊登在国际内分泌领域知名期刊《The Journal of Clinical Endocrinology & Metabolism（临床内分泌与代谢杂志）》杂志。依托创新性多维算法模型，该研究成功实现胰岛 β 细胞功能的精准刻画与全面评估，为糖尿病精准诊疗方案制定及长期健康管理提供关键助力，也为双方合作再添重要成果。
胰岛β细胞功能异常是糖尿病发生和发展的核心环节。现有评估方法多局限于单一维度，难以全面揭示胰岛素分泌曲线的动态变化，而这种动态特征正是反映个体代谢状态与糖尿病风险的关键。
本研究基于大规模人群数据进行训练与验证，研究对象包括：814名志愿者（其中195名健康、619名代谢异常）、12名Botnia clamp研究参与者、3394名2型糖尿病患者，以及6345名芬兰“Metabolic Syndrome in Men（METSIM）”研究队列成员，结合年龄、性别、身高及口服葡萄糖耐量试验（OGTT）的血糖、胰岛素和C肽数据，借助深度学习实现精准建模，构建胰岛β细胞功能（PIF）评估模型。
该模型从三个维度全面刻画胰岛β细胞功能：
空腹基础值（PIF-S）：空腹状态下的基础分泌能力
负荷峰值（PIF-L）：葡萄糖刺激下的最大分泌能力
分泌斜率（PIF-A）：从基础到峰值的分泌速度，反映β细胞快速响应能力
研究显示：利用这三维指标对代谢异常人群进行聚类分析，发现可以分为三种典型群体（图1）：
Cluster 1（高响应型）：PIF-A最高，PIF-S最低，PIF-L中等。β细胞快速响应葡萄糖，代谢健康，血糖、血压较低，脂联素水平高，心血管和肾脏风险最低。
Cluster 2（低响应型）：PIF-S与Cluster 1相似，但PIF-L和PIF-A最低，高血压和心血管风险显著高于Cluster 1。
Cluster 3（基础高反应低型）：PIF-S和PIF-L最高，但PIF-A最低。基础分泌高但对葡萄糖刺激反应弱，代谢最差，各项指标（BMI、血压、血脂、肝肾功能）最高，高血压和心血管风险显著高于Cluster 1和Cluster 2。
图1：在619例代谢异常人群中，基于5点胰岛素的标准化多维PIF指标的应用。
并在4537名随访人群中，调整年龄、BMI、HbA1c、吸烟、咖啡摄入及糖尿病家族史后，Cluster 2和Cluster 3发展为糖尿病的风险分别是Cluster 1的2.5倍和3.2倍，同时Cluster 3的高血压和冠心病风险也最高（图2）。
图2：METSIM队列中不同PIF指标与糖尿病风险的关系。在METSIM研究中，对4537例获得有效随访数据的受试者进行Cox回归分析。分析中调整了年龄、体质指数（BMI）、糖化血红蛋白、吸烟、咖啡摄入及糖尿病家族史等混杂因素。
该模型不仅为多维度解析胰岛β细胞功能提供了新的有效工具，也在不同代谢状态与疾病人群中得到验证，有助于深化对糖尿病复杂机制的理解，并推动精准诊疗水平的提升。
其主基于上述模型构建研究成果，亚辉龙旗下亚加达公司持续进行技术迭代与产品优化，研发并推出“胰岛功能指数评估”系统。该系统可提供Web端及小程序双平台在线服务，并可支持灵活的本地化部署选项，实现与LIS系统的无缝对接，广泛适配多种临床应用场景。要特点与优势包括：
■ 多维评估，一键生成
整合空腹基础值、负荷峰值、分泌斜率三大维度，构建“代谢标准人”对标体系，一键生成标尺化评估报告（支持胰岛素/C肽双路径）。
■ 智能算法自动适配
提供标准模型与简化模型（A/B），自动匹配最佳方案；
降低数据解读门槛，医生快速掌握患者胰岛功能；
支持历史数据回溯，方便长期随访。
■ 解决临床痛点
未来将实现家居检测场景，患者可居家监测胰岛功能，数据实时上传，医生远程指导。
除上述研究成果外，亚辉龙与杨涛教授团队多年合作期间，研究成果丰硕，多篇高水平研究成果相继发表[3-5]。基于亚辉龙iFlash 3000化学发光平台，建立了1型糖尿病患者胰岛自身抗体参考区间，分析了胰岛素抗体对2型糖尿病患者治疗反应的影响，并发现高动物脂肪饮食可加重胰岛素抵抗、提升糖尿病风险，为精准诊疗和干预提供参考。
【参考文献】
1. Xu Y, Lu J, Li M, Wang T, et al. Diabetes in China part 1: epidemiology and risk factors [J]. Lancet Public Health, 2024 Dec;9(12):e1089-e1097. doi: 10.1016/S2468-2667(24)00250-0.
2. Fu Q, Dai H, Wang J, et al. Multidimensional Pancreatic Islet β-cell Function Assessment Improves Predictive Effect of Diabetes Risk Scores[J]. The Journal of Clinical Endocrinology & Metabolism, 2025 Jun 23:dgaf372. doi: 10.1210/clinem/dgaf372.
3. Fu Y, Zhang C, Gu Y, et al. Establishing reference intervals for islet autoantibodies in Han Chinese type 1 diabetes[J]. Scandinavian Journal of Clinical and Laboratory Investigation, 2021 Dec;81(8):641-648. doi: 10.1080/00365513.2021.2001564.
4. Chen S, Chen H, Jiang Y, et al. Association of subclass distribution of insulin antibody with glucose control in insulin-treated type 2 diabetes mellitus: a retrospective observational study[J]. Frontiers in Endocrinology, 2023 Apr 18;14:1141414. doi: 10.3389/fendo.2023.1141414.
5. Li S S, Xia R, Gong X, et al. Mediating effect of TyG index on the association between glucose-lipid metabolism-related dietary pattern and T2DM: a propensity score-matched analysis[J]. BMC Endocrine Disorders,2025 Apr 24;25(1):114. doi: 10.1186/s12902-025-01892-6.
