代谢类疾病——肥胖模型

        肥胖模型是研究和理解肥胖症的重要工具，涵盖从分子机制到临床诊断、行为干预及人工智能预测等多个层面。以下是当前肥胖研究领域的主要模型及相关进展：

1. 临床诊断模型

《柳叶刀》新定义：临床肥胖症与临床肥胖前期

•     2025年《柳叶刀·糖尿病与内分泌学》提出新的肥胖分类标准，将肥胖分为：

•        ●临床肥胖症（Clinical Obesity）：由过度脂肪累积直接引起的慢性疾病，需结合BMI、脂肪分布及器官功能损害综合评估。

•        ●临床肥胖前期（Pre-Clinical Obesity）：肥胖状态但尚未达到疾病标准，需早期干预防止进展。

•      该模型突破传统BMI单一指标，强调脂肪分布（如腰围、腰高比）及代谢并发症的影响。

  EASO肥胖新定义验证

•        ●欧洲肥胖研究协会（EASO）提出：BMI≥30 或 BMI 25-30 + 腰高比≥0.5 + 并发症（如高血压、糖尿病）。

•      研究显示，按此标准，近20%原“超重”人群被重新归类为肥胖，其死亡风险显著增加。

2. 神经生物学模型

    肥胖的神经影像标记物

•         西南大学陈红教授团队通过机器学习分析静息态功能连接，发现肥胖与大脑视觉皮层、奖赏环路（如眶额皮层-杏仁核连接）异常相关，可作为稳定神经影像生物标志物。

3. 代谢与分子机制模型

脂肪分解新机制：微脂噬（Microlipophagy）

•        日本NCNP团队发现溶酶体膜蛋白LAMP2B介导脂肪滴直接分解，促进脂质代谢，改善肥胖和胰岛素抵抗。该机制可能成为新型减肥疗法的靶点。

4. 机器学习与预测模型

肥胖与帕金森病的复杂关联

•       基于NHANES数据的机器学习模型显示：

•      ●复合肥胖（BMI≥24 + 腰围超标）使帕金森病风险增加71%，但降低59%患者全因死亡率（“肥胖悖论”）。

•        关键预测因子包括年龄、肥胖模式、吸烟状态、血尿素氮（BUN）等。

儿童肥胖AI大模型“福星”

•         国内首个儿童肥胖AI模型，整合临床数据、营养评估及个性化干预方案，实现精准筛查和动态管理。

5. 行为干预模型

跨理论模型（TTM）与P-Weight问卷

•        巴西研究团队验证P-Weight问卷，评估肥胖人群行为改变阶段（如沉思期、行动期）及策略（情感再评估、环境重构），为精准干预提供依据。

总结

肥胖模型正从单一BMI评估转向多维度整合，包括：

•     ●临床诊断（脂肪分布、并发症）

•     ●神经机制（奖赏系统异常）

•     ●代谢调控（LAMP2B介导的脂肪分解）

•     ●AI预测（帕金森病风险、儿童肥胖管理）

•     ●行为科学（TTM阶段化干预）

未来研究方向包括：

•     ●本土化诊断标准（如亚洲人群腰围阈值调整）

•     ●靶向治疗（如LAMP2B激动剂）

•     ●多学科协作（内分泌、心血管、神经科联合管理）

•       免责声明：本文内容仅供读者学习和交流。文章、图片等版权归原作者享有，如有侵权，请留言联系。
  

咨询电话： 400-6988-095