基于全国340万人的健康档案，深度学习模型可在发病前3-15个月识别高危个体，相对风险高达118倍。
2型糖尿病曾被认为是中老年人的疾病，如今在年轻人中正以惊人速度增长。定义为40岁前发病的年轻 onset 2型糖尿病，疾病进展更快、并发症风险更高，却因筛查不足和常被误诊为1型糖尿病而大量漏诊。如何从海量常规医疗数据中提前发现这些高危个体？
丹麦哥本哈根大学诺和诺德基金会基础代谢研究中心的研究团队在《柳叶刀·数字健康》上发表了一项全国性回顾性队列研究，利用深度学习方法整合初级和二级医疗数据，开发了能够预测年轻发病2型糖尿病风险的算法。这项研究覆盖了340余万丹麦居民，识别出16,828例年轻发病2型糖尿病患者，为低成本人群筛查提供了新工具。
研究使用了丹麦三大全国性健康登记系统——国家处方登记册（1995-2021）、国家卫生服务登记册（1990-2021）和国家患者登记册（1977-2018），覆盖了全丹麦所有居民的医疗接触记录（包括医院诊断、全科医生处方、专科服务、检验登记等）。研究人群为1995年至2018年间所有40岁以下的丹麦居民，最终纳入3,435,638人。
研究团队采用Transformer架构（与ChatGPT同源的技术），为每个个体构建一条时间轴上的“健康轨迹”——包含最多10年内的处方、诊断和服务代码。模型通过滑动窗口方式，在多个时间点评估个体在未来特定时间窗内（0-12个月、3-15个PG电子月、…、12-24个月）发生2型糖尿病的风险。关键创新在于同时使用了初级医疗（全科医生服务、处方）和二级医疗（医院诊断）数据，并以时间间隔聚合而非按就诊次数聚合的方式处理事件，使其更适应初级医疗数据的PG电子特点。
模型在测试集上表现优异。在0-12个月预测窗内，风险最高的前0.1%个体相较于普通人群的相对风险高达175.0（95% CI 169.9-180.1）；即使在12-24个月窗内，相对风险仍达74.6（71.2-78.2）。在5%阳性预测值阈值下（即每20个被标记的高风险个体中有1人将发病），模型可在3-15个月窗内检测出23% 的未来病例。AUROC从0-12个月的0.976（0.976-0.977）逐渐降至12-24个月的0.939（0.938-0.940）。
多源数据整合优势显著：整合三个登记册的模型在中期预测（3-15个月及更远）中持续优于任何单一数据源的模型。尤其是在12-24个月窗内，整合模型的相对风险（74.6）远超仅用国家卫生服务登记册的模型（50.0）和仅用处方登记的模型（48.9），说明初级医疗数据对提前预警至关重要。而仅用医院诊断的模型预测能力极差，反映出年轻发病2型糖尿病患者在确诊前较少因糖尿病相关原因住院。单一来源中最强的模型是国家卫生服务登记册（全科医生服务数据），在0-12个月窗内相对风险（184.6）甚至略高于整合模型（175.0）——这是因为接近确诊时患者已开始进行血糖检测（如β-葡萄糖测试），但这一优势在更早的时间窗内消失。
跨区域泛化稳健：在丹麦五个地理区域间交叉验证，模型性能保持稳定，各区域相对风险介于150至161之间（0-12个月窗），表明算法对不同地区的社会经济和医疗资源差异具有鲁棒性。
研究采用积分梯度法解释模型预测。结果显示，心血管系统处方是最强的预测信号——包括ACE抑制剂、他汀类药物、纤维酸衍生物等，且随临近发病其贡献度急剧上升。诊断中贡献最高的包括：胰腺炎、慢性肾功能衰竭、肥胖、精神疾病、脊髓损伤、囊性纤维化，以及多种癌症（脑、睾丸恶性肿瘤）。这些发现在临床上有较强的合理性——例如，胰腺炎可导致胰岛素分泌受损，精神疾病药物（如抗精神病药）已知与代谢综合征相关，脑肿瘤患者因颅咽管瘤等病变可能影响下丘脑-垂体轴而导致继发性糖尿病。
来自初级医疗的特征中，全科医生咨询和β-葡萄糖测试贡献最大，而常规牙科检查、儿童疫苗接种、心理服务等则呈负向贡献——可能反映了更健康的生活方式或更高健康素养。
当一位年轻人在全科医生处因“寻常”原因就诊时，他/她可能正处于未被发现的糖尿病前状态。这项研究表明，Transformer模型能从个体数年甚至十年以上的日常医疗接触中，捕捉到那些微弱的、跨领域的早期信号，提前数月发出预警。这种“不新增检查、只挖掘已有数据”的思路，为公共卫生筛查提供了低成本、高可扩展的新范式。
