上海健康医学院附属浦东公利医院  王宁荐

心血管疾病是2型糖尿病患者的主要致死原因，早期精准的风险分层对于制定个体化治疗策略至关重要。

传统心血管风险预测模型（Framingham、ASCVD、SCORE及China-PAR project等）在糖尿病人群中的预测效能存在局限。近年来，糖尿病特异性模型（如SCORE2-Diabetes）通过整合糖尿病相关指标，显著提升了风险识别的准确性。多组学技术的兴起，为模型性能的突破提供了新的可能。

本课题组基于Olink蛋白组学技术与机器学习算法，成功开发了一种新型糖尿病心血管并发症预测模型。研究从大量蛋白质中精准锁定14个与2型糖尿病新发心血管事件显著相关的关键蛋白标志物，并将其与8项核心临床变量相结合，构建出随机生存森林模型。该整合模型在随访期内，预测性能稳定保持在0.70以上，显著优于传统模型。该全模型在低至中等风险阈值范围内能提供更高的临床净获益，展现出优异的临床实用价值。

未来，结合易于获取的临床指标与新型生物标志物，构建兼具高泛化能力与精准度的预测模型，将是推动糖尿病心血管并发症早期防治的关键方向。