肥胖ai(肥胖艾灸哪个部位)

澎湃新闻 2025年01月11日 03:56 0

文章目录：

1、人工智能在太空监测肥胖：成人肥胖率与区域建筑环境特征相关
2、胖子也分颜色，肥胖如何对症治疗？
3、曲伸教授：基于临床的肥胖精准诊疗与AI赋能

人工智能在太空监测肥胖：成人肥胖率与区域建筑环境特征相关

你所居住的社区中有宠物店、健身房和公园吗？还是充斥着快餐店、超市和繁忙的马路？这个答案可能预示着你的肥胖概率。

日前，两位来自美国华盛顿大学西雅图分校的研究人员发现我们所处的建筑环境与区域内的肥胖率有很大的关联。区域建筑环境特征是指区域内的自然和人为环境，例如绿地和公路等。这些环境特征可以与其他数据结合使用，从而监测地区的肥胖患病率。

他们的研究结果表明，区域内的建筑环境与不同社区肥胖患病率的变化有关。回归模型显示，建筑环境特征解释了该项目涉及的1695个人口普查区内64.8%肥胖率的变异。具体而言，该模型对不同城市肥胖率的测算能力有所不同。其最准确地预测了孟菲斯市的肥胖率，准确率为73.3%。最低是在西雅图地区，准确率是55.8%。

研究人员提出了一种利用卷积神经网络（CNN）评估成人肥胖患病率与区域建筑环境之间关系的方法。卷积神经网络是一种深度学习方法，该研究所使用的卷积神经网络经过预先训练，能够捕捉区域环境的特点，例如绿化、土地等自然特征和道路、房屋等建筑特征。

两位研究人员首先利用卷积神经网络从约15万张高分辨率的卫星图像中提取代表建筑环境特征的数据。这些卫星图像于2017年2月14日至28日下载，并在研究期间（2017年10月31日）更新。图像中的建筑环境信息被分为96个类比，例如宠物店和杂货店等。这种设计的内在逻辑是区域建筑对人群活动的潜在影响。比如说，有宠物店的区域可能会有更多的人带狗散步。另一方面，研究者收集了2014年美国500个城市的肥胖率估计值。随后，他们结合上述两类数据建立起了一个回归模型来评估区域内建筑环境与肥胖患病率之间的关系。

具体而言，一个区域建筑环境的特征如土地使用情况，公园、宠物店、健身房与快餐店的分布，公共交通情况和绿地面积等都与当地的成人肥胖率有关。以洛杉矶为例，研究人员发现高肥胖率区域的特点是密集的街区和较少的绿地，相反，低肥胖率区域拥有着更多的绿化面积。

洛杉矶高肥胖率地区（左）与低肥胖率地区（右）的谷歌卫星图片（左侧高肥胖率地区以密集的街区和较少的绿地为特点；右侧低肥胖率区域有更高的植被绿化率）

事实上，全球近三分之一的人口有超重或肥胖的困扰。2017年6月，一篇发表在《新英格兰医学杂志》中的大规模全球研究项目指出全球有超过20亿儿童和成年人患有超重或肥胖相关的健康问题，占到全球人口的30％。肥胖问题导致糖尿病和心脏病的发病率急剧上升，越来越多的人因此死亡。

这一高肥胖率是由许多复杂因素造成的，例如遗传因素和饮食结构等。而本文的研究者认为，区域内的建筑环境也日益成为其中重要的影响因素，它可以通过资源的可用性来影响健康，例如住房，活动和娱乐空间等。

研究者尝试对建筑环境特征数据与肥胖患病率之间的显著关联给出解释。他们认为，该关联不一定是因果关系，社会经济指标可能是这一关联背后的重要影响因素。其观察结果表明，对于洛杉矶和圣安东尼奥等城市而言，肥胖患病率与建筑环境特征之间的大部分重要关联可能可以通过社会经济状况的变化来解释。但他们同时提到，卷积神经网络所识别的特征可能会捕获与社会经济指标无直接关联的其他信息，也就是说，社会经济指标并非解释建筑环境特征与肥胖率之间关系的唯一因素。

研究人员还称，他们的方法帮助专家评估不同城市的肥胖风险。此外，与昂贵且耗时的现场访问或社区调查方法相比，该研究为建筑环境的测量提供了更为客观的方法，也大大降低了统计成本。

美国杜克大学的Benjamin A. Goldstein博士等人肯定了两位研究者利用深度学习方法发现建筑环境特征的贡献。但他们强调“不要过度解释任何结果”，“深度学习方法与学科知识结合可以增加发现复杂关系的机会，但这并不意味着单独的大数据分析可以提供所有的答案”。

这一研究也存在一定的局限性。文章提到，人口普查中的肥胖率数据来自居民自我报告的身高和体重，由于社会对肥胖人士的偏见，统计过程中该数据会倾向于被低估。

此研究于2017年2月14日至10月31日进行，由美国华盛顿大学西雅图分校的Adyasha Maharana硕士和Elaine OkanyeneNsoesie博士共同完成。其成果发布于2018年8月31日。

胖子也分颜色，肥胖如何对症治疗？

转自：医学界

肥胖也有“个性”？“四色”分型教你精准减重。

撰文丨刘可

肥胖，不仅仅是肉眼可见的“赘肉”，在皮下，还潜藏着诸多健康隐患。

过度的脂肪堆积，不仅使身材走形，更在悄无声息中释放着炎症因子，引发慢性炎症，不断侵蚀着身体的健康；导致氧化应激，加剧了细胞的损伤与衰老；产生胰岛素抵抗，将肥胖患者推向了糖尿病等代谢性疾病的深渊；甚至导致脏器功能的严重障碍。另外，肥胖还与心血管疾病、癌症等密切相关。凡此种种表明，肥胖绝对已不再是单纯的体型问题，而是威胁人类健康的一大杀手[1]！

然而，传统的基于身体质量指数（BMI）的肥胖诊断方法，虽简单易行，却存在诸多局限性。它无法全面反映肥胖患者的病理生理学特征，更无法精准评估其并发症的风险。

因此，我们需要重新审视肥胖的本质，在精准医学的时代背景下，更全面、更深入地了解每一位肥胖患者的病理生理学特征，精准评估其并发症的风险，从而制定出最适合他们的治疗策略。

对此，“医学界”特邀同济大学附属第十人民医院内分泌科主任曲伸教授为我们进行分享——

肥胖的成因有哪些？

肥胖应该如何分类，如何评估？

白、黄、红、黑，四种肥胖类型你了解吗？

肥胖究竟应该怎么治？

一起来找找答案吧！

肥胖的发生机制

“有关肥胖的机制、病因的探索，远远没有如糖尿病、高血压等其他慢性病一样明朗。”曲伸教授介绍道。

肥胖是一个复杂问题，多种因素均可能影响体重控制。总体而言，人们认为肥胖与环境因素密切相关，如饮食过量、运动不足和营养过剩，但遗传因素在肥胖形成中占据重要地位。曲伸教授举例：“这一观点在东西方人体型差异上得到体现，尽管东亚人的体型相对较小，BMI不如欧美人高，但我们的脂肪库较少，一旦体重增加，即可能出现健康问题。相比之下，欧美人即使体重较重，其代谢可能仍处于正常状态。”

曲伸教授介绍，在这一背景下，人们把肥胖分为“代谢健康”型和“代谢异常”型。“也就是说，在大部分‘东亚基因’下，人们储存脂肪的‘仓库’放不下多余的脂肪，这些脂肪就会发生脂肪异位或炎性溢出，导致脂肪沉积在不应出现的地方，如脂肪心、脂肪肝、脂肪肾甚至脂肪胰等，这便是代谢异常型肥胖。”

在临床中，目前肥胖治疗主要关注体重是否下降，而较少关注病因是否解除。曲伸教授认为：“过去，肥胖的定义较为模糊，主要依据BMI等指标，分为原发性肥胖和继发性肥胖。继发性肥胖指有明确病因的肥胖，如药物使用、心理问题或疾病等引起的体重增加。而大部分原发性肥胖的病因尚不清楚，我们目前需要做、正在做的，就是明确这部分‘原发性’肥胖的不同成因。”

在目前的相关研究中，肥胖的发生可能受到神经系统、脂肪组织、胰岛素信号通路、消化系统乃至微生物等多重因素的影响[2-8]。具体应如何进行分类，需要持续不断地探索。

精准评估和治疗

“对肥胖进行精准评估，是我们的理想，但还尚未达到。”曲伸教授指出，“但是，我们已经能够根据不同类型的肥胖进行分类治疗，从中心性肥胖到周围性肥胖，从原发性肥胖到继发性肥胖，从代谢正常性肥胖到代谢异常性肥胖，我们都在努力探索针对性的治疗策略。”

早年间，曲伸教授团队就根据临床经验，将我国的肥胖患者形象地分为“白胖子”“黄胖子”“红胖子”“黑胖子”，并给予相应治疗。

白胖子

白胖子一般皮肤弹性好，脂肪含量高但分布基本正常，简单来说就是“匀称的胖”，各项代谢指标及激素分泌正常。对于白胖子这类与先天遗传相关的肥胖，采取较为缓和的治疗方式，减少卡路里摄入，增加运动量，适当减轻体重。

黄胖子

黄胖子一般皮肤缺少光泽、弹性，脂肪分布呈现腹型肥胖，赘肉比较多。身体代谢率低，可伴有脂肪肝和其他代谢异常，比如说甲状腺功能减退，也就是甲减。对于这类激素水平偏低、代谢率低的肥胖患者，需通过补充激素来提高其代谢率，减轻脂肪含量。

红胖子

红胖子一般皮肤菲薄，部分皮肤下方能见到紫纹、毛细血管增生。脂肪分布多以内脏脂肪为主，代谢率、激素水平都比较高，容易合并皮质醇增多症、高血压、心脑血管疾病等。对于这类肥胖患者，临床致力于抑制其兴奋性，减少吸收，抑制食欲。

黑胖子

黑胖子一般皮肤色素沉着，比较典型的表现是在脖子、腋下的皮肤出现黑棘皮征。容易合并高胰岛素、高尿酸等炎症状态。黑胖子这类高胰岛素血症、胰岛素抵抗的肥胖患者，应降低其胰岛素水平，以改善其代谢状况。

除此之外，曲伸教授也强调：“尽管我们可以通过各种方法减轻体重，但维持减下的体重不增加，防止反弹，仍是当前研究的重点和难点。因此，我们需要寻找更为有效的药物和治疗方法，能够精准地控制肥胖相关的代谢开关，从而达到长期稳定的减重效果。在这个过程中，人工智能等方法为我们提供了新的思路和手段。通过大数据分析，我们能够找出与肥胖相关的代谢因子，为肥胖的分类和治疗提供更为客观和精准的依据。但目前，没有一种方法能够解决所有的肥胖，所有肥胖患者都只用一种方法解决，也是行不通的。”

近年来，在肥胖的精准分型上，曲伸教授团队还借助计算机科学技术，探索更精确的肥胖亚组分类——肥胖症的AIM分型（即AI辅助肥胖症的代谢分型），旨在为更好的个体化治疗提供临床依据。这项研究共纳入来自四个中心（上海十院、南京鼓楼医院、成都三院、上海市东方医院）的2094例患者，变量选取了代谢、激素、炎症和抗氧化，这些指标可代表肥胖并发症的潜在进展机制（图1）。这一研究也是首个将计算机科学技术应用于常见临床变量以完善肥胖代谢分类的研究，对未来建立更多的肥胖亚型，更准确地反映代谢紊乱的复杂性和异质性，具有指导意义。

图1 肥胖的AIM分类患者特征和治疗建议

携手共进，推动肥胖精准评估与治疗

在临床实践中，肥胖的治疗需求远未得到满足。目前，基础研究方面对于治疗靶点的理解尚显单一，且不够贴近实际临床情境。曲伸教授指出：“经常发现，当我们试图阻断某个引起肥胖的靶点或途径时，其他靶点会补偿性地发挥更大作用，或者阻断某个靶点会引发新的问题，因为人体内的各个靶点和途径是相互协同工作的。”

以甲状腺激素为例，虽然它确实可以减重，但使用甲状腺激素导致体重下降的同时也会带来甲亢的问题，这显然不是一个合理的治疗方案。同样，增加体内棕色脂肪的含量以提高代谢率，对于年纪大的人来说也不一定是有益的。

在临床治疗上，我们目前的方法相对有限，主要包括生活方式改变、增加运动量、减少应激和炎症等。然而，这些方法并不适用于所有肥胖患者，且效果因人而异。例如，有些人可能期望通过节食来减轻体重，但这其实是最不健康的方式。同样，减重手术虽然在一些情况下有很好的效果，但并非适用于所有患者。

因此，临床不断强调个体化治疗，即针对每个患者的具体情况制定合适的治疗方案。曲伸教授认为：“目前对于肥胖的认识还存在诸多不足。很多人简单地将肥胖归咎于生活方式、生活习惯甚至是个人意志力的问题，这种偏见和误解不仅不利于肥胖患者的治疗和康复，还可能加重他们的心理负担，导致社会歧视和排斥。网络上和舆论中经常宣传的‘管住嘴、迈开腿’并不适用于所有肥胖患者。对于已经存在代谢紊乱的患者来说，这种简单的口号可能并不具有太多实际价值。”

曲伸教授强调：“作为医生，我们深知肥胖是一种复杂的慢性疾病，它涉及到遗传、环境、代谢等多个方面的因素。我们强烈呼吁社会各界摒弃对肥胖的偏见和歧视，将肥胖视为一种需要积极治疗的疾病。我们需要加强对肥胖的科普宣传，提高公众对肥胖危害性的认识，同时推动医疗保险等相关政策的完善，为肥胖患者提供更好的医疗保障。”

小结

当前，肥胖的精准评估与精准治疗正成为医疗领域的研究热点。精准评估通过基因测序、代谢组学等手段，深入探索肥胖的成因和个体差异，为治疗提供更准确的依据。而精准治疗则基于评估结果，制定个性化的治疗方案，旨在实现最佳治疗效果。然而，当前对肥胖的研究仍处于发展中，需要不断加强研究，推动精准医学在肥胖领域的应用，为肥胖患者带来更好的治疗体验和效果。

专家简介

曲伸教授

主任医师博士生导师

上海市领军人才，上海市医学领军人才，浦江人才

中华医学会内分泌学会，中华医学会糖尿病预防控制委员会常委

中华医学会内分泌学会脂肪肝及代谢学组组长

中国医师协会全国委员，上海市内分泌医师协会副会长

上海市甲状腺疾病研究中心执行主任

同济大学、南京医科大学教授博士生导师

同济大学附属第十人民医院甲状腺中心主任内分泌代谢中心教授

同济大学医学院甲状腺疾病研究所所长

同济大学医学院肥胖症研究所所长

SinoUnited Clinic 内分泌代谢甲状腺中心主任

《中华内分泌代谢杂志》《国际内分泌代谢杂志》编委近五年

团队承担各类基金30余项（国自然23项），发表SCI文章200余篇，主、参编专著10余部，牵头编写了《基于临床的肥胖多学科诊疗共识》。第一完成人获教育部自然科学二等奖、中华医学科技三等奖等6项。主要研究方向：肥胖甲状腺疾病的鉴别诊断

参考文献：

[1]Wang Y, et al. Lancet Diabetes Endocrinol, 2021, 9(7): 446-461.

[2]Farooqi IS, et al. J Clin Invest, 2002, 110(8): 1093-1103.

[3]Krude H, et al. Nat Genet, 1998, 19(2): 155-157.

[4]Locke AE, et al. Nature, 2015, 518(7538): 197-206.

[5]Nakagami H. Diabetes Metab J, 2013, 37(2): 85-90.

[6]Haeusler RA, et al. Nat Rev Mol Cell Biol, 2018, 19(1): 31-44.

[7]Viljakainen H, et al. PLoS One, 2015, 10(7): e0131883.

[8]Faith JJ, et al. Science, 2013, 341(6141): 1237439.

责任编辑：小林

（转自：医学界）

曲伸教授：基于临床的肥胖精准诊疗与AI赋能

我国肥胖患病率不断增加，超重/肥胖所带来的身体、心理危害不容小觑。基于我国超重/肥胖发病率不断上升的现状，相关领域专家齐聚2024中国肥胖大会（COC2024），共同探讨和交流肥胖的诊断和治疗。近年来，随着人工智能（AI）的发展，AI辅助肥胖的评估和治疗也备受关注。在此次大会上，同济大学附属第十人民医院曲伸教授为我们分享了AI在肥胖管理领域的新进展。

肥胖管理模式的过去、现在和未来：由表及里渐入佳境

过去，我们对肥胖危害的认识远远不够，直到1997年WHO将肥胖定义为疾病，人们才逐渐认识到肥胖导致的远期危害。随着研究的深入，学者对肥胖的评估逐渐“立体化”，形成“以肥胖并发症为中心的诊疗模式（AACE）”、再逐渐演变到“ABCD”管理模式（图1）。近年来，AI的高速发展为未来我们全方位、立体化、个体化评估和管理肥胖患者带来了新的可能。相信随着科学技术的发展，会不断涌现新的理念和药物。在未来，我们对肥胖的理解也将会更加深入、透彻。

图1. 对肥胖的认识：由表及里渐入佳境

肥胖的分型/分类、评估

目前针对肥胖的分型、评估尚存在欠缺

由于肥胖的发生发展非常复杂，影响因素众多，因此，肥胖的确切病因在临床上很难明确。对肥胖准确的分型/分类能够更好地指导临床评估和治疗，肥胖症的传统分类主要基于BMI、腰围、脂肪含量和相关代谢异常，早期诊断主要以分度和分期为主，这种分类方式已沿用多年，但并不能反映肥胖症的病理生理或病因异质性。

按病因分型：原发性肥胖、继发性肥胖。

按脂肪分布：外周性肥胖、中心性肥胖（腹型肥胖）。

中医认识和分类：脂人、肥人、膏人、肉人，结合形体表征、代谢水平及中医证候特征。

按肥胖相关并发症：尚无明确定义，多以AACE2016年肥胖相关并发症为评估标准，有16种肥胖相关并发症或伴发症。

上述分型/分类无法对肥胖病因、并发症、代谢等进行全面评价。而且相对于白种人和黑种人，亚洲肥胖人群的皮下脂肪少、内脏脂肪多；亚洲人的体脂含量更多；亚洲人群会产生更多的游离脂肪酸（FFA），从而诱导脂肪炎症反应，特别是男性；东亚肥胖人群的死亡率和白种人BMI 5的肥胖人群死亡率大致相当。

至今，临床常用BMI对肥胖进行评价，但仍有评估缺陷。BMI，即体重指数，是最早，也是最常见的对肥胖患者进行评估的模型，而BMI在评估肥胖时忽略了年龄、性别和种族等差异，同时，BMI高不意味着健康状况不佳或高死亡风险。BMI也无法代表脂肪含量和脂肪分布，容易让医生忽视体重正常的代谢异常（代谢性肥胖）。因此，单纯用BMI评估肥胖并不能真正地识别出“真正肥胖”的个体，亟需不单单依赖BMI即可定义肥胖代谢分类的新标准。

肥胖分型/分类新方法

“BMI 代谢”分类方法

肥胖是一种代谢性疾病已成共识，肥胖的发生与基因、环境、生活方式及炎症关系密切，既往按BMI作为唯一诊断标准的分类方法已不能满足临床对肥胖的诊治和治疗判断。“BMI 代谢”可能是比较适合的分类方法，具体分类方法如下（图2）：

1、代谢健康性肥胖（MHO）：可视为一种短暂或中间状态，随时间推移，可能会发展为代谢不健康肥胖（MUO）。

2、正常体重代谢性肥胖（MONW）：尽管体重正常，但具有与肥胖个体相同的CV危险因素，T2DM发病率高，可能发展为心衰。

3、正常体重肥胖（NWO）：与正常体重非肥胖（NWNO）相比，亚临床动脉粥样硬化发生率更高，心脏代谢危险因素、代谢综合征和CV危险因素升高。

4、肌肉减少性肥胖（SO）：老年人更常见，有研究表明，与肌少症或肥胖相比，SO增加代谢改变、心血管疾病和总死亡率的风险明显升高。

个体风险：（MUO、SO）＞（NWO、MONW）＞MHO

图2. “BMI 代谢”分类肥胖亚型特征

2020 AACE基于“ABCD”的肥胖诊断

AACE提出将肥胖更名为“肥胖为基础的慢性疾病”（Adiposity-based chranic disease，ABCD），并提议建立四域编码，即：病理生理学（A）、BMI分级（B）、并发症（C）与并发症严重程度（D）。

AI赋能肥胖精准诊疗

AI辅助肥胖分类——2020 Mayo Clinic肥胖亚型

随着新型AI技术在临床的应用，国内外学者均尝试利用AI对肥胖症进行临床亚型分类。美国梅奥诊所通过机器学习方法将肥胖症患者根据饱腹感、胃容量、胃排空速度、心理因素建模将肥胖分为四种表型：饥饿的大脑（异常饱腹感）、情绪型饥饿（享乐饮食）、饥饿的肠道（异常饱腹感）和缓慢的燃烧（代谢率下降），该分类方法已被证明在指导肥胖症的治疗中具有良好效果。

AI辅助下的肥胖分类的临床意义

曲伸教授团队开展的一项国内多中心研究，也借助机器学习方法提出了一套AI辅助的肥胖代谢AIM分型标准，将肥胖症分为代谢健康型肥胖（MHO）、高代谢型肥胖-高尿酸型（HMO-U）、高代谢型肥胖-高胰岛素型（HMO-I）和低代谢型肥胖（LMO）四种亚型，并证实了不同肥胖症亚型患者临床特征不同，接受代谢手术后的疗效也各不同（图3）。AIM分型能更好地反映出肥胖症患者代谢紊乱的复杂性和异质性，从而有助于更精准地诊疗肥胖，包括指导代谢手术的临床决策和预测术后结局等。

图3. AI辅助下的肥胖分类

图注：MHO-代谢健康型肥胖；HMO-U-高代谢型肥胖-高尿酸亚型；HMO-I-高代谢型肥胖-高胰岛素亚型；LMO-低代谢型肥胖

AI辅助肥胖的诊断和管理

基于微信小程序搭建的肥胖分类自测小程序，可以帮助患者进行肥胖自我诊断及分型，另外，借助AI可以辅助肥胖患者的术后随访管理。复诊管理：复诊预约、提醒；复诊记录：治疗效果；方案执行情况；医护沟通，关怀指导；咨询答疑。

AI辅助的信息化肥胖症管理系统=肥胖症平行诊疗系统患者端系统科研系统。

AI辅助下肥胖治疗理念的演变

对肥胖治疗的理念，逐渐从“以BMI为中心”转变为“中心化管理个体化诊疗”（图4）。中心化管理、个体化诊疗是新型的管理模式，旨在建立以肥胖专病医师为主导的全方位诊疗体系、建立中心化管理方式，并对患者进行个体化分析和诊疗。体系成员应包含肥胖管理师、营养师、中医医师、外科医师、科研专员，AI辅助管理和计算大数据。

图4. 肥胖治疗的理念演变——中心化管理个体化诊疗

成人肥胖症诊断、分期与管理新框架

根据《肥胖患者的长期体重管理及药物临床应用指南（2024版）》推荐：基于肥胖症的慢性和复发性特征，肥胖管理应遵循及时性、长期性、个体性的原则，即：

（1）在患者体重出现超重和/或持续增加风险时即起始干预。

（2）根据全身状况、对体重管理方法的接受度、依从性等，制定个体化治疗方案，长期甚至终生的体重管理。

（3）长期体重管理包括强化治疗和维持治疗阶段，最终实现长期体重合理稳定、预防或减少减轻并发症的总目标，最终改善生活质量，延长生存期。

长期体重管理的总目标：实现个体化最佳体重并长期维持，以谋求远期结局（如心血管结局、全因死亡）的改善。体重管理干预越早，获益越大。因此，体重管理应实现个体化管理而非“一刀切”，即在体重出现上升时即起始体重管理计划，而非等到并发症的出现甚至加重。因此，对肥胖的新的治疗模式由Treat-to-failure转变为Treat-to-target，即以目标为导向，快速达到立竿见影的减重效果，加强患者治疗信心和依从性，以实现理想的体重目标。

结语

综上所述，肥胖的发病率迅速增加，远期危害健康。当前，我国肥胖症诊疗仍存在诸多困难与挑战，亟需更多的研究突破和临床治疗策略。随着对肥胖认识的逐渐深入、多学科协作和个体化诊疗的迅猛发展，使得学者对肥胖的管理越来越精准化，同时，在AI赋能下，智能化的诊疗模式不断兴起，相信未来对肥胖症的中心化管理、个体化诊疗模式会有更广阔的发展前景和实用意义。

专家简介