AI 实现人类棕色脂肪临床表型分析
Artificial intelligence-enabled clinical phenotyping of human brown fat
研究团队利用大数据和 AI 对大型癌症中心的 101,243 名患者进行棕色脂肪(BAT)临床表型分析,发现心血管和精神疾病在 BAT 阳性人群中患病率更低。在约 8,700 名患者中用机器学习半自动量化 BAT 活性后,研究显示活性越高,尤其腋窝部位,与心血管代谢疾病风险更低和更健康的白色脂肪分布相关。
研究基于 101,243 例患者数据并用机器学习量化棕色脂肪活性,连接临床表型与药物再利用线索。
已发表论文 · journal · 10.1038/s41586-026-11162-7
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 56.7 · 2025 · 期刊参考指标
脂肪组织在全身能量平衡以及肥胖及其后遗症的发病机制中起着核心作用^(1,2)。与白色脂肪组织不同,棕色脂肪组织(BAT)利用能量来产热³。在人类中可检测到的BAT与心血管代谢疾病患病率降低相关⁴。然而,与BAT相关的健康状况的完整谱系仍不清楚,且缺乏在人类中量化BAT活性的高通量方法^(5,6)。在此,我们利用大数据和人工智能,在一个大型癌症中心的101,243名患者队列中系统地界定了BAT的临床影响。我们的无偏分析显示,在所有诊断中,患有BAT的人群中心血管疾病和精神疾病的患病率更低。通过机器学习方法,我们半自动地量化了约8,700名患者的BAT活性,并证明较高的BAT活性,尤其是在腋下脂肪库中,与较低的心血管代谢疾病几率以及更健康的白色脂肪分布相关。具有BAT的人群还表现出更有利的血糖参数、血脂谱、炎症标志物和超声心动图指标。对用药情况的分析表明,血管紧张素受体阻滞剂的使用与BAT的存在呈正相关。作为概念验证,我们证明了血管紧张素受体阻滞剂氯沙坦增加了棕色脂肪细胞活性和全身能量消耗。总而言之,我们利用人工智能和大数据的研究确定了与BAT相关的新临床表型,并为在人类中激活该组织的药物重定位提供了一个平台。
来源:Nature · doi.org