Длина бедра неожиданно помогла выявлять скрытый риск диабета

Новый алгоритм оценивает вероятность предиабета без анализа крови — по семи параметрам, которые можно измерить дома

У человека может годами повышаться сахар в крови, а он об этом не знает. Исследователи создали систему MEDWACS, которая пытается найти таких людей без лабораторных анализов — используя возраст, давление и несколько измерений тела. Самым неожиданным из них оказалась длина верхней части ноги.

Главная проблема диабета начинается еще до диагноза

Диабет 2 типа относительно легко обнаружить лабораторно. Можно определить глюкозу плазмы натощак или гликированный гемоглобин HbA1c — показатель, отражающий средний уровень глюкозы за предыдущие несколько месяцев.

Проблема в другом: чтобы сдать анализ, человек должен сначала заподозрить, что он ему нужен.

Предиабет часто не вызывает заметных симптомов. Человек может нормально себя чувствовать и не обращаться к врачу, хотя обмен глюкозы уже нарушен.

Именно этот разрыв между «нарушение уже есть» и «человек об этом знает» исследователи попытались сократить.

Они поставили перед собой не задачу заменить анализ крови, а более практичный вопрос: можно ли по информации, доступной дома, определить людей, которым особенно стоит этот анализ сделать?

Машине дали 30 лет медицинских данных

В основу работы легли данные американской программы NHANES — National Health and Nutrition Examination Survey.

Исследователи использовали информацию за 1988–2018 годы. Исходный массив включал более 135 тысяч участников и тысячи параметров. После отбора данных для построения модели осталось 17 458 взрослых с необходимыми лабораторными показателями и 159 доступными для анализа характеристиками.

В качестве признака нарушения углеводного обмена использовали глюкозу натощак не менее 100 мг/дл или HbA1c не менее 5,7%.

Важно понимать одну деталь: MEDWACS не пытается по внешности человека определить, есть ли у него именно предиабет или именно диабет.

Обе категории в исследовании были объединены.

Задача модели гораздо скромнее: определить вероятность того, что у человека уже существует нарушение уровня глюкозы, которое требует нормальной клинической проверки.

Из тысяч параметров осталось всего семь

Сначала исследователи искали информативные признаки среди огромного количества доступных характеристик. Алгоритм отбора выделил 32 параметра, связанные с результатом.

Но многие из них плохо подходят для домашнего теста. Например, один из достаточно информативных признаков — уровень фермента гамма-глутамилтрансферазы — сам требует анализа крови.

Поэтому исследователи сознательно пожертвовали частью информации ради практичности.

В окончательную версию MEDWACS вошли:

• возраст
• пол
• индекс массы тела
• окружность талии
• систолическое артериальное давление
• окружность плеча
• длина верхней части ноги

Все это можно определить дома с помощью весов, сантиметровой ленты и тонометра.

Возраст, талия или давление здесь вряд ли удивят. Необычный параметр — длина верхней части ноги.

И именно он делает исследование особенно интересным.

Почему длина бедра может быть связана с риском диабета

На первый взгляд связь кажется странной. Каким образом длина кости может что-либо рассказать о сахаре в крови?

Исследование не доказывает, что короткое бедро вызывает диабет. Более того, авторы прямо предупреждают: работа основана на поперечных данных и не предназначена для установления причинно-следственных связей.

Но у антропометрических показателей есть интересное свойство: они способны сохранять информацию о разных периодах жизни человека.

Авторы обсуждают две возможные причины, по которым длина верхней части ноги оказалась полезной для модели.

Первая связана с развитием организма в детстве.

Рост длинных костей частично отражает условия, в которых рос ребенок. Ограничения роста в ранние годы могут быть связаны с питанием, заболеваниями, социально-экономическими условиями и другими факторами развития. Предыдущие исследования связывали некоторые показатели длины конечностей с последующим метаболическим риском.

То есть сантиметровая лента в данном случае измеряет не «диабет».

Она может косвенно считывать часть биологической истории человека.

Но у бедра есть и вторая связь с глюкозой

Именно здесь происходит ключевой момент.

Мышцы — один из главных потребителей глюкозы в организме.

После еды повышается концентрация глюкозы в крови. Инсулин помогает тканям использовать и запасать эту глюкозу, а скелетные мышцы играют в этом процессе очень большую роль.

Бедра содержат крупную мышечную массу.

Поэтому характеристики ног потенциально могут нести информацию не только о развитии организма в прошлом, но и о его нынешнем составе — соотношении мышечной и жировой ткани.

Это не означает, что «короткие ноги приводят к диабету». Такой вывод из исследования сделать нельзя.

Гораздо точнее сказать иначе: длина верхней части ноги оказалась дополнительным статистически полезным маркером внутри модели, которая одновременно учитывает возраст, талию, давление, ИМТ и другие параметры.

Самыми сильными сигналами оказались совсем не ноги

Необычная находка легко может затмить главное.

Когда исследователи анализировали вклад семи показателей в работу MEDWACS, наиболее важными предикторами оказались возраст, окружность талии и систолическое давление.

Более высокие значения этих показателей в целом повышали рассчитанную моделью вероятность нарушения гликемии.

Длина верхней части ноги добавляла информацию, но не была главным фактором.

Это хорошо видно и в анализе SHAP — методе, позволяющем оценить, насколько каждый параметр влияет на прогноз алгоритма.

Поэтому превращать исследование в формулу «измерьте бедро и узнайте риск диабета» было бы неправильно.

Работает комбинация признаков.

Как хорошо MEDWACS распознавал людей с повышенным сахаром

При внутренней проверке модели показатель ROCAUC составил 0,804.

ROCAUC показывает, насколько хорошо алгоритм различает две группы — в данном случае людей с нормальными лабораторными показателями и людей, у которых выявлялся предиабет или диабет. Значение 0,5 примерно соответствует случайному угадыванию, а 1,0 — идеальному разделению.

Но особенно важна внешняя проверка.

Модель протестировали на данных, которые не использовались при ее создании:

• 3043 участниках американского NHANES 2021–2023
• 5492 участниках корейского KNHANES 2023

ROCAUC составил соответственно 0,773 и 0,780.

То есть после перехода на другие выборки точность несколько снизилась — что вполне ожидаемо, — но способность модели различать группы сохранилась.

Есть еще одна показательная деталь.

В дополнительном анализе MEDWACS лучше отличал людей с диабетом от людей с нормальными показателями — ROCAUC достигал 0,884. Для различения нормы и предиабета показатель был ниже — 0,771.

Это логичное напоминание о природе подобных алгоритмов: чем тоньше метаболические изменения, тем труднее распознать их без лабораторных данных.

Домашний тест не превращает сантиметровую ленту в анализ крови

Исследователи создали открытое онлайн-приложение MEDWACS. Пользователь вводит семь показателей и получает рассчитанную вероятность.

Но здесь особенно важно не перепутать скрининг с диагностикой.

MEDWACS не измеряет глюкозу.

Он не определяет HbA1c.

Он не устанавливает диагноз.

Он оценивает вероятность того, что лабораторное обследование обнаружит нарушение углеводного обмена.

Авторы рассматривают систему как инструмент первичного отбора: если вероятность высокая, следующим шагом должен быть настоящий анализ крови и медицинская оценка.

Это принципиальное различие.

Алгоритм оказался полезнее простого отбора по возрасту и весу

Исследователи сравнили MEDWACS с несколькими стратегиями скрининга, включая рекомендации USPSTF и ADA.

Для этого использовали decision curve analysis — метод, который оценивает не только статистическую точность модели, но и потенциальную практическую пользу решения: сколько нужных обследований удается назначить, учитывая одновременно ложноположительные результаты.

В исследовании MEDWACS обеспечивал более высокий чистый выигрыш (net benefit) в широком диапазоне порогов риска.

Например, при пороге 30% преимущество перед использованной авторами упрощенной стратегией ADA соответствовало примерно пяти дополнительным правильно выявленным случаям на каждые 100 обследуемых без увеличения вреда от ненужного тестирования.

Это потенциально важнее самой необычной истории с длиной бедра.

Машинное обучение здесь используется не для того, чтобы найти один «магический» признак диабета. Оно объединяет несколько слабых и сильных сигналов, которые вместе могут точнее подсказать, кому действительно стоит сделать анализ.

Что исследование пока не доказало

У MEDWACS есть существенные ограничения.

Во-первых, это модель выявления уже существующего нарушения гликемии. Исследование не показывает, что она способна предсказывать, у кого диабет появится через пять или десять лет.

Для этого нужны проспективные исследования, в которых людей будут наблюдать во времени.

Во-вторых, модель объединяет предиабет и диабет. Разделить эти состояния без лабораторной диагностики она не может.

В-третьих, домашние антропометрические измерения неизбежно менее стандартизированы, чем измерения, выполненные подготовленным персоналом.

Наконец, данные наблюдательные. Поэтому найденные связи — включая связь с длиной ноги — нельзя автоматически считать причинными.

Следующий важный этап для MEDWACS — проверка в проспективных исследованиях и в реальных условиях, где люди действительно измеряют себя самостоятельно.

Скрытый риск важнее необычного измерения

Самая интересная идея этой работы шире, чем длина бедра.

Современный скрининг постепенно движется от нескольких жестких критериев — например, возраста и ИМТ — к моделям, которые складывают множество небольших сигналов в индивидуальную оценку риска.

Это особенно интересно для заболеваний, которые долго протекают практически незаметно.

Человек может ничего не чувствовать. Но возраст, распределение жировой и мышечной ткани, давление и даже особенности роста организма уже содержат информацию, которая помогает решить, кому стоит проверить уровень глюкозы.