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
曲伸 教授
博士生导师，主任医师
上海市领军人才，上海市医学领军人才，浦江人才
上海市甲状腺疾病研究中心主任
同济大学医学院 肥胖症研究所所长
同济大学甲状腺疾病研究所 所长
同济大学附属第十人民医院内分泌科主任（2009-2023）
上海十院肥胖症与代谢管理中心主任 （2024- ）
曜影国际医疗（SinoUnited Health)内分泌代谢甲状腺中心主任 （2023- ）
中华医学会糖尿病预防控制委员会 常委
上海市医师协会 内分泌与代谢医师协会 副会长
承担各类基金 30 余项（国自然 5项） ,发表SCI 文章 200 余篇，主编《肥胖症》等专著10余部。第一完成人获教育部自然科学二等奖，中华医学三等奖等5项 。牵头编写了《基于临床的肥胖多学科诊疗共识 2022》《肥胖的长期管理与药物治疗 指南 2024》
主要专业方向为肥胖与甲状腺疾病。
