EASD精準治療：從「狹路相逢」到「針鋒相對」
本文章公眾號鏈接，歡迎關注
EASD精準治療：從「狹路相逢」到「針鋒相對」
2017年EASD上分別發布了「Precision medicine in common diabetes 」和「Clustering of diabetes into novel subgroups provides improved prediction of outcome」二項演講，前者談到了如何基於患者的特點，建立一種模型預測哪種治療對哪種患者療效以及耐受性最好【如下圖】。後者則談到糖尿病的五種亞型以及以助於臨床結局的預測。研究相關內容均已分別出版在今年的Diabetes care 和 Lancet雜誌中。對於二項研究的內容，今年ADA中關於精準醫學主題報告中也對此二項研究成果作為範例引經據典【本公眾號鏈接：糖尿病的精準醫學】。
今年的EASD，「Precision medicine in common diabetes 」的研究者再次發表演講對二種方法進行了更深層次的分析探討，更準確的說，應該說是對後者進行碾壓，當然，只不過方式比較優雅，完全符合英國人一貫的紳士氣質。稍後可能會有文章發表，也可能沒有，不過「Clustering of diabetes into novel subgroups provides improved prediction of outcome」的研究者對此最可能的回應會是：呵呵，你們說的都對，你們是最棒的??
在今年的EASD演講中研究者對二種分類方法在以下四個方面進行了分析探討：
- 5種亞型的分類是否具有可重複性
- 亞型分類之間的疾病進展和併發症發生是否不同
- 亞型分類是否有助於預測藥物療效
- 相對簡單的臨床變數【如診斷年齡，性別，BMI，基線HbA1C】在預測結局方面是否要優於亞型分類
研究者通過使用ADOPT臨床研究中的數據進行驗證。根據不同變數【GAD抗體，BMI，診斷時年齡，HbA1C，HOMA-β功能，HOMA-IR】進行聚類分析後，將T2DM分成五個亞型。
1、亞型人群分布及構成
ADOPT研究中五種人群中分布情況與與Ahlqvist教授研究中的分布類似【圖1，圖2】。
圖1：Ahlqvist教授研究和ADOPT研究中亞型人群分布
圖2 Ahlqvist教授研究和ADOPT研究中亞組人群構成
2、HbA1C進展速度比較
在ADOPT研究的分類亞型中，SIRD和MARD二種亞型的HbA1C進展速度更緩慢，且獨立於治療方案【圖3】。相比四種亞型分類（未納入SAD：自身免疫性糖尿病），通過簡單的臨床指標進行的回歸分析的決定係數R2相更高【圖4】說明通過簡單的臨床指標進行分類更能解釋HbA1C變化，而且右圖顯示通過單個指標分層【診斷年齡】即可區分出HbA1C的進展速度。
圖3：ADOPT研究中亞組人群HbA1C進展情況。
圖4：基於簡單臨床指標分層【診斷年齡】各組HbA1C的進展情況。
3、亞型分類各組腎病進展速度：
ADOPT研究中各亞型腎病的進展速度呈現明顯不同【圖5】，但是在排除基線eGFR<60的人群後，各組之間的這種差異明顯減小【圖6】，而且在進一步對各組的eGFR水平進行匹配後，各組之間的腎病進展速度並沒有不同【圖7】。
- SIDD：HR 0.72( 95% CI 0.35-1.45)
- SIRD：HR 0.80(95% CI 0.47-1.36)
- MOD：HR 1.03(95% CI 0.47-2.24)
- MARD：HR 1 (ref)
圖5：ADOPT研究中各亞型【eGFR<60】的累計發生率
圖6：排除基線eGFR<60的人群後，各亞型【eGFR<60】的累計發生率
圖7：各組的eGFR水平進行匹配後，各組之間的腎病進展速度
4、藥物療效的預測
ADOPT研究中的亞型分類能否預測藥物的療效，並和簡單臨床指標的預測能力進行了比較，結果發現二者均能區分出不同治療的療效效果【除二甲雙胍】，但前者的區分度並不高【圖8 SU和TZD僅分別在MARD和SIRD中降糖療效最好，其它組差別不大】，但是後者能更高的區分出降糖療效的差異【圖9】。
圖8：ADOPT研究中各亞型分類對各種藥物療效的差異
圖9：通過簡單臨床指標區分降糖療效的差異
5、總結及結論【圖10】：
- Alqvist教授研究中的五種亞型分類可以在大型臨床試驗數據中可進行重複驗證。
- Alqvist教授研究中的亞型分類各組在血糖進展和治療療效方面存在差異。
- Alqvist教授研究中的亞型分類各組在腎臟病進展方面表現的不同原因是由於基線腎功能不同。
- Alqvist教授研究中亞型分類在在預測疾病進展和治療療效方面要差於連續的臨床指標測量【如診斷年齡，性別，BMI，基線HbA1C】
圖10
推薦閱讀：
