Суррогатные маркеры инсулинорезистентности и коронарной болезни сердца при диабете 2 типа: U-образная ассоциация TyG и применение машинного обучения

Введение

Суррогатные маркеры инсулинорезистентности (ИР) представляют собой более простые и практичные альтернативы инсулинозависимым показателям для клинического использования. В данном исследовании изучалась связь между суррогатными маркерами ИР, включая индекс триглицеридов-глюкозы (TyG), TyG-индекс массы тела (TyG-BMI), TyG-окружность талии (TyG-WC), TyG-отношение талии к росту (TyG-WHtR), метаболический показатель инсулинорезистентности (METS-IR) и отношение триглицеридов к холестерину липопротеинов высокой плотности (TG/HDL-C), с коронарной болезнью сердца (КБС) у пациентов с сахарным диабетом 2 типа (СД2).

Цель

Оценить ассоциацию суррогатных маркеров ИР с КБС у пациентов с СД2 и определить их прогностическую ценность с использованием методов машинного обучения.

Методы

В исследование были включены пациенты с СД2, разделенные на две группы, сопоставимые по возрасту и длительности диабета: с КБС и без КБС. Связь между суррогатными маркерами ИР и КБС оценивалась с помощью ограниченных кубических сплайнов (RCS) и многомерной логистической регрессии. Дискриминационная способность маркеров анализировалась с помощью ROC-кривых. Для прогнозирования КБС также применялись алгоритмы машинного обучения:

• Логистическая регрессия
• Случайный лес (Random Forest)
• XGBoost
• LightGBM
• Метод опорных векторов (SVM)

Результаты

Все суррогатные маркеры ИР продемонстрировали нелинейную связь с КБС. Индекс TyG показал U-образную зависимость: как крайне низкие, так и высокие значения были связаны с повышенным риском КБС по сравнению с промежуточными уровнями. Все маркеры обладали относительно высокой дискриминационной способностью (AUC > 0,708). Наибольшую AUC (0,721), точность (68%) и чувствительность (71%) показало отношение TG/HDL-C, тогда как TyG-WC продемонстрировал наивысшую специфичность (78%). Алгоритмы машинного обучения (кроме логистической регрессии) превзошли по точности отдельные маркеры ИР. Наилучшие результаты показали Random Forest и XGBoost при использовании как комбинации маркеров, так и их отдельных компонентов.

Выводы

Суррогатные маркеры ИР могут служить ценными инструментами для оценки кардиометаболического риска у пациентов с СД2, имеющих высокую вероятность развития КБС. Интеграция методов машинного обучения улучшает прогнозирование КБС, что подчеркивает их потенциал для более точной стратификации риска. Полученные данные помогают лучше понять патогенез КБС при СД2 и могут быть полезны для дальнейших исследований.

Термины и сокращения

• ИР (IR) – инсулинорезистентность
• TyG – индекс триглицеридов-глюкозы
• TyG-BMI – TyG-индекс массы тела
• TyG-WC – TyG-окружность талии
• TyG-WHtR – TyG-отношение талии к росту
• METS-IR – метаболический показатель инсулинорезистентности
• TG/HDL-C – отношение триглицеридов к холестерину ЛПВП
• КБС (CAD) – коронарная болезнь сердца
• СД2 (T2D) – сахарный диабет 2 типа
• ROC – рабочая характеристика приемника (анализ кривых)
• AUC – площадь под кривой
• RCS – ограниченные кубические сплайны