PsyBrain 脑心前沿 / 脑疾病与临床：顶刊文献解读专题 / A · 文献解读 / A027 · NatureMedicine你一直信的“肥胖指标”BMI

A027 Nature Medicine | 你一直信的 “肥胖指标” BMI不够用了

来源：公众号 PSY-Brain_Frontier ｜发布：2026-05-05 ｜原文链接

认知神经科学前沿文献分享

基本信息

Title: Data-driven prioritization of high-risk individuals for weight loss interventions

发表时间: 2026-04-30

发表期刊:Nature Medicine

影响因子: 50.0

获取原文:

添加小助手: PSY-Brain-Frontier 即可获取PDF版本
点击页面底部“阅读原文”跳转论文网页

研究背景

肥胖相关并发症不少，但现实中的减重干预资格和资源分配，往往还是把体重指数（body mass index，BMI）当成主要门槛。

本篇论文指出，BMI 对个体风险的刻画其实很有限：即便同样处在超重或肥胖范围内，未来 10 年发生 2 型糖尿病、慢性肾病或心血管死亡等结局的风险，也可能差出很多。研究想回答的是，能不能用常规临床和人群数据做一个统一的风险分层工具，帮助识别真正更高风险的人，而不是只按 BMI 排队

实验设计与方法逻辑

作者在 UK Biobank 中纳入 197,264 名 BMI≥27 kg/m² 的成年人，考察 18 种肥胖相关并发症的 10 年发生风险。候选变量来自一般健康与行为、疾病与用药、临床血液生物标志物、心肺参数、身体组成、代谢物和多基因评分等 2,000 多项特征

方法上，先用最小绝对收缩和选择算子（least absolute shrinkage and selection operator，LASSO）筛选信息量高的变量，再用带 L2 正则的 Cox 模型建模，比较单模态模型、逐步整合的多模态模型，以及一个跨 18 个结局共用的 20 特征模型 OBSCORE。随后又在 EPIC-Norfolk、Genes & Health 做外部验证，并在 SURMOUNT-1 中观察替尔泊肽（tirzepatide）治疗前后预测风险是否发生变化

核心发现

发现一：比起只看BMI，既往疾病和常规血液指标更能提升风险预测

单模态比较显示，一般健康与行为、临床血液生物标志物的整体预测表现最好，多基因评分整体最弱。进一步整合数据时，加入既往疾病/用药和临床血液指标后，模型区分能力提升最明显；再加入身体组成、代谢物和多基因评分，额外增益通常不大。这说明肥胖并发症风险并不是主要由 BMI 或遗传评分单独决定的

Fig. 2 中，作者比较了不同数据模态的 C-index；Fig. 3 进一步显示，性能提升主要出现在加入疾病/用药和临床血液指标之后，提示临床上常见的信息已经包含了大量风险信号

发现二：20项共享特征构成的 OBSCORE，整体优于年龄、性别和BMI框架

作者从 18 个结局的结局特异模型中提炼出 20 项共享、相关性较低的临床特征，构成 OBSCORE。正文显示，OBSCORE 在验证集中的判别能力整体优于年龄、性别和 BMI 模型，也在 17 个结局上多数优于 ASCVD 特征集

同时，它和更复杂的全模态结局特异模型表现接近，跨结局的 C-index 中位差只有 0.012。需要注意的是，不同结局的表现并不一致，GERD 和膈疝等结局的判别能力相对较低，部分结局还存在校准偏差

Fig. 4 中，作者把 OBSCORE 与年龄、性别和 BMI 模型、MHO、SCORE2 及 ASCVD 特征集放在同一框架下比较；这一图直接展示了“更简化”不一定意味着明显牺牲预测力

发现三：OBSCORE能在同一BMI层内拉开风险，但治疗部分仍停留在预测分数变化

按 OBSCORE 分层后，多数结局的高低风险组 10 年事件率差异明显；12/18 个结局中，最高 20% 与最低 20% 之间的率比超过 10，慢性肾病、痛风和 2 型糖尿病的分层尤其明显。即使在最高风险层中，仍有相当比例的人 BMI 仅为 27–30 kg/m²，说明只按 BMI 阈值会漏掉一部分高风险个体

在 SURMOUNT-1 中，不同基线风险组接受 tirzepatide 后的体重和腰高比改善总体相近，而 72 周后治疗组的 OBSCORE 预测风险低于安慰剂组；但这里观察到的仍是预测风险变化，不是真实并发症事件已经被证实下降

Fig. 5 中，作者展示了同一 BMI 分层内仍存在明显的风险展开，高风险层里并不全是更高 BMI 人群；Fig. 6 则显示 tirzepatide 治疗后预测分数下降，但这不能直接等同于长期临床结局已经改善

省流总结

这篇 Nature Medicine 论文提出了一个 20 特征共享临床模型 OBSCORE，用来分层 BMI≥27 kg/m² 人群中 18 类肥胖相关并发症的 10 年风险。它比只看 BMI 更容易识别高风险个体，也能找出一部分 BMI 不算高但风险已经上升的人。现阶段证据支持的是它的预测和分层能力，而不是按这个模型分配治疗已经被证明能改善真实临床结局

分享人：天天

审核：PsyBrain 脑心前沿编辑部

💡 关于我们

👋 你好，这里是「PsyBrain 脑心前沿」

🧠 专注追踪全球认知神经科学的最尖端突破

🔍 视野直击 Nature, Science, Cell 正刊及核心子刊与顶级大刊

📄 每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入 PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

👇点击卡片进群，欢迎你的到来👇