在医学科技飞速发展的当下，AI 技术正以前所未有的速度渗透到各个医疗领域。肥胖，作为一个全球性的健康难题，其管理一直是医学研究和临床实践的重点关注对象。近年来，人工智能（AI）技术的飞速发展为肥胖管理带来了新的曙光。本次采访，我们有幸邀请到了哈尔滨医科大学附属第一医院的匡洪宇教授，与我们深入探讨以 Deepseek 为代表的 AI 技术在肥胖管理领域的应用前景与实践价值。
匡洪宇 教授
哈尔滨医科大学附属第一医院
（上下滑动可查看）
哈尔滨医科大学附属第一医院内分泌科主任
二级教授 博士研究生导师 首届龙江名医 星联教授
中华医学会糖尿病学分会常委兼视网膜病变学组组长
中国医师学会内分泌代谢医师分会常委
中国健康管理学会糖尿病防治与管理专业委员会副主任委员
中国研究型医院学会糖尿病学专业委员会副主任委员
中国老年保健医学研究会老年健康教育分会副主任委员
中国医学基金会内分泌专业委员会副主任委员兼副秘书长
中国初级卫生保健协会内分泌专委会副主任委员
中国1型糖尿病联盟副主席
黑龙江省医学会糖尿病学会主任委员
黑龙江省糖尿病临床医学研究中心主任
黑龙江省抑郁症研究会内分泌分会会长
黑龙江省女医师协会会长
《国际糖尿病》
今年2月，DeepSeek 横空出世，凭借领先算法与强大数据分析能力，迅速成为 AI 领域焦点。以它为代表的 AI 技术的出现，会为减重和肥胖管理领域，带来哪些新的变革？
匡洪宇教授在卫健委提出健康管理年的背景下，全国多地医院纷纷开展减重相关工作，民众对体重管理的重视也日益提升。Deepseek 为个体化体重管理提供了诸多便利，其信息和数据有利于患者自我学习，使医患能够共同参与到体重管理中来。
当被问及 Deepseek 如何管理肥胖时，Deepseek 给出了全面且具体的答案：肥胖管理需结合饮食、运动、药物和手术等多种手段，具体方案应根据个人情况制定，并在专业人士指导下进行，目标是实现健康减重并长期维持。在饮食管理层面，Deepseek 能清晰地列出饮食热量摄入、均衡饮食、饮食模式及饮食习惯等方面的建议；在运动管理层面，它不仅提倡有氧运动，还主张力量训练和日常活动，并强调科学、循序渐进的原则。
此外，Deepseek 基于大量文献阅读总结出的治疗理念与患者教育方向高度契合，其关注点不仅局限于生活方式的饮食和运动层面，还在药物层面结合共识指南、研究证据等给予推荐，如奥利司他、GLP - 1 受体激动剂等减重药物，同时告知注意事项；在减重手术层面，也推荐了经典术式并告知相关注意事项。最终，Deepseek 给出综合管理意见，借助这一现代化、信息化手段，确实在肥胖管理中发挥了巨大作用。AI 技术不仅辅助医生诊疗，还能基于多源数据分析精准预测肥胖发生风险，提供个体化干预方案，协助肥胖综合管理，实时监测并反馈治疗效果，提升医疗资源使用效率。
《国际糖尿病》
随着人工智能和大数据技术的飞速发展，多类预测方法被应用于肥胖风险预测领域，依您之见，AI 预测肥胖风险目前主要依靠哪些数据和技术实现？其预测准确性如何？
匡洪宇教授
AI 预测肥胖风险主要依靠多源数据。首先是基本的人口统计学信息，如年龄、性别、种族等，这些数据能反映不同人群肥胖风险的基础差异；生活方式数据也至关重要，包括饮食摄入的频率和量、运动量和类型、睡眠时长和质量等；医学数据方面，身高、体重、体脂率、血压、血糖、血脂等生理指标，以及家族病史、过往疾病史都不可或缺；此外，基因数据能揭示个体的肥胖遗传易感性。
从技术层面来看，深度学习算法是核心，神经网络通过对大量历史数据的学习，自动识别数据中的复杂模式和关联，从而建立肥胖风险预测模型。数据挖掘技术可提高模型的预测准确性，从海量数据中筛选出关键风险因素，例如 LASSO 回归模型和随机森林等方法被用于识别肥胖高风险的儿童和成人[1-2]。
然而，目前 AI 预测肥胖风险还处于发展阶段，需要更多研究来完善和验证。一方面，可以与大规模的前瞻性队列研究结果对比，观察 AI 预测结果是否与实际肥胖发生情况一致；另一方面，在不同地区、不同人群中进行验证，确保模型具有广泛的适用性；还可以采用交叉验证的方法，将数据集划分成多个子集，在不同子集上训练和测试模型，评估其稳定性和准确性。
《国际糖尿病》
肥胖与心血管疾病密切相关，AI 有可能评估肥胖患者的心血管疾病风险，从而协助医生进行并发症的关联管理吗？
匡洪宇教授
AI 技术正在彻底改变心血管疾病风险评估的方式。它利用强大的数据处理能力和高度精准的预测模型，帮助医生更有效地识别和管理高危患者。AI可以通过多模态数据（如心电图、临床指标等）提供精准的风险评分。研究发现，成年早期超重肥胖者在成年中晚期发生多种心血管疾病的发病和死亡风险增加，提示应高度重视成年早期的体重管理[3]。
成年早期BMI与心血管疾病相关联
除了常规的肥胖指标（如BMI、腰围、腰臀比），AI还会分析血压、血脂、血糖等生理指标的动态变化趋势，同时结合生活方式因素（如吸烟、饮酒习惯）和家族心血管病史等信息，利用机器学习算法构建风险评估模型。例如，通过逆概率加权线性回归模型比较使用 GLP - 1 受体激动剂和非使用者在不同时间点的心血管事件风险评分，研究结果表明 AI 算法对预测心肌梗死和中风风险具有高准确性，且与真实世界数据中的风险评分相关[4]。
《国际糖尿病》
个性化医疗是当下医学发展的重要趋势，AI 在提供个性化干预方案方面具有很大潜力。您认为AI会为肥胖患者提供哪些个性化干预方案？在实际应用中如何确保其有效性和安全性呢？
匡洪宇教授
AI在提供个性化干预方案方面具有很大潜力。它主要依据个体的全方位数据，包括代谢数据（如基础代谢率、胰岛素敏感性等）、生活习惯数据（如饮食偏好、运动习惯、睡眠规律等）和健康数据（如当前体重、体脂率、有无并发症等），制定个性化的治疗方案。AI可以根据个体的具体情况提供饮食、运动和药物建议，从而提高干预效果。比如，对于有心血管疾病的肥胖患者，干预方案会优先考虑心血管风险，选择适合的药物进行长期综合管理，可选择类似司美格鲁肽等药物，在减重同时显著改善心血管代谢健康，进行长期综合管理[5]。
在实际应用中，AI需要持续跟踪个体在干预过程中的身体指标变化，通过可穿戴设备和定期体检监测体重、体脂率、血糖、血压等生理指标，并根据变化及时调整干预方案。同时，定期收集用户反馈，了解方案执行情况和实际感受，用户也可以根据AI设备的反馈灵活调整饮食、运动计划，提高自我管理的精准性和有效性，更好地控制体重和改善健康状况。此外，AI模型要不断学习和更新，融入最新的医学研究成果和安全标准，与传统的有效干预方案进行对比验证，以确保AI生成的方案非劣于传统方案的效果。
结语
以 DeepSeek 为代表的 AI 技术在肥胖管理领域展现出巨大的潜力和价值。它为个人自我体重管理提供便利，助力医生进行精准诊疗，从肥胖风险预测、心血管疾病风险评估到个性化干预方案的制定，AI 正全方位重塑肥胖管理模式。然而，目前 AI 在肥胖管理中的应用仍处于发展阶段，预测准确性有待进一步提升，个性化干预方案的有效性和安全性也需要更多的实践检验和研究验证。
对于广大医生而言，了解和掌握 AI 技术在肥胖管理中的应用，不仅是紧跟医学发展潮流的需要，更是为患者提供更优质医疗服务的有力支撑。未来，我们期待 AI 技术能与传统医学深度融合，不断完善和优化肥胖管理策略，为全球肥胖患者带来更多的希望；让科技真正服务于健康，为人类的福祉贡献更多的力量！
参考文献：
1. Predicting Childhood Obesity Using Electronic Health Records and Publicly Available Data. PLoS ONE 14(4): e0215571. https://doi.org/10.1371/journal.pone.0215571
2.Machine Learning Approaches for Predicting Risk of Cardiometabolic Disease among University Students. Big Data Cogn. Comput. 2024, 8, 31. https://doi.org/10.3390/bdcc8030031
3. Early adulthood BMI and cardiovascular disease: a prospective cohort study from the China Kadoorie Biobank. Lancet Public Health 2024; 9: e1005–13. https://doi.org/10.1016/ S2468-2667(24)00043-4
4.Glucagon-Like Peptide 1 Receptor Agonists and Cardiovascular Disease Risk. Shivaani Prakash et al. https://doi.org/10.1101/2024.09.17.24313797
5.Davies M, et al. Presented at the European and International Congress on Obesity (ECO) virtual meeting, May 10–13, 2021.
