得了2型糖尿病，就要去医院找医生开药，但是降糖药那么多，怎么找到最适合自己的药？随着2型糖尿病病程进展，多数患者需要额外药物治疗。选择最有效的药物类别对个体患者而言至关重要，但现有指南在这方面提供的信息有限，主要基于心肾风险进行分层，缺乏针对个体患者优化降糖效果的指导。
如果有这样一个模型，把自己的相关病历信息输入，直接给出你最适合的治疗药，不仅可以改善短期血糖控制，还有助于降低长期糖尿病并发症的风险，是不是很心动？
埃克塞特大学开发了一个这样的模型，该模型使用常规临床数据来识别 2 型糖尿病患者的最佳降糖疗法，帮助医生或患者选择可以显著改善2型糖尿病的治疗药，降低并发症的风险，并延长患者的稳定治疗时间。 2月25日，顶级期刊《柳叶刀》发表了以上研究结果。
该模型使用 9 个常规临床特征作为预测因子（年龄、糖尿病病程、性别、基线 HbA1c、BMI、eGFR、HDL 胆固醇、总胆固醇和丙氨酸氨基转移酶）。共有100,107例药物启动被纳入CPRD（Clinical Practice Research Datalink）数据库中，用于开发五种药物类别模型。该模型旨在预测2型糖尿病患者的最佳降糖疗法，涉及以下五类药物：
DPP-4 抑制剂 ：阿格列汀、利格列汀、沙格列汀、西格列汀
GLP-1 受体激动剂 ：利拉鲁肽、度拉糖肽或艾塞那肽缓释剂
SGLT2 抑制剂 ：恩格列净、卡格列净或达格列净
磺脲类 ：格列齐特
噻唑烷二酮类 ：吡格列酮
模型预测的主要结果是药物启动后 12 个月的 HbA1c 值。长期次要结果包括糖化血红蛋白（HbA1c）≥69 mmol/mol 的时间、全因死亡率、主要不良心血管事件或心力衰竭（MACE-HF）结局、肾脏进展和微血管并发症。
模型预测的最佳治疗方案与实际治疗方案相一致的患者群体（模型一致组）观察到12个月时糖化血红蛋白（HbA1c）的平均降低值为5.3 mmol/mol，也就是选择模型预测的最佳治疗方案，可以显著提高HbA1c的控制效果。相反模型不一致组获益较小。
研究人员又将五种降糖药物类别（DPP-4抑制剂、GLP-1R激动剂、SGLT2抑制剂、磺脲类和噻唑烷二酮类）两两组合，比较不同药物组合的效果。发现预测的HbA1c与观察到的HbA1c结局差异均表现出良好的校准性。这意味着该模型能够准确预测不同药物组合对患者HbA1c水平的影响，且能够准确预测不同患者对不同药物组合的反应。
在整个研究期间，有32,305例药物启动（占15.2%）是模型预测的最佳疗法。也就是说在实际临床实践中，只有一小部分患者接受了模型预测的最佳降糖治疗方案。如果一开始选择的是模型预测最佳疗法，则患者的HbA1c获益为4.3 mmol/mol，患者的整体血糖控制水平将得到显著提升。
该研究发现，在整个CPRD队列中，不同药物类别的最佳治疗预测分布如下：
GLP-1R激动剂是最常被预测为12个月HbA1c最佳的药物类别，在212,166例启动中占70,895例（33.4%）。
SGLT2抑制剂位居第二，占61,405例（28.9%）。
磺脲类占58,532例（27.6%）。
噻唑烷二酮类占21,322例（10.0%）。
DPP-4抑制剂最少，仅适用于12例（<0.01%）。
该结果表明，在2型糖尿病患者中，GLP-1R激动剂和SGLT2抑制剂被模型预测为最有可能有效降低血糖的药物类别。
一个很有意思的发现，性别与GLP-1R激动剂之间的关系：
女性患者：有58,765例（71.9%）GLP-1R激动剂能达到最佳疗效。
男性患者：只有12,130例（9.3%）GLP-1R激动剂能达到最佳疗效。对于男性患者，磺脲类（55,075例 [42.2%]）和SGLT2抑制剂（52,464例 [40.2%]）是最常被模型推荐的最佳治疗选择。
模型一致组（接受模型预测的最佳治疗方案）患者的5年控制HbA1c失败风险显著低于模型不一致组（没有接受预测治疗组）；主要不良心血管事件或心力衰竭（MACE-HF），肾脏进展风险，微血管并发症风险都显著低于模型不一致组。
采用模型工具预测的最佳治疗方案不仅可以改善患者的血糖控制，还可以降低长期糖尿病并发症的风险，尽管对全因死亡率没有显著影响。目前英国的 22,500 名 2 型糖尿病患者正在评估该工具在临床实践中的表现。此模型有望在全球范围内以低成本推广，帮助医生为2型糖尿病患者选择最合适的治疗方案，从而改善患者的血糖控制和生活质量。
参考文献：A five-drug class model using routinely available clinical features to optimise prescribing in type 2 diabetes: a prediction model development and validation study Dennis, John M et al.The Lancet, Volume 0, Issue 0