近日，一项发表在《Frontiers in Digital Health》上的研究利用先进的“数字孪生”（Digital Twin）人工智能模型，重新定义了2型糖尿病的风险评估维度。研究团队通过分析英国生物样本库（UK Biobank）中近2万名成年人长达17年的追踪数据，发现心理社会因素在疾病预测中的作用被长期低估。

传统的糖尿病预测工具多依赖于体重指数（BMI）、血压及血糖指标，而该模型则专注于行为、生活方式及心理社会变量。研究结果显示，孤独感、失眠和心理健康问题均与糖尿病风险显著相关，每项因素均可使患病风险增加约35个百分点。当这三种因素同时存在时，患病风险激增78个百分点，其预测准确性甚至超过了单纯的饮食结构分析。

研究人员指出，这些心理社会因素通过“慢性应激反应”机制发挥作用。长期处于孤独或失眠状态会导致压力激素水平持续升高，引发机体慢性炎症，进而破坏胰岛素调节功能。此外，AI模型还揭示了压力与“促炎饮食”（如高盐、高糖谷物及加工肉类）之间的强关联，进一步加剧了代谢负担。

该研究的另一大亮点在于其成本效益与公平性。由于该模型无需昂贵的血液检测或可穿戴设备，仅通过生活方式数据即可运行，这为医疗资源匮乏地区提供了极具潜力的早期筛查方案。此外，模型明确指出南亚、非洲及加勒比裔人群面临更高的患病风险，强调了制定文化针对性预防策略的必要性。

安格利亚鲁斯金大学的Barbara Pierscionek教授表示，数字孪生技术能够模拟个体健康轨迹，进行“假设性”测试，从而为患者提供量身定制的干预措施，弥补了传统临床模型在复杂情感与行为因素分析上的不足。