近期，一项发表在《自然-通讯》（Nature Communications）上的研究通过先进的机器学习算法，深入探讨了代谢健康与癌症发病率之间的复杂关联。研究团队利用英国生物样本库（UK Biobank）中超过40万名参与者的详尽健康数据，构建了一个能够精准预测胰岛素抵抗（IR）的机器学习模型。

研究人员通过分析参与者的血糖、血脂、体重指数（BMI）及其他代谢指标，量化了胰岛素抵抗的程度。分析结果显示，胰岛素抵抗水平的升高与12种癌症的风险增加显著相关，这些癌症涵盖了多种消化系统及内分泌相关肿瘤。即使在校正了吸烟、饮酒、体力活动及社会经济地位等混杂因素后，这种关联依然保持稳健。

该研究的核心发现在于，胰岛素抵抗不仅是糖尿病的标志，更是全身性慢性炎症和代谢失调的“指挥塔”。高胰岛素血症可能通过激活胰岛素样生长因子-1（IGF-1）受体信号通路，促进细胞增殖并抑制凋亡，从而为肿瘤的发生提供了“温床”。

此外，研究团队通过多变量回归分析进一步证实，胰岛素抵抗的预测评分在评估癌症风险方面具有极高的灵敏度。这一发现提示临床医生，在常规体检中引入胰岛素抵抗的监测，或许能成为未来癌症早期预警系统的重要组成部分。代谢干预，如生活方式的改变或药物治疗，可能不仅能改善代谢健康，还具有降低癌症发病率的潜在临床价值。

Journal Reference: Wang, Y.P., et al. (2024). Machine learning-predicted insulin resistance is a risk factor for 12 types of cancer. Nature Communications.
DOI: 10.1038/s41467-024-47867-x