一项发表于《数字健康前沿》的最新研究利用先进的人工智能数字孪生模型，揭示孤独、失眠和心理健康状况差等心理社会因素会显著提高成年人患二型糖尿病的风险。该研究由阿斯顿鲁斯金大学牵头，联合克兰菲尔德大学、朴茨茅斯大学及Intelligent Omics公司共同完成，基于英国生物样本库中近两万名参与者的十七年数据。 与传统依赖血液检测或可穿戴设备数据的预测工具不同，该模型仅通过分析生活方式和心理社会信息进行风险评估。模拟结果显示，孤独、失眠和心理健康问题各自可使未来患病风险增加约 35%，若三者同时存在，风险增幅高达 78%，其预测准确率甚至超过单纯的饮食因素。研究人员指出，这可能与长期压力引发的激素变化和炎症反应有关。 研究还发现，压力相关因素与不良饮食习惯密切相关，如高盐、含糖谷物及加工肉类摄入增加会进一步推高风险。此外，模型揭示了显著的种族差异，南亚、非洲及加勒比裔人群的风险预估明显高于白人。由于不依赖昂贵医疗检测，该模型有助于医疗机构更早识别高风险人群并设计更具针对性的预防方案。 研究团队强调，现有的二型糖尿病预测模型往往过度依赖 BMI、年龄和血压等生理指标，忽略了复杂的行为和情感因素。阿斯顿鲁斯金大学教授芭芭拉·皮尔西奥内克表示，数字孪生技术允许模拟“如果会怎样”的情景，为个性化护理提供支持。研究团队认为，将孤独、睡眠障碍等心理变量纳入数据模型，能提升 AI 工具在预防医疗决策中的准确性和公平性，为成本效益更高的诊断和干预提供可行路径。