转自：医学界
肥胖研究：前路漫漫，充满希望。
整理丨HH
肥胖症在我国成为日益流行的代谢性疾病。在第二届中国糖尿病和代谢性疾病药物器械创新研发大会上，同济大学医学院肥胖症研究所所长曲伸教授围绕“肥胖的基础研究与临床需求”这一话题进行了精彩报告。一起来回顾一下吧~
基础研究，靶点众多
肥胖基本的发病机制包括两大项，即持续的正能量平衡（外周效应）和体重“调定点”上调（中枢作用）。肥胖症基础研究目前主要针对“靶点”和“通路”进行探索，尚未满足肥胖的临床复杂性和肥胖类型的个体化差异需求，因此，转化就是基础与临床的桥梁，近期的肥胖亮点主要集中于：
靶向线粒体的肥胖研究，期望转化为提高线粒体活性和改善线粒体功能增加热量消耗达到减重的药物。
靶向谷氨酸受体的肥胖研究显示，谷氨酸能神经递质系统在调节能量平衡的稳态机制中起着重要作用。
靶向溶酶体的肥胖研究，期望能转化为靶向代谢可调性溶酶体功能的药物以改善脂质代谢。
研发靶向炎症调节的减重药物也是临床转化需求，这是因为包括肥胖症在内的代谢性疾病都与慢性炎症密切相关。
肠抑脂素（cholesin）是新近发现的一种肠道分泌的激素，响应胆固醇吸收而分泌，可抑制肝脏胆固醇合成。针对血脂代谢，期望能够基于肠抑脂素研发降脂不损伤骨骼肌的抗动脉硬化药物。
智能辅助、肥胖分型
目前，关于肥胖所达成的共识是：肥胖是一类疾病，减重有益于健康。但对于肥胖的诊断和分型，常用的身体质量指数（BMI）仍不理想，需要增加与代谢相关的肥胖判断指标。
BMI忽略了年龄、性别和种族等差异，比如BMI相同的情况下，老年人往往比年轻人多脂少肌。由此可见，只用BMI判断可能让我们忽视了体重正常的代谢异常（代谢性肥胖）。
肥胖的临床分型是另一个需要深入探讨的问题。
早在年，我们就提出了基于代谢分类的不同肥胖表型，分为正常代谢性肥胖组、低代谢性肥胖组、高代谢性肥胖组、炎症代谢性肥胖组[1]，对于临床医师判断肥胖的轻重和治疗选择有一定的指导意义。
随着人工智能（AI）技术发展，我们在AI辅助下，对肥胖进行了更准确和客观的分类，将肥胖分为了代谢正常型肥胖（MHO）、高代谢型肥胖-高尿酸亚型（HMO-U）、高代谢型肥胖-高胰岛素亚型（HMO-I），以及低代谢型肥胖（LMO）[2]。AI辅助分类对肥胖症预后具有一定的预测作用，例如低代谢型肥胖具有较高的发生糖尿病的风险（图1）[2]。还可通过AI辅助预测肥胖手术术后疗效。
图1AI辅助分类预测肥胖症预后[2]减重有道、综合有效
肥胖的临床干预应