卒中是威胁中老年人健康的主要疾病之一，其中“颈动脉易损斑块”是重要危险因素。如何更早识别这些高危患者，一直是医学界关注的焦点。近日，我校附属苏州医院血管外科周大勇教授团队在《心血管糖尿病学》（Cardiovascular Diabetology）《美国心脏协会杂志》（Journal of the American Heart Association） 连续发表最新研究成果，基于该团队建立的超万例临床数据库，提出了颈动脉易损斑块的精准预测新方法。
该团队聚焦于一个反映胰岛素抵抗的指标——甘油三酯-葡萄糖指数（TyG），在《美国心脏协会杂志》（Journal of the American Heart Association）期刊发表题为“不同血糖状态下甘油三酯-葡萄糖指数与颈动脉斑块稳定性的相关性：一项单中心回顾性研究（Association Between Triglyceride-Glucose Index and Carotid Plaque Stability in Different Glycemic Status: A Single-Center Retrospective Study）”的研究论文。
该研究纳入12068 人，探究甘油三酯 - 葡萄糖指数（TyG 指数） 与颈动脉斑块稳定性的关联。结果显示，TyG 指数与不稳定颈动脉斑块风险显著相关（调整后 OR=2.64，95%CI：2.12-3.27）；男女间关联相似（OR分别为2.80、2.07），60 岁以上人群关联强于 60 岁及以下（OR 分别为 3.59 和 2.00）；糖尿病患者的关联最高（OR=2.51）；二者呈非线性关系，TyG 指数 > 8.63是独立危险因素，且其预测价值（AUC=0.637）优于空腹血糖（AUC=0.523）和甘油三酯（AUC=0.579）。这是首个在大规模人群中，探讨不同血糖状态下TyG与颈动脉斑块稳定性关系的研究。
原文链接：https://www.ahajournals.org/doi/full/10.1161/JAHA.124.037970
另一项研究在《心血管糖尿病学》（Cardiovascular Diabetology）期刊发表，题为“基于常规血液生物标志物及其衍生指标的颈动脉易损斑块预测机器学习模型的建立与验证：性别相关风险模式的启示（Development and validation of a machine learning model for predicting vulnerable carotid plaques using routine blood biomarkers and derived indicators: insights into sex-related risk patterns）”。
该研究为单中心回顾性研究，纳入1701 名住院患者，基于常规血液生物标志物及衍生指标（如 TyG 指数、AIP、NLR 等）开发并验证机器学习模型以预测易损颈动脉斑块。结果显示随机森林（RF）模型表现最佳（测试集 AUC=0.847，特异性 89.4%，敏感性 64.2%）；SHAP 分析识别出性别、年龄、纤维蛋白原、NLR、肌酐等为首要预测因子，且关键生物标志物（如年龄、UHR、TyG）的风险贡献存在显著差异，RCS模型进一步证实男女易损斑块风险轨迹的独特性，强调性别特异性风险评估对卒中预防的重要性。
原文链接：https://cardiab.biomedcentral.com/articles/10.1186/s12933-025-02867-6
（供稿/附属苏州医院科技部；审核/王长军）