T2DM具有高度异质性。传统分型往往基于某一时间点的临床特征，却难以回答患者正在向哪个方向进展、目前处于疾病轨迹的哪个阶段，以及治疗能否改变这一进程。黄齐等创新性地将轨迹推断方法Slingshot引入T2DM研究，在UK Biobank 19,243例T2DM患者中构建心脏代谢进展表型，并进一步建立能够反映个体在特定进展轨迹中相对位置的state score（状态评分）。

研究识别出3种具有不同特征的心脏代谢进展表型，分别突出表现为高血糖/高血脂、肥胖以及肾脏损伤。其中，肾脏损伤表型具有最高的心血管疾病负担，其MACE风险显著升高（HR=1.19，95%CI 1.10～1.28）。在无既往心血管疾病的人群中，在SCORE2-Diabetes基础上加入进展表型后，可进一步改善心血管风险重分类，连续NRI达到8.64%。

更值得关注的是，state score使这种分型从“静态标签”进一步转变为动态疾病状态评价。在肾脏损伤表型中，随访期间state score升高与此后MACE风险显著增加相关（HR=2.08）。团队随后将这一体系投射至CANVAS、CANVAS-R、CREDENCE、REWIND、EXAMINE和ELIXA六项大型心血管结局试验，共纳入32,996例受试者。结果显示，SGLT2抑制剂对state score的影响存在显著的表型异质性，而GLP-1RA则在不同表型中呈现较为一致的改善趋势。

这项研究将疾病分型、动态风险监测和治疗反应评价整合进同一框架，使精准医学从“这个患者属于哪一类”进一步走向“这个患者正在如何进展，以及治疗是否真正改变了他的疾病轨迹”。

真实世界研究的一大瓶颈，并非缺少临床数据，而是大量关键用药信息散落于病程记录、门诊记录和处方等非结构化电子病历中，难以准确重建患者长期治疗过程。张辛磊等针对这一问题，基于本地部署的Qwen-32B大语言模型构建Q-LLM框架，结合提示词工程、语义标准化、历史回溯算法和严格的知识验证机制，从中文非结构化电子病历中自动提取并重建患者的纵向用药轨迹。

在120例独立验证人群中，Q-LLM与人工医生判读表现高度接近，Micro-F1达到0.981；与单纯依赖处方记录的方法相比，药物识别召回率由0.729提高至0.978，显示出大语言模型处理复杂临床纵向信息的潜力。

更重要的是，团队并未止步于“用AI抽取病历”，而是进一步将大语言模型重建的纵向用药数据用于目标试验模拟（target trial emulation，TTE）。研究采用active-comparator new-user设计，对不同降糖药物新使用者进行真实世界比较，系统评价其降糖作用及对其他次要指标的作用。初步分析显示，基于Q-LLM重建的纵向用药信息能够支持真实世界药物疗效比较，为从复杂电子病历中生成高质量真实世界证据提供了可行路径。

因此，这项研究真正打通了“大语言模型→非结构化EHR→纵向用药重建→目标试验模拟→真实世界药物疗效评价”的完整研究链条，为未来利用医院海量临床数据开展高质量真实世界研究提供了一种可扩展的新范式。

皮质醇参与血糖、脂质和血压调控，与T2DM密切相关，但传统观察性研究难以完全排除肥胖、疾病状态和治疗等因素造成的混杂与反向因果。刘婴宁等从遗传易感性切入，基于晨间血浆皮质醇GWAS构建多基因风险评分（PRS），并在UK Biobank 406,102例和All of Us 384,246例参与者中进行验证，其中T2DM患者分别达到36,888例和44,963例。

研究发现，在两个大型人群中，较高的皮质醇PRS均与T2DM风险增加显著相关（UKB：OR=1.016；All of Us：OR=1.026）。在UK Biobank中，较高皮质醇PRS还与HbA1c和随机血糖升高相关，并与更早的T2DM诊断年龄相关；在T2DM患者中，皮质醇PRS同时与合并高血压风险增加相关。

值得注意的是，部分代谢表型在人群间呈现不同的关联模式，例如All of Us中皮质醇PRS与HbA1c以及糖尿病诊断年龄呈现非线性关系。这种跨人群差异也提示，皮质醇遗传背景对糖代谢的影响可能受到人群遗传背景和环境因素共同调节。

通过近80万人、不同种族背景的大型队列验证，这项研究进一步将皮质醇从传统的“应激激素”拓展到糖尿病遗传易感性与精准预防框架，为利用内分泌激素相关遗传标志物进行T2DM风险分层提供了新的证据。

性激素结合球蛋白（SHBG）通常被认为是一个“代谢有利”的指标——较高SHBG往往与较低BMI、更好的糖脂代谢以及更少的肝脂肪沉积相关。但当研究终点从代谢指标进一步延伸至肝纤维化和长期肝脏临床结局时，这种传统认识可能并不完整。

李梦丹等整合NHANES和UK Biobank两大队列，从横断面肝纤维化和长期肝脏相关事件两个层面评价SHBG的作用。在NHANES纳入的4,988例MASLD患者中，17.8%存在显著肝纤维化，SHBG升高与显著肝纤维化风险增加相关（OR=1.23，95%CI 1.11～1.38）。

在UK Biobank长期随访中，较高SHBG同样与肝脏相关事件风险增加显著相关。进一步的中介分析出现了一个值得关注的“方向分离”：BMI和HbA1c对这一关联呈反向间接效应。换言之，SHBG升高虽然伴随着更有利的传统代谢指标，但SHBG与肝纤维化及不良肝脏结局之间的直接正向关联仍然存在。

这一结果提示，在MASLD中，“代谢状态更好”并不必然意味着“肝脏长期风险更低”。SHBG可能不仅反映传统糖脂代谢状态，还包含独立于BMI和血糖之外的肝病进展信息，为MASLD长期风险分层以及进一步探索肝脏—内分泌轴的疾病机制提供了新的研究方向。