Diabetes Care
基于PEPPER自动化电子病历系统识别易酮症糖尿病新表型
小赛推荐：
本研究为 易酮症糖尿病 的早期筛查提供了自动化解决方案，提示在 糖尿病分型 研究中，结合非结构化数据挖掘与临床表型验证是发现罕见亚型的关键路径。
文献概述
本文《A Novel Electronic Medical Record Search Method to Identify Patients With Ketosis-Prone Diabetes: Implications for Discovery of Atypical Diabetes》，发表于《Diabetes Care》杂志，系统探讨了如何利用基于Python的自动化程序PEPPER，从海量电子病历中高效筛选出具有特定临床特征的 易酮症糖尿病 患者，并验证了该方法在减少人工审阅时间方面的显著优势。背景知识
当前 糖尿病 临床诊断高度依赖ICD编码，然而对于 易酮症糖尿病 这类缺乏标准诊断代码的罕见或新兴表型，传统检索手段存在巨大盲区。现有研究指出，许多被误诊为 2型糖尿病 的青少年实际上可能属于 抗体阴性β细胞功能阳性 的特殊亚型，其 糖尿病酮症酸中毒 风险极高。目前的 疾病建模 和 靶点 筛选面临的主要瓶颈在于无法从非结构化的电子病历文本中快速提取关键的临床事件（如住院记录、酮症发作时间等）。本研究切入点在于开发一种无需后端数据仓库集成的自动化脚本，直接模拟人工操作浏览电子病历界面，从而解决 糖尿病分型 中数据提取效率低、漏诊率高的问题，为后续深入探索 胰岛自身抗体 状态与 C肽 水平提供了高质量的队列基础。
研究方法与核心实验
作者开发并部署了名为PEPPER的Python程序，该程序能够自动访问电子病历系统，模拟人工点击与滚动操作，专门用于检索 2型糖尿病 诊断后6个月内是否发生 糖尿病酮症酸中毒 的住院记录。研究选取了1660例青少年 2型糖尿病 患者病历作为队列，将PEPPER的筛查效率与人工审阅进行对比。关键证据显示，PEPPER不仅将单份病历审阅时间从平均26.6秒缩短至13.4秒，且在验证子集中实现了100%的准确率，无假阴性结果。随后，对PEPPER筛选出的110例疑似患者进行人工复核，最终确认21例符合RADIANT网络定义的 A-β+ 易酮症糖尿病 标准。关键结论与观点
研究意义与展望
该发现对 药物开发 具有重要意义，提示针对保留 β细胞功能 的 易酮症糖尿病 患者，开发非 胰岛素 依赖或保护 β细胞 功能的新型疗法可能比传统 2型糖尿病 治疗更为有效。在 临床监测 方面，该研究建议建立基于自动化电子病历的实时预警系统，以便在 糖尿病 诊断早期识别出高危 酮症酸中毒 风险人群。此外，该研究为 疾病建模 提供了新的思路，即利用真实世界数据构建更精准的 糖尿病 亚型队列，从而加速对 胰岛功能 异质性的机制研究。
结语
本研究通过引入PEPPER自动化系统，成功突破了传统电子病历检索在识别罕见 糖尿病 表型上的技术瓶颈，为 易酮症糖尿病 的精准发现提供了可复制的方法学范式。从实验室视角看，这种自动化筛选策略极大地降低了 临床队列 构建的人力成本，使得大规模挖掘非结构化数据成为可能。对于临床转化而言，早期识别 A-β+ 易酮症糖尿病 亚型对于避免误诊、制定个体化 胰岛素 治疗方案以及预防急性并发症至关重要。该研究不仅揭示了 青少年糖尿病 中存在的显著异质性，更为未来建立基于真实世界数据的 糖尿病分型 标准体系奠定了基石，推动 糖尿病 诊疗从经验型向数据驱动型转变，最终改善 相关疾病 患者的长期预后与生活质量。
