EHJ发UKB数据库分析：脂肪堆积在哪儿，会增加心血管风险？

2026年8月31日，EHJ（IF=45.3）发表了一项基于UKB数据库的分析，评估脂肪分布对心血管代谢疾病风险的影响。研究发现 ：

• “胰腺脂肪表型”以内脏肥胖和少肌症特征为标志，表现出心肾代谢风险特征；

• “肌肉脂肪表型”以皮下肥胖和少肌症特征为特点，与心衰风险增加有关。

原文链接： https://doi.org/10.1093/eurheartj/ehag702

研究背景

肥胖多系统损害的一个核心特征是心脏、肝脏、胰腺和骨骼肌等关键器官系统中的异位脂肪沉积。脂肪组织扩张假说认为，在长期能量过剩状态下，一旦皮下脂肪组织的储存超负荷，过多脂肪就会进入腹腔内脏，形成内脏脂肪组织（VAT）沉积，被认为是肥胖相关损害的核心驱动因素。

VAT与腹部皮下脂肪组织（ASAT）的比值可以反映个体脂肪储存模式，可独立于VAT容积和总体肥胖程度预测心血管代谢疾病风险。

此外，评估全身身体成分对心血管代谢风险评估同样重要，包括肌肉健康。肌少症性肥胖对心血管代谢健康的影响日益受到重视，尤其是老龄化人群。

脂肪分布和肌肉健康的改变可导致心脏结构和功能的早期变化，但整合的身体成分模式与不同心血管疾病的早期心脏改变之间的关系在很大程度上仍未被探索。

本研究识别以腹部及异位脂肪沉积的独特脂肪分布为特征的肥胖表型，进一步刻画与每种肥胖表型相关的身体成分及心脏重构特征，并描绘心血管代谢疾病风险的差异。

研究方法

研究使用英国生物银行（UKB）数据，纳入其影像子队列中在2016年1月至2022年1月间完成多器官MRI评估的全部参与者，要求ASAT、VAT及异位脂肪（肝脏、肌肉、胰腺、心包脂肪）数据完整；为评估肥胖表型相关的心脏重构和疾病风险，排除既往诊断为心衰、心梗或慢性缺血性心脏病者。

聚类分析与表型识别

对影像来源的脂肪测量值进行聚类，VAT/ASAT比值及肝脏、胰腺、心包和肌肉脂肪作为输入变量。聚类分析基于曼哈顿距离，围绕中心点进行划分。最优聚类数量通过逐步方法确定，该方法综合评估了聚类的分离度、稳定性和结构。

研究结局

以影像检查日期作为基线，结局事件包括新发2型糖尿病、慢性肾脏病、心梗、慢性缺血性心脏病和心衰。

统计分析方法

时间-事件结局采用Kaplan-Meier曲线和双侧log-rank检验分析。采用Cox比例风险模型估计校正后的风险比（HR）。基础模型调整年龄、性别、种族、教育水平、Townsend剥夺指数、吸烟状态和饮酒频率；主模型在此基础上进一步校正BMI，以评估独立于总体肥胖的关联。协变量选择由有向无环图指导。

以影像日期为所有生存分析的起点，随访至疾病诊断、死亡或观察期结束（2022年5月31日），所有参与者均未失访。

聚类间的差异采用单因素方差分析和双侧Pearson χ²检验。调整协变量的比较采用协方差分析（ANCOVA）。心脏指标比较调整了年龄、性别、种族、教育水平、Townsend剥夺指数、吸烟状态和饮酒频率；身体成分变量（肌肉量和瘦体重）及握力的比较在此基础上进一步调整BMI。两两比较的P值分别采用Benjamini–Hochberg错误发现率法校正。

研究结果

本研究纳入24935名参与者。平均年龄63.8岁，54%为女性，平均BMI 25.7kg/m²。

无监督聚类识别出六个脂肪分布模式，分别为：参考表型（N=6489）、轻度多器官脂肪表型（N=6631）、肌肉脂肪表型（N=4154）、心包脂肪表型（N=2791）、肝脏脂肪表型（N=2077）和胰腺脂肪表型（N=2793）。参考表型在所有脂肪指标上水平最低，作为分析的对照组。

图. 六种肥胖表型的脂肪分布模式

脂肪分布特征

在所有表型中，心包脂肪、肝脏脂肪和胰腺脂肪表型的总脂肪量最高，相较于所有其他表型，具有更高的VAT/ASAT比值（均P<0.001），反映出其以中心性脂肪分布为主，且内脏脂肪体积显著高于参考表型，调整后均值差异分别为2.2L、2.6L和2.1L。

相比之下，肌肉脂肪表型的总脂肪量也高于参考表型，但优先皮下脂肪沉积而非内脏脂肪沉积，以腹部皮下脂肪和女性型脂肪沉积为主。

心血管代谢疾病风险

新发2型糖尿病、慢性肾脏病、心梗、慢性缺血性心脏病和心衰的平均随访时间为4年，平均事件发生时间约为2年。在整个队列中，慢性缺血性心脏病（1.8%）是最常见的新发事件。

相较于参考表型，肌肉脂肪、心包脂肪、肝脏脂肪和胰腺脂肪表型发生2型糖尿病的风险增加，后三者的关联独立于BMI，HR分别为1.9、5.1、2.9。

心包脂肪、肝脏脂肪和胰腺脂肪表型与慢性肾脏病风险增加相关，HR分别为1.8、2.0和2.4；调整BMI后，仅胰腺脂肪表型关联仍存在。

轻度多器官脂肪、肌肉脂肪和胰腺脂肪表型与慢性缺血性心脏病风险升高相关，HR分别为1.4、1.5、1.4；调整BMI后，仅轻度多器官脂肪表型的关联持续存在。

肌肉脂肪、胰腺脂肪表型观察到心衰风险增加，且两者的关联均独立于BMI，HR分别为2.1和2.0。

图. 不同脂肪分布表型的心血管代谢疾病风险

研究通过对腹部和器官特异性脂肪测量的无监督聚类，在无显性心脏病成年人群中识别出六种肥胖表型。研究结果显示：

（1）各表型呈现独特的脂肪分布特征，并伴随肌肉量和功能的差异；

（2）各表型展现出独特的心脏重构模式，将身体成分与亚临床心脏改变联系起来；

（3）各表型在2型糖尿病、慢性肾脏病、慢性缺血性心脏病和心衰中表现出不同的、独立于BMI的心血管代谢风险特征，揭示了脂肪分布的异质性如何对应不同的多系统心血管代谢风险轨迹。

本研究的关键发现之一是胰腺脂肪表型，与多系统疾病风险相关，包括2型糖尿病、慢性肾脏病和心衰，与心血管-肾脏-代谢综合征框架相符；本研究的新发现提示胰腺脂肪沉积是这种多系统病变的一个此前未被认识的特征。

另一个值得注意的是，肌肉脂肪表型与心衰存在关联。该表型以皮下脂肪、女性脂肪分布模式为特征，同时具有肌肉减少特征。尽管主流观点认为内脏脂肪是肌少性肥胖中导致心血管代谢损害的主要驱动因素，该表型与心衰风险升高的关联独立于内脏脂肪。

研究局限性

• 研究所识别的表型在多项内部分析中稳健，但仍需外部验证以确立其普遍性。

• UKB影像队列以白人为主且具选择性，可能限制其对一般人群的代表性。

• 脂肪与心脏测量为同一时点获得，两者的时间关系需前瞻性研究阐明；肥胖表型来自单次时间点评估，未考虑表型随时间的变化。

• 心包脂肪未区分心外膜与心旁脂肪组织。

• 未评估肝脏结局及其他异位脂肪。

• 事件数有限且缺乏舒张功能超声心动图检查，无法评估心衰亚型。

• 竞争性死亡在病因特异性Cox模型中按删失处理，估计的HR代表与病因特异性风险的关联而非累积发病率。

• 无法完全排除残余混杂，如自我报告变量。

研究结论

研究识别出多器官脂肪分布表型组，捕捉了肥胖的临床异质性，不同身体成分、心脏重构和心血管代谢疾病风险特征。这些发现凸显出系统层面框架的价值，以理解肥胖在心血管-肾脏-代谢谱系中的多系统表现，并为未来个体化的多系统预防和管理策略提供了概念基础。参考文献：Eur Heart J. 2026 Aug 31:ehag702. doi: 10.1093/eurheartj/ehag702.

评论

同天，EHJ还发表了一篇评论“Beyond BMI: Mapping the landscape of adiposity and cardiovascular risk”，总结了上述文章的主要结果：

• 胰腺脂肪表型综合了内脏肥胖、胰腺脂肪和肌肉减少，即使在调整BMI、药物使用和已有心血管危险因素后，仍与2型糖尿病和心衰风险升高相关。肝脏脂肪变性在该组人群中普遍存在，提示胰腺和肝脏异位脂肪可能并不是代表孤立的器官病理而是在更广泛的代谢背景下共存。

• 肌肉脂肪表型以皮下肥胖和肌肉减少为特点，与心衰风险增加相关，独立于BMI或内脏脂肪。需要注意的是肌肉量和力量的减少并非仅限于该组，超重人群中普遍存在肌肉脂肪升高，这提示肥胖相关的肌肉减少可能是肥胖相关心血管脆弱性的常见组成部分，而非单一亚型的定义性特征。

• 心包脂肪和肝脏脂肪表型未显示与新发心脏疾病相关，但各自表现出独特的心脏重构模式。亚临床结构表型与临床事件之间的这种分离具有潜在价值：肥胖的心血管后果可能首先表现为心脏结构或心肌质量的改变，然后才发展为显性疾病。

• 轻度多器官脂肪表型则提示，常规临床评估中看似令人安心的传统肥胖指标可能掩盖风险。该组的个体可能BMI正常，但慢性缺血性心脏病风险仍然增加。

基于上述认识，文章为未来的研究指明了若干方向：

• 应动态追踪表型。连续影像可以确定个体是否在不同表型状态之间转换、特定轨迹是否预测心血管衰老，以及异位脂肪的变化是先于还是后于心脏结构的变化。此类纵向研究还能澄清这些“聚类”究竟代表稳定的生物学状态、轨迹上的短暂阶段，还是仅仅是连续特征的不同组合。

• 对于临床转化而言，这些表型的即时价值可能不在于临床医生应开始将患者划分为六个肥胖类别。相反，该研究提供了一个框架，用于探讨临床可获取的指标能否近似底层多维生物学。未来研究应评估：综合人体测量学、常规生物标志物、肝脏和肌肉测量、影像学以及炎症或蛋白质组学特征，是否可以重现该研究所见的预后信息，以及是否可以在既有心血管风险模型之上增加有意义的增量价值。外部多族裔验证和增量预测价值的证明仍然重要。

• GLP-1受体激动剂及相关肠促胰素疗法已证明：改变总体肥胖程度可以改变心血管风险，但也提出了一个更精细的问题：同种干预下，不同肥胖表型的反应是否有所不同？减少内脏、肝脏或胰腺脂肪是否对某些患者具有不成比例的重要性，而保留骨骼肌为另一些患者的主要治疗目标？这对于具有肌肉减少特征的人群尤为重要，因为该人群中，减重的质量和组成或与体重的绝对下降同样重要。
  

或许，肥胖的精准医学并不需要僵化的分类而是会受益于一张多维图谱，包含脂肪分布、肌肉健康、炎症、生物衰老和心血管代谢脆弱性这些连续交互的特征。上述研究即提供了一种可能图谱，并证明了肥胖的心血管后果超越了BMI所能描述的范畴，推动心血管医学将肥胖视为一种动态、系统性和与衰老相关的表型，进而根据其异质性改善预防、治疗选择和心血管结局。

参考文献：Eur Heart J. 2026 Aug 31:ehag703. doi: 10.1093/eurheartj/ehag703.