Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators

HUANG Yiwen; ZHANG Ke; ZHANG Qianwei; ZENG Xianchang; ZHU Yelin; LIU Zhenxiu; JIANG Tao; TAO Feng

doi:10.16305/j.1007-1334.2026.z20251022001

您当前的位置：

首页 >

文章列表页 >

Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators

更新时间：2026-04-01

- Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators
- Shanghai Journal of Traditional Chinese Medicine Vol. 60, Issue 4, Pages: 1-9(2026)
- 作者机构：
  
  1.上海中医药大学附属市中医医院内分泌科（上海 200071）
  2.上海市嘉定区中心医院内分泌科（上海 201800）
  3.上海中医药大学中医学院（上海 201203）
- 作者简介：
- 基金信息：
- DOI：10.16305/j.1007-1334.2026.z20251022001
  CLC：
- Received：22 October 2025，
  
  Published：10 April 2026
- 稿件说明：
移动端阅览
黄怡文,张珂,张倩为,等.基于人工智能融合中医舌象、证素及西医指标构建2型糖尿病缓解预测模型[J].上海中医药杂志,2026,60(4):1-9.

HUANG Yiwen,ZHANG Ke,ZHANG Qianwei,et al.Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(4):1-9.
黄怡文,张珂,张倩为,等.基于人工智能融合中医舌象、证素及西医指标构建2型糖尿病缓解预测模型[J].上海中医药杂志,2026,60(4):1-9. DOI： 10.16305/j.1007-1334.2026.z20251022001.

HUANG Yiwen,ZHANG Ke,ZHANG Qianwei,et al.Construction of a predictive model for type 2 diabetes remission based on artificial intelligence integration of traditional Chinese medicine tongue manifestations， syndrome elements and Western medical indicators[J].Shanghai Journal of Traditional Chinese Medicine,2026,60(4):1-9. DOI： 10.16305/j.1007-1334.2026.z20251022001.

摘要

目的

旨在融合中医舌象参数、证素与西医指标，构建适用于营养干预实现2型糖尿病缓解的预测模型。

方法

回顾性纳入2022年至2024年于上海中医药大学附属市中医医院内分泌科就诊且实施以糖尿病缓解为诊疗目的的营养干预治疗方案患者424例，收集基线及随访期间患者临床资料及舌象图片，构建四类特征组合（西医指标、西医指标+中医舌象参数、西医指标+中医证素、西医指标+中医舌象参数+中医证素），分别采用逻辑回归、随机森林和极限梯度提升算法进行建模，并通过受试者工作特征（ROC）曲线下面积（AUC）等指标评估模型性能。

结果

采用随机森林算法构建的融合模型（西医指标+中医舌象参数+中医证素）预测性能最优，AUC可达0.95（95%

：0.92～0.98），显著优于单一西医指标模型（AUC为0.89）。变量重要性分析发现，空腹C肽、体重指数、定量胰岛素敏感性（QUICKI）、体脂率、糖化血红蛋白、腹部脂肪率以及中医舌象参数舌苔润泽度（taiL）、舌苔颜色参数（taiG）为较重要的预测变量。

结论

研究成功构建了融合中医舌象参数、证素与西医指标的机器学习预测模型，该模型能识别适用于通过营养干预实现糖尿病缓解的优势人群。

Abstract

Objective

To construct a predictive model for the remission of type 2 diabetes through nutritional intervention by integrating traditional Chinese medicine （TCM） tongue manifestation parameters， syndrome elements， and Western medical indicators.

Methods

A retrospective analysis was conducted on 424 patients who underwent nutritional intervention targeting diabetes remission at the Department of Endocrinology， Shanghai Municipal Hospital of TCM Affiliated to Shanghai University of TCM from 2022 to 2024. Clinical data and tongue images of the patients at baseline and during follow-up were collected. Four types of feature combinations were constructed： Western medical indicators alone， Western medical indicators plus TCM tongue manifestation parameters， Western medical indicators plus TCM syndrome elements， and Western medical indicators plus TCM tongue manifestation parameters plus TCM syndrome elements. Logistic regression， random forest and extreme gradient boosting algorithms were respectively used for model construction， and model performance was evaluated using indicators including the area under the receiver operating characteristic （ROC） curve （AUC）.

Results

The integrated model （Western medical indicators plus TCM tongue manifestation parameters plus TCM syndrome elements） constructed by the random forest algorithm exhibited the optimal predictive performance， with an AUC of 0.95 （95%

： 0.92–0.98）， which was significantly superior to the model with Western medical indicators alone （AUC=0.89）. Variable importance analysis identified fasting C-peptide， body mass index （BMI）， quantitative insulin sensitivity check index （QUICKI）， body fat percentage， glycated hemoglobin （HbA1c）， abdominal fat percentage， as well as TCM tongue manifestation parameters including tongue coating moistness （taiL） and tongue coating color parameter （taiG） as the most important predictive variables.

Conclusion

This study successfully constructed a machine learning predictive model integrating TCM tongue manifestation parameters， syndrome elements and Western medical indicators， which can identify the advantageous population suitable for achieving diabetes remission through nutritional intervention.

关键词

Keywords

references

COLLABORATORS G B D S R F . Global， regional， and national burden of stroke and its risk factors， 1990-2021： A systematic analysis for the Global Burden of Disease Study 2021 ［J］. Lancet Neurol ， 2024 ， 23 （ 10 ）： 973 - 1003 .

RIDDLE M C ， CEFALU W T ， EVANS P H ， et al . Consensus Report： Definition and Interpretation of Remission in Type 2 Diabetes ［J］. Diabetes Care ， 2021 ， 44 （ 10 ）： 2438 - 2444 .

CHURUANGSUK C ， HALL J ， REYNOLDS A ， et al . Diets for weight management in adults with type 2 diabetes： an umbrella review of published meta-analyses and systematic review of trials of diets for diabetes remission ［J］. Diabetologia ， 2022 ， 65 （ 1 ）： 14 - 36 .

LEAN M E ， LESLIE W S ， BARNES A C ， et al . 5-year follow-up of the randomised Diabetes Remission Clinical Trial （DiRECT） of continued support for weight loss maintenance in the UK： An extension study ［J］. Lancet Diabetes Endocrinol ， 2024 ， 12 （ 4 ）： 233 - 246 .

JAYEDI A ， ZERAATTALAB-MOTLAGH S ， SHAHINFAR H ， et al . Effect of calorie restriction in comparison to usual diet or usual care on remission of type 2 diabetes： a systematic review and meta-analysis of randomized controlled trials ［J］. Am J Clin Nutr ， 2023 ， 117 （ 5 ）： 870 - 882 .

CAMPBELL K ， REYNOLDS A N ， PEDDIE M ， et al . A primary care-led weight management intervention for adults with diabetes and obesity： qualitative results from a randomised controlled trial of total meal replacement （DiRECT）［J］. Proceed Nutrit Society ， 2024 ， 83 （ 1 ）： E121 .

YUAN K ， WU B ， ZENG R ， et al . Construction and validation of a nomogram for predicting diabetes remission at 3 months after bariatric surgery in patients with obesity combined with type 2 diabetes mellitus ［J］. Diabetes Obes Metab ， 2024 ， 26 （ 1 ）： 169 - 179 .

刘实，高阳，江涛，等 . 糖脂代谢病及其不同证型患者舌象特征的回顾性研究［J］. 中医杂志， 2025 ， 66 （ 8 ）： 826 - 833 .

LIU Z ， FENG N ， WANG S ， et al . Low-calorie diets and remission of type 2 diabetes in Chinese： phenotypic changes and individual variability ［J］. Nutr J ， 2025 ， 24 （ 1 ）： 42 .

朱文锋，晏峻峰 . 证素辨证新体系的内容及科学意义［J］. 医学与哲学， 2005 ， 26 （ 1 ）： 69 - 70 .

贺宏波，闫韶哗，杨玲玲，等 . 5 930例2型糖尿病患者舌象与实验室指标相关性分析［J］. 中医杂志， 2013 ， 54 （ 23 ）： 2031 - 2034 .

徐艺峰，王忆勤，郝一鸣 . 2型糖尿病患者中医主证舌诊客观参数分析［J］. 世界科学技术-中医药现代化， 2021 ， 23 （ 2 ）： 402 - 409 .

朱晶晶，张扬，龚小会，等 . 基于人工智能算法与中医体质类型的老年糖尿病患者合并心血管疾病预测模型［J］. 上海中医药杂志， 2025 ， 59 （ 3 ）： 1 - 6 .

王富军，王文琦 . 《中国2型糖尿病防治指南（2020年版）》解读［J］. 河北医科大学学报， 2021 ， 42 （ 12 ）： 1365 - 1371 .

张晓燕，王瑞，楼锦娣，等 . 融合中医面色诊的辨证知识图谱设计与构建方法研究［J］. 中国中医药信息杂志， 2024 ， 31 （ 12 ）： 42 - 48 .

张雅涵，春意，崔龙涛，等 . 基于“图像-光谱”联合特征的舌苔分类方法研究［J］. 中国中医基础医学杂志， 2025 ， 31 （ 12 ）： 2156 - 2162 .

LI J ， HUANG J ， JIANG T ， et al . A multi-step approach for tongue image classification in patients with diabetes ［J］. Comput Biol Med ， 2022 ， 149 ： 105935 .

国家药品监督管理局 . 中药新药临床研究指导原则（试行）［M］. 北京：中国医药科技出版社， 2002 ： 233 .

赵智慧，周毅，李炜弘，等 . 基于深度学习多模态融合的2型糖尿病中医证素辨证模型的构建［J］. 世界科学技术-中医药现代化， 2024 ， 26 （ 4 ）： 908 - 918 .

SHERIFALI D T ， RACEY M E ， GREENWAY M K ， et al . Type 2 diabetes remission： A systematic review and meta-analysis of nonsurgical randomized controlled trials ［J］. Diabetes Care ， 2025 ， 48 （ 12 ）： 2181 - 2191 .

SHEN H ， ZHENG Q ， WANG Z ， et al . Breaking the heterogeneity barrier： a robust prognostic signature for survival stratification and immune profiling in triple-negative breast cancer ［J］. Front Immunol ， 2025 ， 16 ： 1611917 .

WANG J ， WU H ， CAI H ， et al . Machine learning and Shapley additive explanations value integration for predicting the prognostic of anti- N -methyl- D -aspartate receptor enceph alitis： Model development and evaluation study ［J］. JMIR Med Inform ， 2025 ， 13 ： e75020 .

杨睿博，张艳，罗文轩，等 . 不同病程2型糖尿病患者舌象的相关因素研究［J］. 环球中医药， 2023 ， 16 （ 11 ）： 2232 - 2239 .

邓佳琳，江涛，邱锡鹏，等 . 2型糖尿病两种中医证候的舌象特征及肠道菌群差异性研究［J］. 中华中医药杂志， 2025 ， 40 （ 5 ）： 2250 - 2255 .

徐佳，张良，侯鑫磊，等 . 基于《金匮要略》相关方证探讨糖尿病辨证论治规律［J］. 中西医结合研究， 2024 ， 16 （ 4 ）： 263 - 265 .

谢芳芳，谢超群，马建文，等 . 1 044例慢性疲劳综合征患者中医证候的舌象特征研究［J］. 中华中医药杂志， 2025 ， 40 （ 8 ）： 4309 - 4314 .

陈小愚，陈宇，王世东，等 . 超重或肥胖2型糖尿病患者的舌象相关因素研究［J］. 世界中医药， 2022 ， 17 （ 23 ）： 3403 - 3410 .

DENG J ， DAI S ， LIU S ， et al . Application of tongue image characteristics and oral-gut microbiota in predicting pre-diabetes and type 2 diabetes with machine learning ［J］. Front Cell Infect Microbiol ， 2024 ， 14 ： 1477638 .

LI Y ， LIU Y ， CUI J ， et al . Oral-gut microbial transmission promotes diabetic coronary heart disease ［J］. Cardiovasc Diabetol ， 2024 ， 23 （ 1 ）： 123 .

WANG Y ， ZENG X ， WU M ， et al . Thick vs. thin tongue coatings in hemodialysis patients： unveiling gut microbiome dysregulation and systemic health implications ［J］. Front Cell Infect Microbiol ， 2025 ， 15 ： 1640429 .

Views

下载量

CSCD

CNKI被引量

Alert me when the article has been cited

提交

Tools

Publicity Resources

Application of machine learning algorithms in screening of active components in Chinese materia medica

Exploring feasibility of artificial intelligence in diagnosing depressive disorder based on traditional Chinese medicine principle of "governing exterior to infer interior"

Traditional Chinese and Western medicine integrative analysis on migraine pathogenesis of "disease originating from yin"

Machine learning⁃based study on syndrome transformation and metabolic characteristics of spleen deficiency/dampness⁃heat in patients with newly diagnosed esophageal squamous cell carcinoma

Research progress and challenges in artificial intelligence‑driven intelligent traditional Chinese medicine diagnosis and treatment

Related Author

ZHANG Nengyi

LI Yuanyuan

WANG Tianming

LI Hongpei

LIU Long

HU Wenyue

MA Huaping

ZHONG Biying

Related Institution

School of Pharmacy， Shanghai University of Traditional Chinese Medicine

Department of Encephalopathy， Dongfang Hospital， Beijing University of Chinese Medicine

Department of Clinical Psychology， Beijing University of Chinese Medicine Shenzhen Hospital （Longgang）

Fifth Clinical Medical College， Beijing University of Chinese Medicine （Shenzhen Hospital）

Department of Encephalopathy， Beijing University of Chinese Medicine Shenzhen Hospital （Longgang）

⁰