從購物習慣到疾病軌跡：京東健康用AI繪制慢性病“風險地圖”

日前，在西班牙馬德里舉辦的歐洲心臟學會年會暨世界心臟病大會（ESC Congress 2025 together with World Congress of Cardiology）上，京東健康探索研究院（JDH XLab）分享了兩項基于千萬級別人群的慢性病預測研究，分別為“利用電商行為數據進行常見慢性疾病預測”和“基于人群時序疾病軌跡分析的慢性病風險預測”。研究首次揭示，用戶的電商平臺消費數據以及大規模人群的時序疾病發展軌跡，均可能成為預測常見慢性疾病風險的重要工具。這為公共衛生管理和個體化健康干預提供了全新視角。

京東健康探索研究院研究團隊在ESC會上進行分享

電商消費數據或可“預知”健康風險

第一項研究《利用電商平臺行為數據進行常見慢性疾病預測》開創性地將用戶在電商平臺上的購買、加購和瀏覽行為與健康狀況關聯。研究團隊構建了涵蓋13354個商品類目的“類目指數”，并結合年齡、性別等人口統計學特征，對超重/肥胖、高血壓、糖尿病、慢性腎病等8種常見慢性病進行風險預測。

研究采用兩種建模方案：基于傳統機器學習的XGBoost模型和創新的7B參數規模行為學大模型。結果顯示，在外部驗證中，行為學大模型表現更優，其預測8種慢性疾病的平均AUC（曲線下面積Area Under Curve）達到0.72，而XGBoost模型為0.68。

值得關注的是，模型預測為高風險的人群，其真實患病風險顯著高于預測為低風險者。行為學大模型的平均風險比（RR）高達4.07，意味著高風險人群的患病可能性是低風險人群的4倍以上，可以作為個人疾病風險干預的有力指導，同時也是公共衛生管理的有效參考。

研究還揭示了在傳統人口學風險預測因素以外的關鍵行為特征。例如，購買“加大碼服裝”“酒精”“打火機及吸煙配件”等商品與超重/肥胖風險顯著相關。這表明，日常消費行為背后可能隱藏著重要的健康線索。

疾病發展有“軌跡”：CKM疾病互為上下游

第二項研究《基于人群時序疾病軌跡分析的慢性病風險預測》則從宏觀醫療數據入手，研究團隊與山東省衛健委及北方健康醫療大數據公司合作，分析了2016年至2024年間中國北方地區3738萬名患者的2.07億條診療記錄，構建了包含351種慢性疾病和8672條關聯路徑的“時序共病網絡”。

研究發現，心血管－腎臟－代謝（CKM）疾病在疾病發展軌跡中占據核心地位。例如，高血壓患者未來最常見的20種共病中，超過一半屬于CKM疾病，包括慢性缺血性心臟病（47.79%）、腦梗死（43.34%）、E11 2型糖尿病（29.88%）等。同樣，糖尿病、腦梗死、心力衰竭等CKM疾病也高度互為“上游”或“下游”。

研究團隊通過蒙特卡洛模擬技術，可預測個體從當前疾病出發，未來可能發展的慢性病路徑。這一成果有望幫助醫生提前識別高風險患者，進行早期干預，阻斷疾病進展鏈條。

據了解，本次研究團隊使用的所有賬戶均完全匿名化，所有數據均在高度安全的環境下儲存與脫敏使用。同時，研究團隊也指出，這些預測結果仍需通過終身隨訪研究加以驗證，以確保其準確性和可靠性。

業內人士認為，這兩項最新研究為慢性病風險的預測提供了新的思路和方法，即通過利用電商行為數據和時序疾病軌跡分析，未來有望實現更精準的個人健康風險評估和公共衛生管理。

京東健康探索研究院（JDH XLab）相關負責人表示，未來，京東健康將繼續深化在慢性病預測和管理領域的研究，為推動全球健康事業的發展貢獻力量。同時，也呼吁社會各界共同關注慢性病問題，加強健康管理和預防工作，共同構建健康、和諧的社會環境。