胰源性糖尿病是一种继发于胰腺外分泌疾病的特殊类型糖尿病。2020年，美国糖尿病学会（American Diabetes Association，ADA）在糖尿病分类及诊疗标准更新中正式提出胰腺外分泌糖尿病（diabetes of the exocrine pancreas，DEP）这一术语，突出强调了其来源于急慢性胰腺炎、胰腺切除术后、胰腺癌等外分泌腺疾病的特殊性 ^{［ 1 ］} 。胰腺炎后糖尿病（post-pancreatitis diabetes mellitus，PPDM）是DEP的主要亚型，约占80% ^{［ 2 ］} 。临床上又将PPDM细分为急性胰腺炎后糖尿病（post-acute pancreatitis diabetes mellitus，PPDM-A）和慢性胰腺炎后糖尿病（post-chronic pancreatitis diabetes mellitus，PPDM-C） ^{［ 3 ］} 。

目前研究结果显示，PPDM的患病率为30%~40%，且随病程延长而逐渐增加，其患病率已超越1型糖尿病（type 1 diabetes mellitus，T1DM），成为仅次于2型糖尿病（type 2 diabetes mellitus，T2DM）的第二大成人新发糖尿病类型 ^{［ 4 ］} 。胰腺炎后糖脂代谢紊乱，炎症因子激活，引起胰岛功能损伤，血糖异常升高。同时，高血糖症增加胰腺炎各种并发症的发生风险，给胰腺炎患者的生活质量和预期寿命带来巨大影响 ^{［ 2 ］} 。2022年ADA提出，即使胰腺炎仅发作一次，也可能导致PPDM的发生；一旦PPDM进展，其胰腺癌发病风险增加33倍 ^{［ 3 ］} 。因此，2024年ADA指南再次强调需关注PPDM的早期筛查 ^{［ 5 ］} 。

尽管近年来临床上对PPDM的重视程度有所提高，但目前仍缺乏规范有效的诊疗流程，漏诊率、误诊率高，仅有不足5%的患者能够被正确识别并分型 ^{［ 6 ］} 。明确PPDM的病理生理变化，寻找与其他类型糖尿病鉴别诊断的生物标志物，对于深入理解其发病机制和临床特征以及建立规范化诊疗流程具有重要意义。笔者围绕PPDM现有诊断方法、新型诊断标志物及诊断技术的研究进展作一综述，以期为PPDM的高危人群早期筛查预警和制定规范化诊断策略提供新的证据。

2013年，德国Ewald和Bretzel首次提出胰源性糖尿病的诊断标准 ^{［ 7 ］} ，即在世界卫生组织糖尿病诊断标准的基础上满足如下标准。主要标准（均需符合）包括：（1）胰腺外分泌功能不全；（2）影像学提示胰腺组织改变；（3）排除T1DM患者。次要标准包括：（1）β细胞功能受损；（2）无明显胰岛素抵抗；（3）肠促胰素分泌受损；（4）血清脂溶性维生素浓度降低。然而，该标准缺乏特异性且漏诊率较高，未被临床普遍接受 ^{［ 8 ］} 。胰腺外分泌功能不全是PPDM发展的危险因素，不应被视为决定性特征。轻症胰腺炎患者可能缺乏明显的影像学特征，但仍有发生PPDM的风险。

目前临床研究及实际工作中普遍采用2021年新西兰Petrov和Basina更新的诊断流程识别PPDM患者 ^{［ 9 ］} 。他们指出，胰腺外分泌功能不全或胰腺病理影像学证据并非诊断PPDM的必要条件，并提出在排除初发胰腺炎前已确诊的T1DM、T2DM、胰腺炎后妊娠期糖耐量异常、胰腺炎发作期及之后90 d内的应激性高血糖后，所有有胰腺炎病史且符合糖尿病诊断标准的成人患者均应怀疑PPDM（ 图1 ）。

但该诊断流程仍具有一定局限性，PPDM以餐后高血糖为主要临床特征，如采用空腹血糖（fasting plasma glucose，FPG）和糖化血红蛋白（glycated hemoglobin A _1c，HbA _1c）会严重低估其患病率。Meier和Giese ^{［ 10 ］} 发现，当β细胞面积减少64%时，可利用口服葡萄糖耐量试验（oral glucose tolerance test，OGTT）诊断糖尿病；而当β细胞面积损失89%，才可通过HbA _1c确诊，该研究显示了OGTT对PPDM的早期诊断效能。Duggan等 ^{［ 11 ］} 的研究也进一步验证了OGTT对PPDM的诊断优势。2024年ADA更新指南，建议急性胰腺炎及慢性胰腺炎患者定期进行OGTT筛查，优化PPDM诊断流程，以实现该疾病高风险人群的早期筛查诊断，降低漏诊率 ^{［ 5 ］} 。

更新后的诊断流程可以筛选出部分PPDM患者，但由于发病机制复杂、临床特征异质性大，难以与其他类型糖尿病相鉴别。因此，新型诊断标志物的开发对PPDM的精准诊断具有重要意义。

1.代谢组学：代谢组学是研究与表型直接相关的机体代谢状况的组学，正逐渐受到医学领域的广泛关注。其通过测定生物样品中多种小分子代谢产物的动态变化，为发现疾病相关生物标志物及指导临床诊疗管理提供有力证据。非靶向代谢组学探究发现，棕榈酰肉碱、胆红素、7α-羟基-3-氧-4-胆甾烯酸等5种差异表达的代谢物可区分PPDM-C和T2DM，AUC高达0.946 ^{［ 47 ］} 。本课题组前期也通过代谢组学研究发现，鞘氨醇、肉碱、胆汁酸和大多数脂质增加是PPDM的特征之一，进一步证实了脂质代谢在PPDM进展中的重要作用 ^{［ 48 ］} 。但目前代谢组学研究的预期结果很大程度上受实验设计的影响，样本提取、分离条件及质谱参数等方面的差异可能会造成误导性的统计结果。未来需要更多前瞻性多中心的队列，严格把控代谢组学的各个流程，筛选并鉴定PPDM的潜在生物标志物，为规范该类特殊群体的筛查诊断提供新证据。

2.影像组学：影像组学可以从影像图像中高通量地获取大量影像特征，应用计算机软件计算得出量化指标，建立相关模型，用于疾病的预测或诊断 ^{［ 49 ］} 。近年来，CPDPC联盟及急性胰腺炎1型糖尿病（type 1 diabetes in acute pancreatitis consortium，T1DAPC）联盟均提出通过影像学特征来识别PPDM高危个体 ^{［ 50 , 51 ］} 。2023年，杜青林等 ^{［ 52 ］} 通过MRI T ₂WI序列，利用影像组学构建了PPDM-A预测模型，AUC高达0.831（95%CI为0.750~0.912）。但此研究样本量较小，纳入影像学特征单一，模型敏感度欠佳，仅在初步研究阶段。后续需纳入大样本、多序列数据，进一步提高模型准确度。

3.人工智能（artificial intelligence，AI）：目前，AI和机器学习在医学领域迅猛发展。AI通过算法在大量数据中学习共同规律，发现潜在关系，从而建立疾病诊断模型。机器学习模型发现，胰腺炎后体内炎症因子升高的患者肠胰激素分泌明显改变，且与PPDM的发生发展相关 ^{［ 53 ］} 。本课题组前期也通过AI模型确立了9条临床信息预测PPDM-A的发生，AUC为0.819 ^{［ 54 ］} 。未来，可利用AI技术确定胰腺炎疾病严重程度与PPDM发生发展的关联，建立可靠的预测及诊断模型。

综上所述，PPDM与其他类型糖尿病在发病机制、临床特征等方面存在巨大差异，目前尚无统一的诊断标准。各种生物学标志物的研究结论尚不完全一致，诊断效能有待商榷。近年来国际上成立CPDPC联盟、T1DAPC联盟及代谢、营养和胰腺疾病的临床流行病学调查小组（clinical and epidemiological investigations in Metabolism，nutrition，and pancreatic diseases，COSMOS）等联盟，致力于开发新型生物学标志物，规范PPDM临床诊疗流程，撰写相关指南与专家共识，以建立PPDM早期预警策略。因此，助力新型生物标志物开发，特别是利用胰岛素抵抗和胰岛素分泌不足来区分PPDM与T2DM，明确胰多肽等肠胰激素对PPDM鉴别的贡献度尤为重要。此外，利用代谢组学、影像组学及AI等技术，整合临床信息、影像学资料及多组学层次的生命健康大数据建立诊断预测模型，也为PPDM规范化管理注入了新生机与活力。未来需要更多的循证医学研究证据，进一步阐明PPDM的始动和演进机制，探讨DEP发生发展过程中的关键分子表达变化，为制定规范化诊疗管理指南奠定基础。