随着人口老龄化进程加速，多种慢性疾病同时或相继发生（multimorbidity）越来越普遍，共病的预防和管理已成为重要的健康挑战。与仅患单一疾病相比，多病共存人群往往面临更高的死亡风险和更复杂的临床管理问题。在众多慢性疾病中，心血管代谢疾病（包括心血管疾病和2型糖尿病）与癌症是造成死亡的两类主要疾病，且二者在发生发展过程中可能相互影响，并共享衰老、肥胖和慢性炎症等风险因素。然而，关于这两类疾病如何在时间维度上相互演变、不同发病顺序是否影响预后，以及是否能够提前识别共病高风险人群，仍缺乏系统研究。

近日，上海交通大学公共卫生学院钟文泽/杜喜浩课题组联合丽水市人民医院曾春来教授团队在国际综合性期刊Nature Communications发表题为“Multiomics insight into disease trajectories of cardiometabolic diseases and cancer”的研究成果，系统描绘了心血管代谢疾病与癌症的共病发生进展轨迹、死亡风险及其组学特征。

本研究基于 UK Biobank数据库，共纳入 429,555 名基线无心血管代谢疾病和癌症的参与者，随访中位时间约为15 年。研究采用多状态模型（multi-state model），刻画个体从健康状态向以下不同状态的转变过程：仅心血管代谢疾病、仅癌症、心血管代谢疾病与癌症共存以及死亡。同时，研究整合了基因组、代谢组和蛋白质组数据，系统分析不同疾病转变阶段对应的多组学特征，并基于机器学习方法构建预测模型。

在随访期间，约 15,000 名参与者发生心血管代谢疾病与癌症的共病。与健康人群相比，共病者的死亡风险升高 28%–33%；即便与仅患单一疾病的人群相比，其死亡风险仍增加 11%–23%，平均生存时间缩短约 2–5 年。在共病人群中，疾病发生顺序对预后具有重要影响：先发生心血管代谢疾病、后发生癌症的人群，其死亡风险明显高于先癌症、后心血管代谢疾病的人群，这一差异在恶性程度较高的癌症或严重心血管代谢疾病亚组中尤为突出，提示疾病发生顺序本身即是重要的预后信息。

多组学分析进一步揭示了疾病转变过程中的分子基础。结果显示，遗传风险评分主要与疾病发生倾向相关，而代谢组特征在不同疾病阶段之间具有较高的共享性；相比之下，蛋白质组特征在不同疾病转变阶段表现出更强的特异性。值得注意的是，多条炎症相关通路（如 NF-κB、IL-17 和 PI3K-Akt）在从单一疾病向多病共存及死亡的转变过程中持续激活，提示慢性炎症可能是连接心血管代谢疾病与癌症共病的重要生物学机制。

在此基础上，研究进一步基于多组学特征构建了疾病轨迹的预测模型。结果显示，与基因组和代谢组相比，蛋白质组评分在预测多病共存及死亡风险方面表现最好，在 10–15 年的预测窗口内，蛋白质组模型的 C-statistic 提升幅度可达 0.03–0.14。在同时具备三种组学数据的人群中，蛋白质组模型的预测性能与多组学联合模型相当，且显著优于传统临床模型。

本研究系统刻画了心血管代谢疾病与癌症共病的发生进展模式及其预后差异，揭示了不同疾病发生顺序对死亡风险的影响。在老龄化背景下，单一疾病研究已难以满足慢病防控的现实需求。本研究表明，整合蛋白质组等多组学信息能够更早、更精准地识别未来发生共病和死亡的高风险人群，为疾病的前瞻性风险分层、精准干预及长期健康管理提供重要的科学依据。

本论文第一作者为上海交通大学公共卫生学院2025级博士生姜璇玮和2023级直博生杨广睿，通讯作者为上海交通大学公共卫生学院钟文泽研究员，丽水市人民医院曾春来教授，和上海交通大学公共卫生学院杜喜浩副研究员。本研究得到国家重点研发计划、国家自然科学基金、浙江省公益技术研究计划项目、丽水学院医学院联合创新与开放基金以及上海市高水平地方高校创新研究团队项目的资助。