生物行移动版

香港大学李嘉诚医学院的研究团队近日在《自然·医学》杂志上发表了一项里程碑式研究：他们开发出一种基于人工智能的血液检测方法，能够提前15年预测个体患心脏病的风险。这一技术通过分析血液中数百种蛋白质和代谢物的微小变化，结合机器学习算法，在传统风险因素（如胆固醇、血压、吸烟史）基础上，将预测准确性提升至85%以上。

突破传统风险预测的局限

传统的心脏病风险评估模型（如Framingham风险评分）主要依赖年龄、性别、血压、胆固醇水平等宏观指标，但这些指标往往无法捕捉早期、细微的病理生理变化。许多患者在发生心肌梗死或中风前，其传统风险指标可能仍在正常范围内。研究团队负责人、香港大学心血管医学教授刘建平指出：“我们需要的是一种能够‘看到’疾病早期分子信号的工具，而AI血液检测正好填补了这一空白。”该研究纳入了来自英国生物银行（UK Biobank）的41,000名参与者，平均随访时间达20年。研究人员在基线时采集了参与者的血液样本，并通过质谱技术分析了超过2,000种蛋白质和1,000种代谢物的水平。

AI如何“解码”血液中的风险信号

研究团队利用机器学习算法（包括随机森林和深度神经网络）对海量数据进行分析，最终筛选出27种蛋白质和12种代谢物作为核心预测标志物。这些分子涉及炎症反应、氧化应激、血管内皮功能、脂质代谢等多个关键通路。例如，其中一种名为“GDF-15”的蛋白质是细胞应激的标志物，其水平升高与心肌损伤密切相关；另一种代谢物“三甲胺N-氧化物”（TMAO）则与肠道菌群失调和动脉粥样硬化进展有关。AI模型通过分析这些标志物的组合模式，而非单一指标，从而实现了更高的预测精度。在验证队列中，该模型预测未来15年内发生主要心血管事件（包括心肌梗死、中风和心源性死亡）的曲线下面积（AUC）达到0.85，显著优于传统模型（AUC约0.70）。

从“治疗”到“预防”的范式转变

这项技术的最大价值在于其早期预警能力。研究共同作者、香港大学生物医学工程系王敏博士表示：“提前15年知道风险，意味着我们有足够的时间进行干预——调整生活方式、使用他汀类药物或降压药，甚至进行更精准的靶向治疗。”目前，研究团队正在开发一种基于指尖采血的便携式检测设备，预计在未来2-3年内进入临床试验。如果成功，这一技术将可能像血糖仪一样普及，使普通人在家中即可监测自己的心血管健康风险。然而，专家也提醒，该模型目前仍需在更多样化的人群（包括不同种族、社会经济背景）中进行验证，以确保其普适性。此外，如何将预测结果转化为有效的预防策略，避免过度医疗和焦虑，也是下一步需要解决的关键问题。