新的AI血液检测提前15年预测心脏病

据《科学日报》(ScienceDaily)网站2026年7月19日刊发来自我国香港大学(University of Hong Kong)提供的消息The University of Hong Kong. "New AI blood test predicts heart disease 15 years early." ScienceDaily, 19 July 2026. <www.sciencedaily.com/releases/2026/07/260716023603.htm)，一种新的人工智能血液检测可以为人们提供严重心脏和循环问题的早期预警。CardiOmicScore由香港大学的研究人员开发，分析了数千种蛋白质和代谢物，以估计六种主要心血管疾病的风险，包括心脏病发作、中风、心力衰竭和心房颤动。与终生固定的遗传风险评分不同，该系统捕捉到了与一个人当前的健康、生活方式和环境相关的生物变化。一次人工智能驱动的血液检测可以在症状出现前15年内揭示隐藏的心脏病风险。

香港大学LKS医学院（LKS Faculty of Medicine of the University of Hong Kong简称HKUMed) 的研究人员开发了一种人工智能工具，可以在症状出现多年前帮助预测严重的心血管问题。

该系统被称为CardiOmicScore，它使用来自一次血液测试的信息来估计一个人未来患六种主要心血管疾病（cardiovascular diseases简称CVDs）的风险：冠状动脉疾病、中风、心力衰竭、房颤、外周动脉疾病和静脉血栓栓塞。在高风险人群中，该模型能够在临床发病前15年检测到警告信号。相关研究结果已经在《自然-通讯》（Nature Communications）杂志发表——Yan Luo, Nan Zhang, Jiannan Yang, Mengyao Cui, Kelvin K. F. Tsoi, Gregory Y. H. Lip, Tong Liu, Qingpeng Zhang. AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease. Nature Communications, 2026; 17 (1) DOI: 10.1038/s41467-026-68956-6. http://dx.doi.org/10.1038/s41467-026-68956-6

捕捉当前健康状况的血液检测

心血管疾病仍然是全球死亡的主要原因，仅2022年就造成约1980万人死亡。

医生通常通过检查年龄、血压、吸烟史和其他标准临床测量等因素来评估心血管风险。这些指标是有用的，但它们可能无法揭示疾病显现之前体内发生的最早的生物变化。因此，在最佳预防机会开始缩小之前，一些人可能不会被确定为高风险人群。

基因风险测试提供了另一种方法来估计一个人患疾病的可能性。例如，多基因风险评分将许多遗传变异的影响结合到一个单一的遗传风险指标中。然而，一个人的基因组成在出生时基本上是固定的。这意味着遗传评分不能完全反映饮食、运动、衰老、疾病、环境暴露或其他健康影响引起的更直接的变化。CardiOmicScore旨在提供身体内部发生的最新情况。

人工智能结合了数千种生物信号

为了构建该工具，HKUMed团队使用深度学习来结合多层生物信息。这种方法被称为多组学(multiomics)，因为它汇集了来自不同生物学领域的数据，包括基因组学(genomics)、代谢组学(metabolomics)和蛋白质组学(proteomics)。

基因组学研究遗传信息。蛋白质组学侧重于蛋白质，蛋白质在体内执行许多基本功能。代谢组学研究称为代谢物的小分子，这些小分子是在身体处理食物、产生能量和对疾病做出反应时产生的。

研究人员分析了英国生物库(UK Biobank)的大规模人口数据。他们的模型检测了血液样本中测量的2920种循环蛋白和168种代谢物。这些分子可以共同提供一个人当前生物状态的详细快照。它们可能反映了在出现明显症状之前免疫活动、代谢和血管健康的微妙变化。

香港大学医学院药理学与药学系(Department of Pharmacology and Pharmacy at HKUMed)副教授张庆鹏(Zhang Qingpeng音译)教授解释说：“基因决定了我们的起点——它们定义了我们的基线健康风险。然而，蛋白质和代谢物反映了我们当前的身体健康状况。我们的人工智能工具旨在解码这些复杂的分子信号，使医生和患者能够更早地识别风险，这可能会通过及时调整生活方式和早期预防来改变疾病的发展轨迹。”

预测六种心血管疾病

结果表明，CardiOmicScore可以将复杂的分子测量转化为心血管风险的个性化估计。该系统的表现明显优于传统的多基因风险评分。当研究人员添加年龄和性别等临床信息时，其准确性进一步提高。

该模型旨在评估冠状动脉疾病、中风、心力衰竭、房颤、外周动脉疾病和静脉血栓栓塞的风险。

心房颤动是一种不规则的心跳，会增加中风和其他并发症的风险。当血管变窄导致四肢血液循环减少时，就会发生外周动脉疾病。静脉血栓栓塞是指在静脉中形成并可能进入肺部的危险血栓。

在高危人群中，CardiOmicScore可以在症状出现前15年内标记心血管风险升高。

从治疗转向早期预防

这项研究反映了精准医学的更广泛转变。传统的遗传方法对遗传风险提供了相对固定的估计。多组学工具可以通过跟踪随时间变化的生物信号来提供更动态的评估。

在未来，一个小的血液样本可能被用来同时创建涵盖几种心血管疾病的详细风险简介。这些信息可以让患者和医生有更多的时间来改变生活方式、进行更密切的监测或采取其他预防措施。

张庆鹏教授补充道：“我们的目标是利用技术在疾病发展之前识别和预防疾病。通过将健康管理从被动治疗转变为主动预测和干预，我们的目标就是为公共卫生和个人患者护理创造持久的影响。”

关于研究团队

该研究由香港大学医学院药理学与药学系副教授张庆鹏教授和香港大学同心基金数据科学研究院（HKU Musketeers Foundation Institute of Data Science 简称IDS）领导。第一作者是香港大学数据科学研究院（HKU IDS）的罗燕(Luo Yan音译)。

上述介绍仅供参考。欲了解更多信息敬请注意浏览原文或相关报道。

支持单位：