管好高血壓，更“聰明”的方法不來試試嗎？
隨著人口結(jié)構(gòu)老齡化，以及生活方式、飲食結(jié)構(gòu)等因素的變化，我國的高血壓患病率逐年增加?？刂聘哐獕?、預(yù)防和治療并發(fā)癥已成為亟待解決的重大公共衛(wèi)生問題。
隨著移動智能終端應(yīng)用程序、電子化病歷系統(tǒng)等在臨床中的應(yīng)用，大數(shù)據(jù)和人工智能（AI）技術(shù)在高血壓和心血管疾病診治方面的應(yīng)用日益受到關(guān)注。
利用AI核心技術(shù)?為研究帶來新思路 高血壓的研究和診療工作面臨著諸多困難。近年來，基因測序、可穿戴設(shè)備等技術(shù)的進步和普及，使得大量特征數(shù)據(jù)產(chǎn)生，對傳統(tǒng)的統(tǒng)計學(xué)分析方法提出了挑戰(zhàn)。近年來，以機器學(xué)習(xí)為代表的人工智能技術(shù)在高血壓等心血管疾病領(lǐng)域取得了令人矚目的進展。 機器學(xué)習(xí)（ML）是AI的核心技術(shù)，通過研究訓(xùn)練數(shù)據(jù)集中給定變量之間的機制和關(guān)聯(lián)進行預(yù)測性分析。而深度學(xué)習(xí)（DL）是一類特殊的機器學(xué)習(xí)方法，利用多層神經(jīng)網(wǎng)絡(luò)算法模擬人腦進行模式識別，對于大量的語音和圖像分析數(shù)據(jù)具有較強的處理能力。 以機器學(xué)習(xí)為代表的AI技術(shù)能夠建立更加精準(zhǔn)的模型，來預(yù)測高血壓的發(fā)病、終點事件、治療反應(yīng)等，指導(dǎo)患者的危險分層和個體化管理。同時，AI能夠在傳統(tǒng)心血管危險因素的基礎(chǔ)上，整合多組學(xué)、社會經(jīng)濟、行為和環(huán)境因素等多種變量，發(fā)掘新的危險因素、臨床表型或干預(yù)靶點，為發(fā)展個體化醫(yī)療提供重要工具。 隨著電子病歷系統(tǒng)、心電圖、心血管影像（如心臟計算機斷層掃描、磁共振成像和超聲心動圖等）和可穿戴技術(shù)的發(fā)展，大量圖像數(shù)據(jù)和實時連續(xù)數(shù)據(jù)不斷積累，應(yīng)用DL技術(shù)分析大量數(shù)據(jù)，可以預(yù)測不良結(jié)果、識別隱藏表型，在心血管病精準(zhǔn)醫(yī)學(xué)領(lǐng)域具有廣闊的應(yīng)用前景。 大數(shù)據(jù)分析“添翼”?高血壓診斷獲突破 隨著可穿戴設(shè)備的成本降低和廣泛應(yīng)用，無袖帶血壓測量技術(shù)因為能進行連續(xù)、實時的血壓測量而受到關(guān)注。 現(xiàn)有研究證實，應(yīng)用機器學(xué)習(xí)算法，納入人口學(xué)指標(biāo)（年齡、體重、體重指數(shù)）、心電信號等變量，可根據(jù)光電容積脈搏波信號（PPG）對血壓進行較為準(zhǔn)確的預(yù)測。通過智能手機或智能手表等便攜式移動設(shè)備收集PPG信號，并與AI算法結(jié)合，可便捷監(jiān)測血壓。 近年來，隨著24小時動態(tài)血壓和診室外血壓在高血壓診治中的地位不斷提高，經(jīng)AI技術(shù)優(yōu)化的可穿戴設(shè)備，有望通過靈活便捷的測量方式，提高隱匿性高血壓的診斷率。 高血壓診斷中的一個重要環(huán)節(jié)是根據(jù)心血管疾病風(fēng)險對患者進行分層。現(xiàn)有的高血壓指南推薦，根據(jù)經(jīng)典的心血管危險因素和心血管風(fēng)險預(yù)測模型進行風(fēng)險計算。由于預(yù)測精度有限，上述模型對于年輕高血壓患者等特殊人群往往不適用，而利用傳統(tǒng)的統(tǒng)計學(xué)方法重新建模也較為困難。 已有研究提示，相比傳統(tǒng)統(tǒng)計學(xué)方法，應(yīng)用機器學(xué)習(xí)算法能夠識別并納入新的因子，以提高對高血壓終點事件的預(yù)測精度。此外，在年輕高血壓等極端人群中也能取得較好的預(yù)測效果，為高血壓預(yù)后建模提供新的方法。 AI還可以針對治療依從性、降壓治療效果等進行建模和預(yù)測。應(yīng)用機器學(xué)習(xí)算法開發(fā)的風(fēng)險預(yù)測模型，可根據(jù)電子病歷系統(tǒng)提供的人口學(xué)數(shù)據(jù)、體重指數(shù)、血壓、合并癥和常規(guī)實驗室化驗結(jié)果，預(yù)測高血壓患者血壓控制不佳的風(fēng)險和發(fā)生時間。 助力高血壓防治?AI技術(shù)未來可期 AI在高血壓領(lǐng)域的研究目前仍處于早期探索階段。機器學(xué)習(xí)、深度學(xué)習(xí)等算法通過分析多模態(tài)的大數(shù)據(jù)資料，如人口學(xué)、行為學(xué)數(shù)據(jù)，生命體征，傳統(tǒng)的心血管風(fēng)險因素，心血管影像，環(huán)境和社會經(jīng)濟因素等，將有助于發(fā)現(xiàn)與高血壓發(fā)生和病理生理過程相關(guān)的新危險因素和作用機制。 在健康人群中，發(fā)現(xiàn)篩選高血壓患病風(fēng)險高的患者、針對相應(yīng)的危險因素個體化干預(yù)，有可能從根本上預(yù)防心血管疾病。 對于高血壓患者，通過整合可穿戴設(shè)備、醫(yī)療大數(shù)據(jù)等技術(shù)，將有助于提高血壓測量便捷性，有助于高血壓的早期診斷。通過整合各類預(yù)后和療效相關(guān)的變量，重新分析既往的大型臨床試驗數(shù)據(jù)，對高血壓患者進行表型聚類和危險分層，可針對性地制定干預(yù)方案和目標(biāo)血壓。 結(jié)合智能醫(yī)療平臺提高患者知曉率、自我監(jiān)控、健康行為和治療依從性，有望實現(xiàn)對高血壓及心血管疾病全生命周期、個體化的預(yù)防和控制。 在未來，進一步推進AI在高血壓診療中的應(yīng)用，建立標(biāo)準(zhǔn)化、多模態(tài)、大數(shù)據(jù)的電子數(shù)據(jù)庫將是AI研究的必要基礎(chǔ)。此外，由于AI以提高預(yù)測精度為目標(biāo)，需要進行充分、大規(guī)模的外部數(shù)據(jù)驗證，通過更多的臨床試驗，評估AI技術(shù)指導(dǎo)下的高血壓診斷和治療方案的可行性及臨床獲益。
打印本文
關(guān)閉窗口