AI解锁心血管疾病早筛新范式 港大团队研发多组学预测工具

近日，香港大学医学院和数据科学研究院张清鹏教授团队的一项重磅研究为全球心血管疾病防治带来突破性进展。该团队自主研发的CardiOmicScore深度学习框架，通过整合基因组、代谢组及蛋白质组等多组学数据，成功实现对冠心病、中风、心力衰竭等六种主要心血管疾病的精准预测，相关成果已发表于国际权威期刊《自然·通讯》，标志着人工智能在精准医疗领域的应用迈入全新阶段。

心血管疾病常年占据全球死亡原因首位，其隐匿的发病机制、复杂的致病因素，让传统风险评估手段难以应对。此前，临床常用的年龄、血压等基础指标，既无法精准识别潜在高危人群，更难以捕捉疾病早期的分子层面动态变化，往往导致患者确诊时已错过最佳治疗窗口。而随着大规模人群队列建设与高通量分子检测技术的成熟，利用AI破解多组学数据“密码”，成为精准医疗领域的核心突破口。

针对这一临床痛点，张清鹏教授团队创新性地构建了多任务深度学习架构，开发出MetNet与ProNet双模型系统。实现对冠心病、中风、心力衰竭、房颤、外周动脉疾病及静脉血栓六种高发心血管疾病的同步监测与风险量化。研究数据显示该框架在疾病确诊前十余年即可捕捉到关键风险信号。生成的蛋白组风险评分（ProScore）和代谢组风险评分（MetScore），其预测效能远超传统遗传风险评分，充分印证了血液中蛋白质和代谢物水平在反映心血管生理演变中的核心作用。

研究框架

更值得关注的是，研究团队通过可解释人工智能技术，成功解码了模型的决策逻辑，识别出NT－proBNP、GDF15及多种脂肪酸等关键生物标志物。这些发现不仅为深入剖析心血管疾病的发病机制提供了重要科学依据，更为开发新型干预药物与治疗方案指明了方向，实现了“精准预测”与“机制探索”的双重突破。

目前，该模型已在英国生物样本库的大规模人群队列中完成验证，并正式上线演示平台。这意味着，未来通过单次血液检测，普通民众即可获得个性化的心血管疾病风险评估，医生则能依据检测结果制定靶向干预策略，真正实现“早发现、早干预、早治疗”的健康管理新模式。

张清鹏教授与博士生罗颜

“这项技术突破不仅让心血管疾病的早期筛查更精准、更高效，更有望打破优质医疗资源分布不均的壁垒，让基层群众也能享受到前沿科技带来的健康保障。”业内专家表示，CardiOmicScore框架的落地应用，将推动精准医疗从科研实验室走向临床一线，为构建全民健康防护网注入科技动能，预示着个性化健康管理新时代的到来。（香港大学医学院）

查看网址

分享到：