在心血管疾病防控领域，港大张清鹏团队近日取得里程碑式突破。这项基于UK Biobank的50万人前瞻性队列研究，通过构建CardiOmicScore人工智能模型，成功实现对冠心病、心力衰竭等六种心血管疾病的15年超早期风险预测。研究突破性地整合蛋白质组与代谢组数据，为传统临床评估体系注入分子层面的动态视角。
多组学融合破解预测困局
当前心血管风险评估主要依赖年龄、血压等传统指标，多基因风险评分虽能揭示遗传易感性，却难以反映动态生理变化。张清鹏团队创新性地引入2920种循环蛋白和168种代谢物作为生物标记物，构建出ProScore和MetScore双评分系统。在2.4万人独立验证队列中，ProScore对房颤的C-index达到0.82，较传统临床模型提升17%；MetScore对心衰的预测效能达0.71，超越多基因评分32%。
研究采用分阶段建模策略：
- 在19万人蛋白组数据集训练ProNet模型
- 在22万人代谢组数据集优化MetNet算法
- 通过SHAP值分析建立可解释性框架
- 最终在2.4万独立队列验证预测效能
分子特征揭示病理新机制
模型解析发现，传统标志物NT-proBNP和NPPB仍占据核心地位，但GDF15（生长分化因子15）和MMP12（基质金属蛋白酶12）等新型分子表现出更强的预测能力。代谢组分析显示，谷氨酰胺水平每升高1个标准差，心血管事件风险降低18%；而特定脂肪酸比例异常则预示3年内心衰风险倍增。
研究揭示三大分子规律：
- 炎症相关蛋白FASLG与动脉粥样硬化呈剂量效应
- 神经丝蛋白NEFL水平异常预示心源性猝死风险
- 糖蛋白乙酰基（GlycA）浓度反映慢性炎症负荷
临床应用的三大突破
该模型在真实世界应用中展现显著优势：
- 风险分层能力：高ProScore人群15年内心血管事件发生率达34%，显著高于低风险组的6%
- 动态监测价值：连续两次检测ProScore升高预示风险加速增长
- 决策支持效能：在模拟临床场景中，模型指导的干预策略使过度治疗率降低40%
研究团队特别强调，多组学评分不是替代传统评估，而是提供分子层面的补充信息。当与临床指标联合使用时，模型的净重分类改善指数（NRI）达0.41，显著提升风险预测的临床实用性。
精准预防的未来路径
这项研究为心血管疾病防控带来范式转变：
- 筛查模式革新：单次血液检测可评估六种疾病风险
- 干预窗口前移：15年预警窗口为生活方式干预创造黄金期
- 个性化管理：根据分子特征制定靶向干预方案
当前模型已实现90%的预测校准度，但研究团队指出，整合影像组学和可穿戴设备数据将进一步提升预测效能。随着多模态数据的持续积累，心血管疾病预防正在迈入真正的精准医学时代。
