综述：采用预测性、预防性和个性化医学方法优化高血压管理

《EPMA Journal》：The use of predictive, preventive, and personalized medical approaches to optimize hypertension management

本综述系统阐述了预测性、预防性与个性化医学（3PM）在高血压管理中的应用，重点探讨了如何利用生物标志物、人工智能（AI）及数字健康技术实现风险分层、早期干预和个体化治疗，为克服传统“一刀切”模式局限性提供了新范式。

　　

背景

高血压作为心血管疾病的主要可改变危险因素，因其受到遗传、代谢及环境因素的综合影响而表现出显著的异质性。传统的“一刀切”管理模式已难以满足临床需求，这促使预测性、预防性和个性化医学（3PM）方法的应用成为必然。

研究目标

本综述旨在批判性地评估3PM在高血压领域的具体应用，重点关注如何借助生物标志物、人工智能（AI）以及数字健康技术，实现更精准的风险分层、更早期的干预以及更具针对性的治疗方案。

关键讨论

3PM框架的强大之处在于其整合了多种前沿技术。在风险预测和治疗反应评估方面，它利用人工智能（AI）驱动整合多组学数据、视网膜成像（如视觉Transformer模型，ViT）以及血流动力学图谱。在早期干预层面，遗传分析（例如MTHFR、UMOD基因变异）、尿液蛋白质组学（CKD273分类器）以及基于微生物组的营养指导发挥了关键作用。为实现个性化疗效，药物基因组学、数字表型分析（如智能手机指导的用药剂量调整）以及新型疗法（如阿普西坦（aprocitentan）和非奈利酮（finerenone））得到了深入探索。

具体研究发现令人鼓舞：在难治性高血压患者中，阿普西坦（aprocitentan）可使收缩压降低达-15.3 mmHg；基于UMOD基因指导使用托拉塞米（torasemide），可使携带特定基因变异的患者血压降低8.5 mmHg；而基于微生物组的营养干预，能使高血糖患者的收缩压下降14%。

然而，该领域的推广仍面临诸多挑战，包括生物标志物验证不足、AI算法的“黑箱”问题、高昂的成本、系统互操作性差距以及医疗可及性壁垒。

结论

3PM通过实现主动、个体化的高血压管理，正在引领该领域的变革。然而，要弥合转化医学的鸿沟并充分发挥个性化心脏病学的潜力， rigorous 的验证、可负担的诊断技术、实用的临床试验以及公平的医疗资源获取至关重要。