编辑推荐：
冠心病（CAD）是美国主要死因，现有评估工具存在局限。研究人员开展了整合多基因风险评分（PRSs）的 CAD 风险预测研究，构建了跨族群综合风险评分（caIRS）模型。结果显示 caIRS 模型性能优异，能改善 CAD 风险评估，指导预防干预。
在全球范围内，心血管疾病一直是威胁人类健康的 “头号杀手”，冠心病（Coronary Artery Disease，CAD）更是其中的 “主力军”。在美国，CAD 是导致死亡的首要原因，大量 20 岁及以上的人群深受其害。目前，美国心脏病学会 / 美国心脏协会（ACC/AHA）推荐使用 Pooled Cohort Equations（PCE）模型来评估无症状成年人 10 年内首次发生动脉粥样硬化性心血管疾病（Atherosclerotic Cardiovascular Disease，ASCVD）的风险，并指导预防干预决策。然而，PCE 模型存在诸多缺陷，它仅纳入了有限的心血管风险因素，没有考虑家族病史和遗传风险，对种族的分类也过于简单，而且只关注 10 年风险，对 40 岁以下人群的评估作用有限。此外，PCE 模型在不同队列中的校准情况差异较大，这使得其预测准确性大打折扣。因此，寻找一种更精准、更具普适性的 CAD 风险预测方法迫在眉睫。
为了解决这些问题，来自 MyOme Inc、宾夕法尼亚大学等机构的研究人员开展了一项极具意义的研究。他们致力于构建一种跨族群综合风险评分（caIRS）模型，将多基因风险评分（Polygenic Risk Scores，PRSs）与传统临床风险因素相结合，以提高 CAD 风险预测的准确性和适用性。该研究成果发表在《npj Cardiovascular Health》杂志上，为心血管疾病的预防和治疗带来了新的希望。
在研究方法上，研究人员使用了多个队列的基因型和表型数据，包括英国生物银行（UKB）、多族裔动脉粥样硬化研究（MESA）、社区动脉粥样硬化风险研究（ARIC）等。首先对数据进行严格筛选，排除了基因型数据缺失、有相关致病基因变异以及服用降胆固醇药物等不符合条件的个体。接着，通过复杂的步骤进行基因型填补，依据遗传相似性划分个体的遗传祖先群体，并统一 CAD 的表型定义。随后，构建多基因风险评分模型，经过一系列优化和计算，得到 caPRS 和 caIRS。最后，利用独立的验证队列，从模型区分度、校准度和效应大小等方面评估模型性能。
研究结果主要体现在以下几个方面：
- caPRS 的预测能力：通过 Cox PH 模型评估，caPRS 与 10 年 CAD 发病率在所有 4 个验证队列中均有显著关联。不同族裔中，caPRS 的关联强度有所差异，在西班牙裔、东亚裔（亚裔美国人）和南亚裔个体中关联较强，在黑人 / 非裔美国人中相对较弱，但总体上都表明 caPRS 能有效预测 CAD 风险。在白人人群中，高 caPRS（前 20%）个体的 10 年 CAD 发病率明显高于平均和低 PRS 个体；在黑人 / 非裔美国人中也呈现类似趋势。
- caIRS 与 PCE 的比较：caIRS 模型在所有验证队列中均优于基线 PCE 模型。从 C 指数来看，caIRS 的区分度有明显提升；在使用 20% 作为高风险分类阈值时，caIRS 的敏感性、阳性预测值（PPV）和阴性预测值（NPV）均有所增加，净重新分类改善（NRI）值也显著为正，表明 caIRS 能更准确地识别高风险个体。在不同族裔亚组分析中，caIRS 在西班牙裔（PMBB）和南亚裔（UKB）个体中的表现提升最为显著。
- caIRS 对 CAD 风险分层的优化：对于 PCE 风险处于临界 / 中等（5 - 20%）的个体，caIRS 能进一步细化风险分层。高 caIRS（≥20%）组的 10 年 CAD 累积发病率明显高于其他组，在不同队列中都能观察到这种差异。以 PMBB 队列为例，高 caIRS 组的 10 年 CAD 累积发病率高达 36.8%，远高于其他组，且 caIRS 模型能识别出 PCE 单独评估时遗漏的病例。在黑人 / 非裔美国人群体中，caIRS 同样能有效重新分类临界 / 中等风险个体，被重新分类到高风险组的个体 CAD 风险显著升高。
研究结论和讨论部分表明，该研究成功构建并验证了 caIRS 模型，它能有效整合遗传和临床风险因素，显著提高不同族裔个体 CAD 风险预测的准确性。这一模型有助于更精准地识别 CAD 高风险个体，尤其是在传统风险评估工具中代表性不足的群体，如黑人 / 非裔美国人。通过早期干预，有望降低 CAD 的发病率和死亡率，改善患者的健康状况。然而，研究也存在一些局限性，如仅关注 CAD 结局，未评估 caIRS 在临床治疗决策中的作用，研究队列存在一定局限性等。尽管如此，该研究依然为心血管疾病的预防和个性化医疗提供了重要的理论依据和实践指导，未来需要在更大规模、更多样化的人群中进一步验证 caIRS 模型，并探索其在临床实践中的广泛应用，以实现心血管疾病的精准防控。
