人工智能心电图衍生年龄与心血管事件及死亡风险的关联：一项系统性评价与荟萃分析

心血管健康评估新突破：研究人员通过系统性评价和荟萃分析，探究AI-ECG衍生年龄（HDA）与心血管风险因素及预后的关联。研究发现高血压（HTN）、糖尿病（DM）和心力衰竭（HF）是HDA升高的主要驱动因素，而HDA每增加10年，全因死亡风险显著提升（HR=1.75）。该研究为AI辅助心血管风险分层提供了循证依据，发表于《npj Digital Medicine》。

　　

心血管疾病是全球死亡的主要原因，但传统风险评估工具如Framingham评分依赖静态临床指标，难以捕捉动态病理变化。近年来，人工智能（AI）通过分析心电图（ECG）信号估算“心脏生物年龄”（AI-ECG age）及其与实际年龄的差值——心脏Delta年龄（Heart Delta Age, HDA），成为预测心血管事件的新兴指标。然而，HDA的驱动因素及其临床价值缺乏系统整合。为此，国际团队在《npj Digital Medicine》发表研究，首次通过系统性评价和荟萃分析揭示HDA与心血管风险的明确关联。

研究团队检索了PubMed、Embase等数据库至2024年9月，纳入17项采用深度学习（如卷积神经网络）估算HDA的原创研究，涵盖超50万例患者。通过随机/固定效应模型整合数据，结合STROBE标准评估研究质量。

高HDA的驱动因素
遗传变异（如LMNA基因突变）使HDA增加20年，而心电图异常（如房颤）和心脏MRI显示的左心室扩大可提升HDA 5年。代谢性疾病中，高血压（HTN）和糖尿病（DM）对HDA的影响最显著，收缩压每升高10 mmHg增加HDA 1.3年。心力衰竭（HF）患者HDA较健康人群高8年，吸烟和肥胖分别贡献3.2年和2.5年增量。

HDA的临床预测价值
荟萃分析显示，HDA>7年者发生心力衰竭（HR=2.79）、急性心梗（HR=1.76）的风险翻倍。全因死亡分析中，高HDA组死亡风险提升75%（HR=1.75），心血管死亡风险更高（HR=2.12）。值得注意的是，HDA对房颤的预测优于传统指标（HR=1.44）。

讨论与意义
该研究证实HDA是整合遗传、代谢和器质性心脏损害的“生物标志物复合体”。其优势在于通过廉价、非侵入的ECG实现风险量化，尤其适用于无症状人群筛查。局限性在于当前AI模型依赖欧美队列（如Mayo Clinic数据），需跨种族验证。未来方向包括开发可解释性AI算法解析ECG衰老特征（如P/T波低频成分），以及探索HDA指导精准干预的临床路径。

这项研究为心血管初级预防提供了新工具：将HDA嵌入常规心电图报告，可像“肺年龄”激励戒烟一样，推动患者参与健康管理。正如作者强调，HDA与表观遗传时钟（如DNA甲基化）的联合验证，将是下一代生物年龄研究的焦点。