心血管疾病特异性衰弱指数(FICVD)的机器学习构建及临床应用：基于英国生物银行队列的精准风险评估模型

为解决心血管疾病(CVD)风险评估中衰弱指标缺乏特异性的问题，研究人员基于英国生物银行366,622人队列，采用弹性网络回归算法开发了CVD特异性衰弱指数(FICVD)。研究发现：FICVD较传统FI具有更高预测效能(10年CVD的AUC=0.649 vs 0.605)，与多基因风险评分(PRS)联用可使高危人群CVD风险提升2.84倍(95%CI:2.79-2.96)，为精准预防提供新工具。

　　

这项开创性研究通过挖掘英国生物银行(UK Biobank)大型队列数据，运用机器学习中的弹性网络回归(elastic net regression)技术，成功打造了心血管疾病专属的衰弱指数(FI_CVD)。与传统衰弱指数(FI)相比，这个"智能版"评估工具不仅精简了健康指标数量，更在36万余人队列中展现出惊艳的预测能力——就像给心血管风险装了高精度雷达，10年预测曲线下面积(AUC)飙升至0.649，显著优于传统方法的0.605。

研究团队巧妙地将FI_CVD与多基因风险评分(PRS)组成"双保险"预警系统。当遗传风险与衰弱指数双双亮起红灯时，受试者心血管事件风险会像坐火箭般蹿升2.84倍，这种"基因+表型"的双维度评估，让高危人群无所遁形。

这项研究最酷的突破在于：首次证明量身定制的疾病特异性衰弱指数，比"一刀切"的通用评估更能捕捉心血管系统的健康密码。就像为不同病症定制专属钥匙，FI_CVD这把钥匙能精准打开心血管风险的黑匣子，为临床医生提供个性化的干预路标。从预防医学角度看，这种融合人工智能与基因组学的评估框架，或将改写心血管疾病的早期防控格局。