综述：癌症治疗相关心脏毒性的风险分层与预测：现有工具、局限性及新兴方法综述

《Cancers》：Beyond Risk Scores: Current and Emerging Strategies for Cardiotoxicity Risk Prediction in Cardio-Oncology

　　**简要摘要**心脏毒性是现代癌症治疗的主要并发症之一，可能对癌症患者的长期预后产生重大影响。在治疗前和治疗过程中识别心血管风险较高的个体，对于指导监测和预防策略至关重要。目前已开发出多种风险评估和预测方法，范围从基于共识的临床框架到统计推导的方法，再到纳入影像学、生物标志物和人工智能（AI）等更先进的技术工具。然而，这些方法在不同患者群体中的表现和适用性存在差异。本综述总结了现有的风险分层工具，指出了其局限性，并讨论了可能改善肿瘤学中心脏毒性个性化预测的新兴方法。**摘要****背景：** 心脏毒性仍然是当代癌症治疗的主要局限性，影响癌症幸存者的发病率和长期预后。早期识别心血管风险增加的患者对于指导监测和预防策略至关重要。**方法与结果：** 我们对目前可用于癌症治疗相关心脏毒性的风险评估和预测方法进行了叙述性综述，包括基于共识的框架、统计推导的预测模型以及新兴的基于机器学习的方法。广泛使用的工具，如HFA-ICOS（心力衰竭协会-国际心脏肿瘤学学会）风险评估框架，为基线风险分层提供了一种实用且标准化的方法，并在临床实践中得到越来越多的应用。然而，这些工具在不同研究中的区分性能表现不一，其在多种肿瘤患者群体中的适用性可能有限。主要挑战包括心脏毒性定义的异质性、外部验证不足以及动态参数整合不完全。总体而言，主要基于临床变量的模型预测准确性仅为中等水平，在接受蒽环类药物治疗的患者的表现尤为如此。**结论：** 目前的风险分层策略为临床决策提供了有用的基础，但在完全捕获个体风险方面仍存在局限性。未来的方法应将临床变量与循环生物标志物、先进影像学技术和人工智能相结合，以实现心脏肿瘤学领域更加动态和个性化的风险预测。