《Current Heart Failure Reports》：Personalized Remote Patient Management in Heart Failure
编辑推荐：
综述目的：植入式肺动脉压（PAP）监测为即将发生的心力衰竭（HF）恶化提供了早期预警窗口。随机试验表明，PAP指导的管理可显著减少HF住院，但尽管近年来HF药物治疗取得重大进展，仍存在大量残余风险。研究人员回顾了PAP指导的远程患者管理的经验教训，并探讨人工智
综述目的：植入式肺动脉压（PAP）监测为即将发生的心力衰竭（HF）恶化提供了早期预警窗口。随机试验表明，PAP指导的管理可显著减少HF住院，但尽管近年来HF药物治疗取得重大进展，仍存在大量残余风险。研究人员回顾了PAP指导的远程患者管理的经验教训，并探讨人工智能（AI）如何支持在以患者为中心的适应性照护循环中进行更个体化的适应证评估和多模态纵向监测，以进一步改善临床结局。
近期发现：HF日益被认识为一种全身性疾病，在不同HF表型中表现为多种心脏和非心脏合并症。CHAMPION、GUIDE-HF和MONITOR-HF试验未系统地将合并症相关风险纳入患者选择，而PAP指导的治疗主要侧重于利尿剂调整，监测策略也未根据个体疾病轨迹进行调整。
总结：AI可帮助整合多维表型分析以在植入前评估个体风险和预期获益，利用全面的纵向监测数据支持个体化、可操作的临床决策，并根据疾病轨迹动态调整监测强度。这可能改善临床结局、减轻医疗专业人员工作负担、提升患者体验和治疗依从性，并提高成本效益。
植入式血流动力学监测：既往经验教训
CHAMPION试验在十多年前已证实PAP指导的管理可降低高危人群的HF住院率，GUIDE-HF和MONITOR-HF试验进一步将证据扩展到更广泛的HF谱系和不同的药物治疗时代。三项试验的荟萃分析显示，总HF住院率约降低30%，但全因死亡率未显著下降。不过，一项纳入CHAMPION、GUIDE-HF和LAPTOP-HF的HF伴射血分数降低患者个体层面荟萃分析显示，HF住院和全因死亡率均降低，且住院获益出现较早，生存获益则在监测一年后才显现。基于上述试验，无线PAP监测在2026年ESC HF指南中获得了IIa类、B1级推荐，用于减少经选择的症状性患者的HF住院。然而，过去十多年来，患者选择和PAP指导管理的策略几乎没有改变：适应证仍依赖试验衍生标准，如功能分级、既往HF住院和/或利钠肽升高；治疗决策主要依据PAP变化，其中利尿剂调整最为常见。PAP的绝对水平及其纵向变化均与后续HF住院和死亡风险独立相关，但即使HF药物治疗显著进步，仍存在大量残余发病率和死亡率。延迟出现的生存获益提示，可能需要长期血流动力学稳定才能转化为持续的预后改善，且取决于疾病阶段和竞争风险。此外，既往CIED监测经验表明，有效的远程管理不仅依赖检测恶化，还需将复杂监测数据及时转化为临床行动，而这需要密集的专业人员工作流程；AI可能有助于对此进行优化，但其效率需前瞻性评估而非预先假定。
超越传统适应证评估：谁从植入式监测中获益最多？
现有选择标准虽能识别临床结局风险较高的患者，但符合相同标准的个体在HF表型、合并症谱、疾病轨迹及PAP指导管理的预期获益方面可能差异很大。因此，综合表型分析应整合血流动力学和心脏功能，以及症状轨迹、生命体征、实验室生物标志物、合并症负担、利尿剂反应性和基础治疗耐受性、人口学和衰弱特征、心理社会因素及健康和数字素养等，这些均与远程管理成功相关。这种植入前多维评估可更准确地估计个体可达获益，包括预防HF住院、优化治疗、改善生活质量和潜在生存获益，并为植入前及围植入期照护提供个性化信息。延迟生存获益的现象有助于理解疾病阶段和合并症负担为何重要：在晚期HF中，极高事件风险可能与有限的可修饰性并存，血流动力学恶化和住院的预防未必显著改变短期预后；而在较不晚期阶段，持续的血流动力学稳定和预防反复恶化可能促进心脏逆向重构和全身恢复，长期来看可能改变疾病轨迹。AI可分析多维度植入前、围植入期及纵向数据，识别传统风险评估可能遗漏的非线性关系和交互作用，从而从单纯依靠既定试验入选标准转向识别最有可能从血流动力学监测指导的整体管理中获益的个体，同时确保决策的公平性和以患者为中心。建立稳健模型需生成整合上述特征与纵向血流动力学、治疗调整、依从性和临床结局的代表性数据集，并进行前瞻性验证。
构建以患者为中心的适应性照护循环
用于植入适应证评估的多维患者特征同样可指导植入后监测和治疗。监测强度无需恒定：长期临床和血流动力学稳定可允许降低监测频率，而轨迹变化则触发临时加强监测和更频繁评估。最近基于个体层面汇总数据的分析显示，PAP绝对水平和纵向变化均与后续HF住院和死亡风险相关，进一步支持PAP轨迹的预后意义。AI可通过整合PAP轨迹与其他纵向临床信息，根据可能的临床相关性对变化进行优先级排序，并在患者临床状态演变时识别需要调整的阈值或监测强度，从而支持个体化监测。临床责任仍应由医护人员承担，由其监督拟议的调整，并作为患者沟通和实施变化的主要伙伴。数字应用应逐步让患者和家属参与临床稳定性监测，将患者报告信息与血流动力学监测整合，并将相关变化转达远程照护团队。以此方式，监测可根据个体需求和疾病轨迹动态调整，提升患者满意度并可能提高成本效益。PAP变化不仅应触发自动利尿剂升级，还需识别潜在原因，如感染、新发心房颤动、肾功能恶化、体力活动改变、贫血和/或铁缺乏、阻塞性肺病、治疗或依从性变化、饮食改变或心功能恶化，从而采取更具针对性的应对措施，包括适时优化疾病修正治疗。适应性照护循环因此将监测与解读、潜在病因识别与处理、治疗反应再评估以及监测和治疗的后续调整联系起来。患者参与是该循环的核心环节，个体化信息、教育和反馈可改善疾病理解、增强自我管理和责任感，并支持共同决策和治疗依从性。AI支持的工具可根据患者偏好、能力和变化的临床需求个性化沟通与支持，新兴的智能体AI方法（agentic AI）有望通过将多模态信息转化为个体化监测与治疗支持，并以适应患者健康素养和偏好语言的方式加以沟通。
AI支持照护的公平可及性
实施AI支持的远程照护必须减少而非强化医疗系统层面和个体层面的现有差异。数字可及性、健康素养和数字素养、社会经济资源、语言、认知或身体限制、家庭或照护者支持等均可能影响患者参与远程管理的能力。同时需确保AI应用不会通过不具代表性的开发数据集或不同患者群体间的差异性能而固化现有差异。公平实施需要可及的技术和基础设施、患者激活与教育、适应需求的支持，以及包括非数字选项在内的差异化替代照护路径，以覆盖无法或不愿数字化参与的患者。医疗系统应致力于逐步缩小数字鸿沟，其核心目标是实现“在正确的时间点为正确的患者公平提供正确的技术和照护”。
展望
随着植入式血流动力学监测指导的远程患者管理进入报销性常规照护，需前瞻性评估更个体化的AI支持策略能否进一步改善临床结局、工作流程效率、患者体验、安全性、公平性和成本效益。正在进行的PASSPORT-HF试验可能为此提供重要证据。这项由G-BA委托的多中心试验在德国医疗系统内将559例主要为NYHA III级HF患者随机分配至PAP指导的远程照护联合强化常规照护组或单纯强化常规照护组。与既往大多数PAP指导HF管理试验不同，该试验进行了广泛的系列患者表型分析，涵盖心脏结构和功能、临床和实验室特征、合并症、心理健康及其他患者报告结局、依从性和卫生经济学指标。这一综合数据集可能有助于明确这些因素如何与患者风险和临床结局相关，从而为未来AI支持的个体化获益评估模型及以患者为中心的适应性照护循环提供依据。
