综述：人工智能在高血压管理中的临床应用：现有证据与未来展望

《Herz》：Clinical applications of artificial intelligence in hypertension management: current evidence and future perspectives

　　

摘要

背景

在全球范围内，高血压依然是导致心血管疾病发生和死亡的主要可改变风险因素。尽管有指南指导下的治疗，但血压控制情况仍然不佳。随着数字健康数据及计算能力的快速发展，人工智能成为通过提升风险预测、特征分析以及个性化护理来改善高血压管理的有力工具。然而，外部验证、可解释性、实际应用以及临床效益等方面仍存在诸多未解决的难题。

方法

我们在PubMed/MEDLINE、Embase和Scopus上进行了系统性文献检索，并结合结构化叙述性综述，筛选了2015年1月至2025年12月间发表的相关研究。符合条件的研究主要探讨了人工智能在高血压领域的各种临床应用，包括筛查、诊断、心血管风险分层、治疗优化、临床决策支持以及远程监测等。由于研究设计、人工智能方法及结果呈现存在较大差异，因此对这些研究结果进行了定性综合分析。

结果

基于人工智能的模型在利用电子健康记录、可穿戴技术以及多模态临床数据集预测新发高血压和心血管风险方面表现良好。机器学习方法往往优于传统的风险预测模型，各项研究中报告的曲线下面积值通常在0.75到0.90之间。此外，人工智能支持的系统在个性化降压治疗、难治性高血压识别以及持续血压监测方面也展现出潜力。不过，目前大多数证据仍基于回顾性或内部验证的数据集，且仅有少数研究能够证明其具有强大的外部验证能力，或在心血管事件发生率或死亡率等关键临床指标上带来改善。

挑战

人工智能在实际应用中面临诸多障碍，包括数据异质性、算法偏差、可解释性不足、外部验证不够充分、基础设施与成本要求高、监管政策不明确，以及患者信任度和数据隐私方面的问题。此外，由于大规模前瞻性随机试验较为缺乏，支持人工智能广泛临床应用的依据也相对有限。

结论

人工智能有望通过实现更精准、更主动且个性化的护理，显著改变高血压的管理方式。不过，在实现其广泛临床应用之前，还需要进行严格的前瞻性验证，提高透明度，制定公平的实施策略，并确保其能够顺利融入临床工作流程。