牛津大学研究人员研发出一款人工智能（AI）工具，有望帮助医生更清晰地掌握高血压对不同人群各器官造成的损伤差异，该成果或为未来个体化治疗奠定基础。6月21日，该研究发表于《循环》。

论文配图。图源：《循环》

研究团队开发了一套人工智能评分体系，命名为“HyperScore”，用于在严重心血管事件发生前，评估高血压对全身多器官造成的损伤程度。

研究人员发现，人群中高血压相关病变可划分为六种截然不同的发展轨迹，即“高血压损伤轨迹”，不同人群主要损伤部位各有侧重，分别集中于心脏、大脑、血管、肾脏或代谢系统。

临床诊疗目前仅重点关注血压数值，而该研究整合数百项检测指标，全面描绘高血压带来的多器官损伤，涵盖心脏、大脑、肾脏、血管、肺部、肝脏及各项代谢指标。

研究证实，即便仅依靠血压数值无法区分患病风险，HyperScore评分更高的人群，日后发生心血管疾病的概率也显著更高。

这项研究证实，借助先进机器学习技术整合多器官系统数据具备重要价值。

论文第一作者、牛津大学拉德克利夫医学系博士Mohanad Alkhodari称：“高血压对每个人的影响存在巨大个体差异。部分人群仅轻度血压升高，就会出现心脏、大脑、肾脏重度损伤；另有部分人群长期患有高血压，脏器却未出现明显病变。我们的研究表明，人工智能技术有望打破仅依靠血压数值治疗高血压的固有模式，实现对疾病全身影响的个体化精准评估。”

研究人员运用机器学习算法，分析英国生物样本库超27000名受试者的影像及临床数据，并在美国社区动脉粥样硬化风险研究的5500名受试者数据中完成外部验证。

研究团队表示，该技术未来可尽早筛查出卒中、心衰、肾病高风险人群，也能助力研发全新个体化治疗方案。但研究人员同时提醒，该技术尚处于研发早期阶段，暂无法投入常规临床诊疗。

论文通讯作者、牛津大学拉德克利夫医学系教授Paul Leeson表示：“本研究证实，人工智能结合多器官影像，能够清晰揭示高血压不易察觉的全身损伤，以及损伤模式的个体差异。我们的研究证明，这类计算模型可识别出仅靠血压测量无法发现的脏器损伤特征。”

研究同时发现，磁共振影像检出的脑部病变，是提示高血压脏器损伤最有力的指标之一。

论文共同第一作者、牛津大学拉德克利夫医学系博士Winok Lapidaire称：“越来越多证据表明，高血压早在相关症状出现前就已损伤大脑，本研究进一步佐证了这一点。我们初步研究显示，心电图、常规体检等简易临床检测，未来或可替代复杂影像检查，实现同类风险评估。”

相关论文信息：https://doi.org/10.1161/CIRCULATIONAHA.125.077394