港大张清鹏团队 Nature 子刊研究：AI结合血液多组学预测心血管疾病风险

心血管疾病预防中，早期准确评估个体未来多种疾病风险一直是个难题。传统方法依赖年龄、血压等临床指标或多基因风险评分，但这些单一指标难以全面反映复杂的心血管风险。香港大学张清鹏团队基于 UK Biobank 数据，结合人工智能与血液多组学信息，开发了一种新方法，可提前 15 年预测心血管疾病风险。

研究团队提出了 CardiOmicScore 框架，利用血液中的 2,920 种蛋白质和 168 种代谢物，分别生成基于蛋白组的 ProScore 和基于代谢组的 MetScore。这两种评分能够同时评估多种心血管疾病风险，捕捉疾病的共性和差异。验证结果显示，ProScore 的预测能力（C-index 0.69-0.82）优于多基因评分（C-index 0.52-0.60），接近常用临床模型；MetScore 略弱于 ProScore，但仍具优势。

加入多组学信息后，模型预测效果显著提升，尤其在蛋白组评分中表现突出。这些分子信号反映了传统检查难以捕捉的风险，为精准医学提供了新方向。研究还通过 SHAP 方法解析了关键分子特征，如 NT-proBNP、GDF15 等，揭示了潜在的新生物标志物。

研究依托 UK Biobank 队列，覆盖约 22 万名参与者，随访时间长达 15 年，确保了数据的可靠性和长期性。这一框架不仅提升了风险预测准确性，还为未来整合影像、心电图等多模态数据奠定了基础，推动心血管疾病一级预防和个性化医疗的发展。

论文发表于《Nature Communications》，通讯作者为张清鹏和刘彤。