深度解析医学证据，lxfs.net为你支撑决策

心血管疾病(Cardiovascular Disease, CVD)是全球死亡和疾病负担的主要原因之一，而衰老通过促进心血管系统结构重塑和功能衰退，在CVD发生发展过程中发挥着关键作用。近年来，随着人工智能技术的快速发展以及无创影像、医学信号等多模态数据的广泛应用，为多维度精准刻画心血管系统的生物学衰老过程提供了重要技术支撑。然而，当前心血管衰老的评估方法仍主要依赖于单一生物标志物或局限于特定器官层面的指标，且个体间心血管衰老差异背后的遗传基础、其对健康结局的影响以及潜在可干预风险因素仍有待进一步解析。

近日，浙江大学李文渊研究员团队与东北师范大学、清华大学等机构合作在Journal of Cardiovascular Magnetic Resonance上发表了题为“Integrating Multimodal Data and Genomics for a Comprehensive Assessment of Cardiovascular Aging and Its Impact”的研究论文。该研究整合心脏磁共振影像表型、心电图参数、颈动脉超声及动脉僵硬度指标等多模态生物标志物，系统刻画了结构重构、功能退化、血管壁重塑及电生理改变等心血管衰老维度的累积效应，并进一步揭示了其遗传基础、生活方式影响因素及疾病预后关联，为健康老龄化及精准预防提供了新的理论支撑。 

本研究基于英国生物银行(UK Biobank) 22,452名参与者的完整多模态数据表型，通过系统评估7种机器学习模型，以最优模型计算心血管年龄差(CardioAG)，作为心血管衰老程度的量化指标。Cox比例风险模型分析结果显示，CardioAG与高血压、卒中、房颤、冠心病及复合主要不良心血管事件发生风险显著相关，CardioAG每增加一年，其风险增加6%-9%。多模态整合的增量与消融分析进一步证实，各影像和功能模态表型间具有互补性，联合应用可显著提升预测精度，并提供独立于传统风险因素的预后价值。此外，研究通过大规模全基因组测序(WGS)数据开展了覆盖常见变异和罕见变异的全面分析，识别出此前未报道的CardioAG相关常见变异(RN7SKP155、SVIL、CBFA2T3)，揭示了血管重塑、电生理与血流动力学调节及心血管功能储备具有明确的遗传基础。同时，研究发现膳食结构、睡眠时长、体力活动水平、吸烟及饮酒等生活方式因素均与CardioAG呈显著关联。本研究首次构建了多模态系统级心血管衰老表型，将结构、功能与血管维度融合为统一的衰老累积信号，并从遗传基础、疾病风险及可干预生活方式等多重维度拓展了对心血管衰老及其健康后果的理解，为其早期预防和个体化干预提供了理论依据与潜在靶点。 

原文链接：

https://www.sciencedirect.com/science/article/pii/S1097664726001018

上一篇： 血压高了却没感觉？静音模式的高血压更危险

下一篇： ESC 2026丨SHASTA3/4抢先...