先看重点
一个解读常规心电图的AI模型(AIRE-HTN)在波士顿医院队列(训练集189 539名患者)和英国生物样本库中,预测新发高血压的C指数均为0.70(两者的95%置信区间均为0.69~0.71)。C指数0.70属于中等区分度,且两个队列都不能代表普通人群,因此它是研究工具,而不是筛查检查。
证据类型
队列研究
解读依据
公开摘要
阅读重点
关联与混杂
研究在问什么
高血压导致大量疾病和死亡,早期的生活方式干预和治疗有效,所以如果能提前发现谁会发生高血压,就可能更早开展预防。作者构建了AI心电图风险评估器AIRE-HTN,用于预测新发高血压,并按相关并发症风险给人群分层。
研究了谁,如何研究
这是一项开发并进行外部验证的预后队列研究。模型采用带离散时间生存损失函数的残差卷积神经网络,使用波士顿Beth Israel Deaconess医疗中心(BIDMC)2014至2023年的189 539名患者的1 163 401份心电图训练(平均年龄57.7岁,标准差18.7;女性98 747人[52.1%])。BIDMC测试集有19 423名患者;外部验证采用英国生物样本库参与者的65 610份心电图(平均年龄65.4岁,标准差7.9;女性33 785人[51.5%]),其中35 806人用于评估新发高血压。
主要发现
以下为作者报告的结果。数字须连同人群和不确定性一起阅读。
- 1AIRE-HTN预测新发高血压的C指数在BIDMC为0.70(95%置信区间0.69~0.71;6446例事件,占33%),在英国生物样本库同为0.70(95%置信区间0.69~0.71;1532例事件,占4%)。
- 2在没有左心室肥厚者和心电图正常者中,表现依然保持(C指数0.67~0.72)。
- 3它能在现有临床危险因素之外提供额外预测价值(连续净重新分类指数:BIDMC为0.44,95%置信区间0.33~0.53;英国生物样本库为0.32,95%置信区间0.23~0.37)。
- 4该评分是心血管死亡的独立预测因素(每增加一个标准差,风险比2.24,95%置信区间1.67~3.00),并在传统危险因素之外为心力衰竭(风险比2.60)、心肌梗死(风险比3.13)、缺血性卒中(风险比1.23)和慢性肾脏病(风险比1.89)提供风险分层。
局限与不确定性
- 1C指数0.70意味着区分谁会发生高血压的能力属于中等,摘要也没有报告校准度,以及会漏诊或误判多少人。
- 2模型开发人群来自二级医疗机构,这些人做心电图本就有原因;英国生物样本库则是志愿者队列,两者都不能代表普通人群。
- 3两个队列的事件率差别很大(BIDMC为33%,英国生物样本库为4%),反映了人群和随访的不同,数字不能直接比较。
- 4以上解读仅基于摘要。
对日常健康的启示
该模型提示,常规12导联心电图中藏有关于未来血压问题的信息,将来或许可用于更有针对性的预防。目前它还不是面向消费者的检查,评分高低也不意味着你一定会或不会发生高血压。血压相关问题请咨询医生。
如何联系自己的数据
该模型读取的是临床心电图,而不是智能手表的心电描记。与个人更相关的是用经过验证的上臂血压计测量血压:在每天同一时间、静坐休息后测量,比较数周的平均值,而不是单次读数。
如何理解这类证据
暴露先于随访结局,仍可能存在混杂和反向因果。危险比不是个人绝对风险,也不等于已证明的干预效果。
作者的结构化摘要 English
以下英文摘要按记录的开放许可转载,属于作者原始材料,不是 MoveVitals 的解读。上方已提供研究解读,分别说明作者结果与本站解释;重要结论可直接核对原文。
Importance
Hypertension underpins significant global morbidity and mortality. Early lifestyle intervention and treatment are effective in reducing adverse outcomes. Artificial intelligence-enhanced electrocardiography (AI-ECG) has been shown to identify a broad spectrum of subclinical disease and may be useful for predicting incident hypertension.
Objective
To develop an AI-ECG risk estimator (AIRE) to predict incident hypertension (AIRE-HTN) and stratify risk for hypertension-associated adverse outcomes.
Design, setting, and participants
This was a development and external validation prognostic cohort study conducted at Beth Israel Deaconess Medical Center (BIDMC) in Boston, Massachusetts, a secondary care setting. External validation was conducted in the UK Biobank (UKB), a UK-based volunteer cohort. AIRE-HTN was trained and tested to predict incident hypertension using routinely collected ECGs from patients at BIDMC between 2014 and 2023. The algorithm was then evaluated to risk stratify patients for hypertension- associated adverse outcomes and externally validated on UKB data between 2014 and 2022 for both incident hypertension and risk stratification.
Main outcomes and measures
AIRE-HTN, which uses a residual convolutional neural network architecture with a discrete-time survival loss function, was trained to predict incident hypertension.
Results
AIRE-HTN was trained on 1 163 401 ECGs from 189 539 patients (mean [SD] age, 57.7 [18.7] years; 98 747 female [52.1%]) at BIDMC. A total of 19 423 BIDMC patients composed the test set and were evaluated for incident hypertension. From the UKB, AIRE-HTN was tested on 65 610 ECGs from same number of participants (mean [SD] age, 65.4 [7.9] years; 33 785 female [51.5%]). A total of 35 806 UKB patients were evaluated for incident hypertension. AIRE-HTN predicted incident hypertension (BIDMC: n = 6446 [33%] events; C index, 0.70; 95% CI, 0.69-0.71; UKB: n = 1532 [4%] events; C index, 0.70; 95% CI, 0.69-0.71). Performance was maintained in individuals without left ventricular hypertrophy and those with normal ECGs (C indices, 0.67-0.72). AIRE-HTN was significantly additive to existing clinical risk factors in predicting incident hypertension (continuous net reclassification index, BIDMC: 0.44; 95% CI, 0.33-0.53; UKB: 0.32; 95% CI, 0.23-0.37). In adjusted Cox models, AIRE-HTN score was an independent predictor of cardiovascular death (hazard ratio [HR] per standard deviation, 2.24; 95% CI, 1.67-3.00) and stratified risk for heart failure (HR, 2.60; 95% CI, 2.22-3.04), myocardial infarction (HR, 3.13; 95% CI, 2.55-3.83), ischemic stroke (HR, 1.23; 95% CI, 1.11-1.37), and chronic kidney disease (HR, 1.89; 95% CI, 1.68-2.12), beyond traditional risk factors.
Conclusions and relevance
Results suggest that AIRE-HTN, an AI-ECG model, can predict incident hypertension and identify patients at risk of hypertension-related adverse events, beyond conventional clinical risk factors.
来源与署名
Artificial Intelligence-Enhanced Electrocardiography for Prediction of Incident Hypertension.
Sau A, Barker J, Pastika L, Sieliwonczyk E, Patlatzoglou K, McGurk KA, Peters NS, O'Regan DP, Ware JS, Kramer DB, Waks JW, Ng FS.
JAMA cardiology · 2025-03-01
DOI: 10.1001/jamacardio.2024.4796 ↗PubMed · 39745684 ↗Europe PMC · 记录的开放许可: cc by ↗摘要版权归原作者,依据来源记录的开放许可转载。中文译文辅助阅读,英文摘要用于核对术语与具体数值;本站的方法学解释与作者结论分别呈现。
MoveVitals 编辑解读 · 健康教育内容 · 未记录个人临床审阅
来源核验日期 2026-11-01
实用健康指南
放在一起读
昼夜活动节律紊乱与更高的死亡风险相关(109,365人)
在7项观察性研究、共109,365名参与者中,昼夜活动对比较弱(相对振幅较低)与更高的心血管死亡风险(风险比[HR]1.50,95%置信区间1.13至1.98)和全因死亡风险(HR 1.46,95%置信区间1.27至1.68)相关。证据基础小,又是观察性的,不能说明改善节律就能降低风险,疾病本身也可能扰乱节律。
Journal of the American Heart Association
五类运动都降低了静息血压,等长训练降幅最大
汇总270项随机试验、共15,827名参与者的结果,有氧、抗阻、联合、间歇和等长训练与无干预对照组相比都降低了静息血压(各P<0.001),其中等长训练降幅最大:收缩压下降8.24 mm Hg,舒张压下降4.00 mm Hg。各方式之间的排序部分来自间接比较,各试验也不尽相同,所以排序不是个人的运动处方。
British Journal of Sports Medicine
盐替代品使中国农村高危人群的卒中、主要心血管事件和死亡率下降
在中国农村600个村庄、20,995名有卒中史或年龄在60岁及以上且有高血压的人中,使用盐替代品(氯化钠75%、氯化钾25%)的卒中发生率低于普通盐:平均随访4.74年,每1000人年29.14次对33.65次(率比0.86,95%置信区间0.77至0.96;P=0.006)。死亡也更低(率比0.88),严重高钾血症事件没有显著增多,但试验为开放标签设计,且在中国农村开展。
The New England Journal of Medicine
智能手表脉搏不规则提醒较少见,做贴片检查者34%确有房颤
在419,297名没有已知心房颤动(房颤)的苹果手表用户中,0.52%收到脉搏不规则提醒;返还可用心电贴片的450人中,34%确认有房颤(97.5%置信区间29至39)。提醒发出时恰有贴片记录的,通知的阳性预测值为0.84(95%置信区间0.76至0.92),但收到提醒者中仅20.8%返还了贴片,没有收到提醒的人未被监测,所以手表没有提醒并不能排除房颤。
The New England Journal of Medicine

