先看重點
一個解讀常規心電圖的AI模型(AIRE-HTN)在波士頓醫院佇列(訓練集189 539名患者)和英國生物樣本庫中,預測新發高血壓的C指數均為0.70(兩者的95%置信區間均為0.69~0.71)。C指數0.70屬於中等區分度,且兩個佇列都不能代表普通族群,因此它是研究工具,而不是篩查檢查。
證據類型
世代研究
解讀依據
公開摘要
閱讀重點
關聯與混雜
研究在問什麼
高血壓導致大量疾病和死亡,早期的生活方式介入和治療有效,所以如果能提前發現誰會發生高血壓,就可能更早開展預防。作者構建了AI心電圖風險評估器AIRE-HTN,用於預測新發高血壓,並按相關併發症風險給族群分層。
研究對象與方法
這是一項開發並進行外部驗證的預後佇列研究。模型採用帶離散時間生存損失函式的殘差卷積神經網路,使用波士頓Beth Israel Deaconess醫療中心(BIDMC)2014至2023年的189 539名患者的1 163 401份心電圖訓練(平均年齡57.7歲,標準差18.7;女性98 747人[52.1%])。BIDMC測試集有19 423名患者;外部驗證採用英國生物樣本庫參與者的65 610份心電圖(平均年齡65.4歲,標準差7.9;女性33 785人[51.5%]),其中35 806人用於評估新發高血壓。
主要發現
以下為作者報告的結果。數值須連同族群和不確定性一起閱讀。
- 1AIRE-HTN預測新發高血壓的C指數在BIDMC為0.70(95%置信區間0.69~0.71;6446例事件,佔33%),在英國生物樣本庫同為0.70(95%置信區間0.69~0.71;1532例事件,佔4%)。
- 2在沒有左心室肥厚者和心電圖正常者中,表現依然保持(C指數0.67~0.72)。
- 3它能在現有臨床危險因素之外提供額外預測價值(連續淨重新分類指數:BIDMC為0.44,95%置信區間0.33~0.53;英國生物樣本庫為0.32,95%置信區間0.23~0.37)。
- 4該評分是心血管死亡的獨立預測因素(每增加一個標準差,風險比2.24,95%置信區間1.67~3.00),並在傳統危險因素之外為心力衰竭(風險比2.60)、心肌梗死(風險比3.13)、缺血性中風(風險比1.23)和慢性腎臟病(風險比1.89)提供風險分層。
限制與不確定性
- 1C指數0.70意味著區分誰會發生高血壓的能力屬於中等,摘要也沒有報告校準度,以及會漏診或誤判多少人。
- 2模型開發族群來自二級醫療機構,這些人做心電圖本就有原因;英國生物樣本庫則是志願者佇列,兩者都不能代表普通族群。
- 3兩個佇列的事件率差別很大(BIDMC為33%,英國生物樣本庫為4%),反映了族群和追蹤的不同,數字不能直接比較。
- 4以上解讀僅基於摘要。
日常健康啟示
該模型提示,常規12導聯心電圖中藏有關於未來血壓問題的資訊,將來或許可用於更有針對性的預防。目前它還不是面向消費者的檢查,評分高低也不意味著你一定會或不會發生高血壓。血壓相關問題請諮詢醫師。
如何連結自己的資料
該模型讀取的是臨床心電圖,而不是智慧手錶的心電描記。與個人更相關的是用經過驗證的上臂血壓計測量血壓:在每天同一時間、靜坐休息後測量,比較數週的平均值,而不是單次讀數。
如何理解這類證據
暴露先於追蹤期間的結果,仍可能存在混淆和反向因果。風險比不是個人絕對風險,也不等於已證明的介入效果。
作者的結構化摘要 English
以下英文摘要依所記錄的開放授權轉載,屬於作者原始材料,並非 MoveVitals 解讀。上方已提供研究解讀,分別說明作者結果與本站解釋;重要結論可直接查核原文。
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.
來源與署名
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 · 所記錄的開放授權: cc by ↗摘要著作權歸原作者,依來源紀錄的開放授權轉載。中文譯文協助閱讀,英文摘要供查核術語及具體數值;本站的方法學解釋與作者結論分別呈現。
MoveVitals 編輯解讀 · 健康教育內容 · 未記錄個人臨床審閱
來源查核日期 2026-11-01
實用健康指南
放在一起讀
晝夜活動節律紊亂與更高的死亡風險相關(109,365人)
在7項觀察性研究、共109,365名參與者中,晝夜活動對比較弱(相對振幅較低)與更高的心血管死亡風險(風險比[HR]1.50,95%置信區間1.13至1.98)和全因死亡風險(HR 1.46,95%置信區間1.27至1.68)相關。證據基礎小,又是觀察性的,不能說明改善節律就能降低風險,疾病本身也可能擾亂節律。
Journal of the American Heart Association
五類運動都降低了靜息血壓,等長訓練降幅最大
彙總270項隨機試驗、共15,827名參與者的結果,有氧、抗阻、聯合、間歇和等長訓練與無介入對照組相比都降低了靜息血壓(各P<0.001),其中等長訓練降幅最大:收縮壓下降8.24 mm Hg,舒張壓下降4.00 mm Hg。各方式之間的排序部分來自間接比較,各試驗也不盡相同,所以排序不是個人的運動處方。
British Journal of Sports Medicine
鹽替代品使中國農村高危族群的中風、主要心血管事件和死亡率下降
在中國農村600個村莊、20,995名有中風史或年齡在60歲及以上且有高血壓的人中,使用鹽替代品(氯化鈉75%、氯化鉀25%)的中風發生率低於普通鹽:平均追蹤4.74年,每1000人年29.14次對33.65次(率比0.86,95%置信區間0.77至0.96;P=0.006)。死亡也更低(率比0.88),嚴重高鉀血癥事件沒有顯著增多,但試驗為開放標籤設計,且在中國農村開展。
The New England Journal of Medicine
智慧手錶脈搏不規則提醒較少見,做貼片檢查者34%確有房顫
在419,297名沒有已知心房顫動(房顫)的蘋果手錶使用者中,0.52%收到脈搏不規則提醒;返還可用心電貼片的450人中,34%確認有房顫(97.5%置信區間29至39)。提醒發出時恰有貼片記錄的,通知的陽性預測值為0.84(95%置信區間0.76至0.92),但收到提醒者中僅20.8%返還了貼片,沒有收到提醒的人未被監測,所以手錶沒有提醒並不能排除房顫。
The New England Journal of Medicine

