隨著人口結(jié)構(gòu)老齡化,，以及生活方式,、飲食結(jié)構(gòu)等因素的變化，我國的高血壓患病率逐年增加,。控制高血壓,、預(yù)防和治療并發(fā)癥已成為亟待解決的重大公共衛(wèi)生問題,。
隨著移動智能終端應(yīng)用程序、電子化病歷系統(tǒng)等在臨床中的應(yīng)用,，大數(shù)據(jù)和人工智能（AI）技術(shù)在高血壓和心血管疾病診治方面的應(yīng)用日益受到關(guān)注,。
利用AI核心技術(shù) 為研究帶來新思路
高血壓的研究和診療工作面臨著諸多困難。近年來,，基因測序,、可穿戴設(shè)備等技術(shù)的進(jìn)步和普及，使得大量特征數(shù)據(jù)產(chǎn)生,，對傳統(tǒng)的統(tǒng)計學(xué)分析方法提出了挑戰(zhàn),。近年來，以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)在高血壓等心血管疾病領(lǐng)域取得了令人矚目的進(jìn)展,。
機(jī)器學(xué)習(xí)（ML）是AI的核心技術(shù),，通過研究訓(xùn)練數(shù)據(jù)集中給定變量之間的機(jī)制和關(guān)聯(lián)進(jìn)行預(yù)測性分析。而深度學(xué)習(xí)（DL）是一類特殊的機(jī)器學(xué)習(xí)方法，利用多層神經(jīng)網(wǎng)絡(luò)算法模擬人腦進(jìn)行模式識別,，對于大量的語音和圖像分析數(shù)據(jù)具有較強(qiáng)的處理能力,。
以機(jī)器學(xué)習(xí)為代表的AI技術(shù)能夠建立更加精準(zhǔn)的模型，來預(yù)測高血壓的發(fā)病,、終點事件,、治療反應(yīng)等，指導(dǎo)患者的危險分層和個體化管理,。同時,，AI能夠在傳統(tǒng)心血管危險因素的基礎(chǔ)上，整合多組學(xué),、社會經(jīng)濟(jì),、行為和環(huán)境因素等多種變量，發(fā)掘新的危險因素,、臨床表型或干預(yù)靶點,，為發(fā)展個體化醫(yī)療提供重要工具。
隨著電子病歷系統(tǒng),、心電圖,、心血管影像（如心臟計算機(jī)斷層掃描、磁共振成像和超聲心動圖等）和可穿戴技術(shù)的發(fā)展,，大量圖像數(shù)據(jù)和實時連續(xù)數(shù)據(jù)不斷積累,，應(yīng)用DL技術(shù)分析大量數(shù)據(jù)，可以預(yù)測不良結(jié)果,、識別隱藏表型,，在心血管病精準(zhǔn)醫(yī)學(xué)領(lǐng)域具有廣闊的應(yīng)用前景。
大數(shù)據(jù)分析“添翼” 高血壓診斷獲突破
隨著可穿戴設(shè)備的成本降低和廣泛應(yīng)用,，無袖帶血壓測量技術(shù)因為能進(jìn)行連續(xù),、實時的血壓測量而受到關(guān)注。
現(xiàn)有研究證實,，應(yīng)用機(jī)器學(xué)習(xí)算法,，納入人口學(xué)指標(biāo)（年齡、體重,、體重指數(shù)）,、心電信號等變量，可根據(jù)光電容積脈搏波信號（PPG）對血壓進(jìn)行較為準(zhǔn)確的預(yù)測,。通過智能手機(jī)或智能手表等便攜式移動設(shè)備收集PPG信號,，并與AI算法結(jié)合，可便捷監(jiān)測血壓,。
近年來,，隨著24小時動態(tài)血壓和診室外血壓在高血壓診治中的地位不斷提高,，經(jīng)AI技術(shù)優(yōu)化的可穿戴設(shè)備，有望通過靈活便捷的測量方式,，提高隱匿性高血壓的診斷率,。
高血壓診斷中的一個重要環(huán)節(jié)是根據(jù)心血管疾病風(fēng)險對患者進(jìn)行分層。現(xiàn)有的高血壓指南推薦,，根據(jù)經(jīng)典的心血管危險因素和心血管風(fēng)險預(yù)測模型進(jìn)行風(fēng)險計算,。由于預(yù)測精度有限，上述模型對于年輕高血壓患者等特殊人群往往不適用,，而利用傳統(tǒng)的統(tǒng)計學(xué)方法重新建模也較為困難,。
已有研究提示，相比傳統(tǒng)統(tǒng)計學(xué)方法,，應(yīng)用機(jī)器學(xué)習(xí)算法能夠識別并納入新的因子,，以提高對高血壓終點事件的預(yù)測精度。此外,，在年輕高血壓等極端人群中也能取得較好的預(yù)測效果,，為高血壓預(yù)后建模提供新的方法。
AI還可以針對治療依從性,、降壓治療效果等進(jìn)行建模和預(yù)測,。應(yīng)用機(jī)器學(xué)習(xí)算法開發(fā)的風(fēng)險預(yù)測模型，可根據(jù)電子病歷系統(tǒng)提供的人口學(xué)數(shù)據(jù),、體重指數(shù),、血壓、合并癥和常規(guī)實驗室化驗結(jié)果,，預(yù)測高血壓患者血壓控制不佳的風(fēng)險和發(fā)生時間,。
助力高血壓防治 AI技術(shù)未來可期
AI在高血壓領(lǐng)域的研究目前仍處于早期探索階段。機(jī)器學(xué)習(xí),、深度學(xué)習(xí)等算法通過分析多模態(tài)的大數(shù)據(jù)資料,，如人口學(xué)、行為學(xué)數(shù)據(jù),，生命體征，傳統(tǒng)的心血管風(fēng)險因素,，心血管影像,，環(huán)境和社會經(jīng)濟(jì)因素等，將有助于發(fā)現(xiàn)與高血壓發(fā)生和病理生理過程相關(guān)的新危險因素和作用機(jī)制,。
在健康人群中,，發(fā)現(xiàn)篩選高血壓患病風(fēng)險高的患者、針對相應(yīng)的危險因素個體化干預(yù),，有可能從根本上預(yù)防心血管疾病,。
對于高血壓患者,，通過整合可穿戴設(shè)備、醫(yī)療大數(shù)據(jù)等技術(shù),，將有助于提高血壓測量便捷性,，有助于高血壓的早期診斷。通過整合各類預(yù)后和療效相關(guān)的變量,，重新分析既往的大型臨床試驗數(shù)據(jù),，對高血壓患者進(jìn)行表型聚類和危險分層，可針對性地制定干預(yù)方案和目標(biāo)血壓,。
結(jié)合智能醫(yī)療平臺提高患者知曉率,、自我監(jiān)控、健康行為和治療依從性,，有望實現(xiàn)對高血壓及心血管疾病全生命周期,、個體化的預(yù)防和控制。
在未來,，進(jìn)一步推進(jìn)AI在高血壓診療中的應(yīng)用,，建立標(biāo)準(zhǔn)化、多模態(tài),、大數(shù)據(jù)的電子數(shù)據(jù)庫將是AI研究的必要基礎(chǔ),。此外，由于AI以提高預(yù)測精度為目標(biāo),，需要進(jìn)行充分,、大規(guī)模的外部數(shù)據(jù)驗證，通過更多的臨床試驗,，評估AI技術(shù)指導(dǎo)下的高血壓診斷和治療方案的可行性及臨床獲益,。