北京
2026 年 07 月 09 日，《European Heart Journal》(IF=45.3)發表了一篇模型開發與驗證研究，該研究使用來自中國心血管代謝疾病和癌癥隊列及外部驗證隊列的數據，評估了基于Transformer的深度學習模型在中國成年人中預測10年心血管疾病(CVD)風險的性能。研究發現，China-AIHeart模型在區分度、校準度和凈臨床獲益方面均優于傳統Cox模型及現有風險評分，為中國成年人的風險分層提供了實用工具。原文鏈接：https://pubmed.ncbi.nlm.nih.gov/42425502/研究方法
推導隊列包括來自中國心血管代謝疾病和癌癥隊列的156790名無心血管疾病(CVD)參與者，34.6%為男性；平均年齡為56.7±8.9歲。在兩個獨立的中國隊列(新疆隊列和中國健康與養老追蹤調查[CHARLS])中進行了外部驗證。
開發基于Transformer的生存時間預測模型，包括全模型(22個預測因子)和簡化模型(15個預測因子)。
使用相同預測因子的Cox模型和既定風險評分對性能進行了比較：中國動脈粥樣硬化性心血管疾病風險預測模型[China-PAR]、預防動脈粥樣硬化性心血管疾病風險評分[PREVENT-ASCVD]和SCORE2亞太方程。
研究結果
China-AIHeart在預測心血管疾病風險方面顯示出良好的區分度（男性C統計量0.767[95% CI 0.754-0.779]；女性0.780 [0.769-0.791] )、校準度（男性χ214.806 ；女性9.326；Brier 評分：男性0.104；女性0.077）和凈臨床獲益。
各分層中預測事件率與觀察風險密切匹配。與具有相同預測因子的Cox比例風險模型相比，China-AIHeart顯示出改進的區分度 (男性ΔC 統計量0.027 [0.025-0.028]；女性0.031[0.029-0.033]) 和重新分類 (男性凈重新分類指數0.478 [0.466-0.492]；女性0.560 [0.551-0.572])，且優于China-PAR、PREVENT-ASCVD和 SCORE2 亞太方程。
外部驗證顯示出穩健的性能，新疆隊列中完整模型和簡化模型的 C 統計量分別為0.781/0.825 (男性/女性) 和0.748/0.820，CHARLS 隊列中簡化模型的 C 統計量為0.740/0.771。
研究結論
基于 Transformer 的China-AIHeart預測了 10 年心血管疾病風險，且優于傳統Cox比例風險模型，為中國成年人的風險分層提供了一種實用工具。
參考文獻：Cao Q, Xu X, Lin H, Yin Y, Wu S, Li M, et al. Transformer-based models for predicting cardiovascular risk in Chinese adults: development and validation. European Heart Journal. 2026 Jul 09. doi: 10.1093/eurheartj/ehag517
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
