港大张清鹏 Nature 子刊最新研究：AI 结合血液多组学，提前 15 年预测心血管疾病风险

在心血管疾病预防中，一个长期存在的难题是：许多疾病在发病前已在体内潜伏多年，但要在早期准确判断一个人未来是否会同时面临多种心血管疾病风险，并不容易。 以往的风险评估主要依赖年龄、血压、血脂等常规临床指标，或多基因遗传风险评分。然而心血管疾病往往是一个长期演变、可能同时出现多种结局的过程，单一指标或针对单一疾病的预测方式，很难全面反映真实风险。 随着大规模人群队列和高通量分子检测技术的发展，研究者发现血液中的蛋白质和代谢物能够更直接地反映身体当前的生理状态以及疾病进程。这些分子信号不仅受到遗传因素影响，也会随环境和生活方式变化，为长期风险评估提供了新的信息来源。 在此背景下，由香港大学数据科学研究院及药理与药剂学系副教授张清鹏领衔的研究团队，基于 UK Biobank 大规模前瞻性人群数据，开展了一项多组学信息与人工智能相结合的研究。 研究团队不再局限于“一病一模型”的思路，而是将蛋白组和代谢组信息纳入统一框架，同时评估多种心血管疾病的长期风险。相关成果以《AI-based multiomics profiling reveals complementary omics contributions to personalized prediction of cardiovascular disease 》为题发表于 Nature Communications，为心血管风险研究提供了一种更整体、也更贴近真实人群的研究路径。 论文地址：https://www.nature.com/articles/s41467-026-68956-6 用血液多组学信息，系统评估多种心血管疾病风险 这项研究的核心发现是：在传统临床指标的基础上，引入血液多组学信息，可以显著提升对心血管疾病长期风险的预测能力，而且这种提升在多种心血管疾病中都表现得稳定一致。 研究基于 UK Biobank 的长期随访数据，采用分阶