一种基于信息化系统的智能化动脉粥样硬化性心血管疾病风险评估工具的开发应用

王 箴 钱菊英 潘柏申 赵 冬 葛均波

《中国心血管健康与疾病报告2019》中指出，中国心血管疾病(cardiovascular disease，CVD)患病率仍处于持续上升阶段，推算CVD现患人数3.3亿，其中脑卒中1 300万人，冠心病1 100万人，肺源性心脏病500万人，心力衰竭890万人，风湿性心脏病250万人，先天性心脏病200万人，下肢动脉疾病4 530万人，高血压2.45亿人。目前，心血管病位列城乡居民死亡原因的首位，在农村为45.91%，城市为43.56%。当前，中国CVD负担日渐加重，已成为重大的公共卫生问题，防治CVD刻不容缓[1]。

大量研究证实，高血压、血脂异常、糖尿病、肥胖、吸烟、体力活动缺乏和不健康的饮食习惯等是CVD主要且可改变的危险因素。CVD是多个危险因素相互作用的结果。因此，对整体CVD风险进行综合评估是有效防治CVD的前提。

CVD风险评估是指根据CVD多种危险因素水平的高低及其组合来判断或预测一个人或一群人未来(5年、10年或余生)发生CVD急性事件(急性心肌梗死、冠心病猝死、其他冠心病引起的死亡、急性卒中)的概率。目前，使用最广泛的是动脉粥样硬化性心血管疾病(arteriosclerotic cardiovascular disease，ASCVD)风险评估。合理地评估ASCVD风险，将有助于临床医师根据患者存在的危险因素制订有效的干预方案，从而降低ASCVD的总体风险。国内外的指南[2-4]均推荐对不同人群进行ASCVD风险评估。

1 国内外ASCVD风险评估模型研究进展

自1961年Framingham心脏研究[5]提出了冠心病发展过程中的危险因素后，“危险因素”的概念开始广泛流行。随后Framingham心脏研究于1967年首次创建了针对冠心病的多变量危险因素的函数[6]，研究使用多元logistic模型分析了年龄、TC、体重、心电图异常、血红蛋白和吸烟等危险因素。1976年，Framingham心脏研究又首次提出“风险预测”的概念[7]，并于1998年发表了知名的Framingham危险因素预测冠心病风险的文章[8]，10年后发表了适用于所有CVD的风险预测模型的文章[9]。

得益于Framingham“风险预测”概念的提出，世界范围内有越来越多的国家或地区开始研究基于本国或地区人群的CVD风险预测模型，如：欧洲系统性冠状动脉风险评估(SCORE)评分[10]，英国的Q风险评分(QRISK)[11],以及《2013年美国心脏病学会和美国心脏协会(ACC/AHA)心血管风险评估指南》中提出的针对ASCVD风险评估的汇总队列方程(Pooled Cohort Equations，PCEs)[12]等。国外几种主要的CVD风险预测模型的对比信息见表1。

表1 国外不同CVD风险预测模型的对比

由于我国人群冠心病发病率和危险因素水平均显著低于欧美白人，因此，中国的学者也着手研究基于中国人群数据的CVD风险模型。2004年，首都医科大学附属北京安贞医院(简称安贞医院)的刘静等首次提出了中国多省市CVD危险因素队列研究(Chinese multi-provincial cohort study, CMCS)模型，并与美国Framingham心脏研究模型的数据进行比较。结果显示，CMCS模型可以较好地预测中国人群的冠心病发病绝对危险[15]，而Framingham模型则明显高估了CMCS人群的绝对危险。CMCS的结果进一步肯定了中西方人群冠心病发病率和危险因素的差异。2006年中国医学科学院阜外医院的武阳丰等发表了中国心血管流行病学多中心合作研究(China multicenter collaborative study of cardiovascular epidemiology，China MUCA)的文章提出了针对缺血性CVD(冠心病和卒中)的预测模型[16]。2015年，基于CMCS研究进一步提出了针对CVD患者的余生风险评估模型[17]。2016年，基于China MUCA提出了针对中国ASCVD的风险预测模型，即China-PAR(prediction for ASCVD risk in China)模型[18]。我国几种CVD风险预测模型的对比信息见表2。

表2 中国不同CVD风险预测模型的对比

2 智能化ASCVD风险评估工具开发

2.1 工具开发背景

2.1.1 模型种类繁多， 选择存在困难 自20世纪Framingham心脏研究发表以来，世界范围内可供参考使用的CVD风险预测模型多达几十种，由于每个模型所使用数据库、预后终点及危险因素不同，导致了各模型的评分结果存在差异。各国指南[2-5,10]推荐使用CVD风险评估的模型各不相同，在同一人群中使用不同的风险预测模型得出的10年CVD发生风险结果也存在差异，这可能严重影响了10年CVD发生风险的预测和评估。来自中国的一项研究[19]使用不同风险评估模型分析中国人群的10年CVD风险，结果显示，使用Framingham危险评分、SCORE评分、PCEs、China-PAR模型计算出的平均风险差异较大，中国的评估模型更适用于中国人群，而在临床实践中，如何选择评估模型将直接影响疾病的诊断结果。

2.1.2 危险因素数据信息分散，完整评估难度大 各种CVD风险评估模型均需多种危险因素信息，在临床诊疗中获取数据的途径多而杂，比如年龄、性别、吸烟史等信息，门诊时医师需要通过问诊获得，住院时医师则使用医院信息系统查看。腰围、BMI需要进行针对性的测量和计算，血糖、LDL-C等需要查看检查报告单。正是由于这些危险因素信息的分散，导致了很多临床医师在使用CVD风险评估时会对某一信息的获得出现“卡壳”的现象，最终无法进行完整的评估。

2.1.3 实验室检查结果报告存在“一刀切”现象，与CVD评估治疗推荐不符 对于实验室检查结果报告存在“一刀切”的现象，即报告单中仅显示检测结果和参考值的范围，并不会针对不同ASCVD危险级别人群各指标的达标值去设定具体的参考值。例如《中国心血管病一级预防指南》[20]中规定，不同危险级别的人群治疗目标各不相同，低、中危ASCVD人群LDL-C的治疗目标为<3.4 mmol/L，高危ASCVD人群为<2.6 mmol/L，极高危ASCVD人群为<1.8 mmol/L，而目前的报告单上则只显示正常值范围为1.8～3.4 mmol/L。

2.1.4 临床缺乏针对患者危险因素综合管理的全方位指导 对于患者而言，在进行检查后，由于只能拿到传统的报告单，大多数患者并不能有效理解报告单上数值的含义，无法了解自己的检测结果与理想水平之间存在的差异，因而也就无法真正理解医师开具处方的真正用意。另一方面，医师给患者的生活方式干预建议大多为口头讲解，随着时间的推移，患者可能遗忘医嘱内容，或患者年龄较大记不住口头的处方内容。这些不可控的因素，均可能影响患者的治疗依从性和治疗效果。

2.1.5 传统交互式评分工具增加临床医师工作量 随着计算机和人工智能技术的发展，研究者开始基于各种评分公式开发出诸如纸质版、网页版、手机应用程序(App)版等不同类型的交互式评分工具(http:∥www.euroscore.org/；https:∥qrisk.org/three/；http:∥www.cvdrisk.com.cn/ASCVD/Eval)。使用者只需回答“是”或“否”并填入相关数值即可进行风险评估，以达到简便且准确的目的。但即便拥有这一交互式评分工具，门诊或住院医师在使用时仍需打开一个网站或App，并逐一输入患者的所有信息，以完成风险评估，当患者数据较多时，这依然大大浪费了医患双方的时间。

综合以上原因，导致了临床医师在面对一系列危险因素结果时无法在繁忙的临床工作中对患者的CVD风险级别进行完整的评估。患者在面对纯数字的数据结果时，无法有效获知自己的心血管风险状态，最终影响CVD的自我管理。

2.2 智能化ASCVD风险评估工具介绍 智能化ASCVD风险评估工具是一款直接对接医院数据系统的智能化工具，选择《中国成人血脂异常防治指南(2016年修订版)》[2]推荐的ASCVD风险评估模型作为软件编程的基础，参考指南编写团队基于2015年发表的模型及安贞医院流行病团队发表的方法学文章[21]中关于模型的算法公式，完成工具开发。

工具通过自动抓取系统信息结合部分人工选择完成对患者ASCVD风险级别的判断。门诊或住院医师查看患者信息时，只需进入医院信息系统后勾选是否需要进行ASCVD风险评估，随后进入ASCVD风险评估界面，系统自动在检验数据库中提取患者的血压、血糖、血脂等数值信息，结合医师根据门诊或住院记录中其他的危险因素信息完成关键信息勾选，在几秒内即可实现风险评估，并出具报告结果，见图1。

图1 ASCVD风险评估报告模板

评估报告分为4部分：患者临床信息、风险评估结果、个性化目标值和健康处方。

2.2.1 患者临床信息 主要来自于医院信息系统，由患者基本信息、ASCVD风险评估相关临床诊断和实验室检查结果3个部分组成。患者基本信息包括门诊(或)住院号、姓名、性别、年龄、身高、体重、BMI、吸烟、血压、降压药物、降脂药物、降糖药物。ASCVD风险评估相关临床诊断包括对ACS、糖尿病、高血压、缺血性卒中、短暂性脑缺血发作等疾病的诊断结果。实验室检查结果包括TC、LDL-C、HDL-C、非HDL-C、TG、FBG和HbA1c的数值。

2.2.2 风险评估结果 根据《中国成人血脂异常防治指南(2016年修订版)》[2]的建议对人群进行分层，即极高危、高危、中危和低危，分层结果通过不同颜色显示，方便醒目地提示患者所处的危险级别，同时对不同危险级别结果进行说明。

2.2.3 个性化目标值 数据主要来自于检验科，根据风险评估结果进行展示，显示主要危险因素(LDL-C、血压、FBG、HbA1c、吸烟状况、BMI)的结果和理想目标值，同时使用不同的颜色进行标记。

2.2.4 健康处方 包括改善生活方式、血脂管理、血压管理、血糖管理和定期门诊随访5个方面，每一方面都是根据患者的危险分层结果及指南[4]的建议提供个性化的参考。

2.3 创新模式提升医师工作便利性，提高患者依从性 智能化ASCVD风险评估工具属于内嵌医院信息系统的智能应用程序，操作简便快捷，结果反馈迅速直接，有效地帮助临床医师提高ASCVD风险评估的效率，弥补目前ASCVD风险评估在临床应用中的不足，促进ASCVD风险评估的推广应用。

通过使用智能化ASCVD风险评估工具所生成的报告，医师可以直观了解患者的基本状况，迅速判断ASCVD风险级别，从而为患者提供个体化的治疗建议。报告内容清晰简洁，提高了ASCVD风险评估临床应用的便利性，具有有效的参考意义。同时，可以在线浏览报告，也可打印报告交给患者，患者根据报告的结果可以了解自身危险因素的情况，同时可以参考报告中个性化目标值和健康处方，结合临床医师实际的处方建议，对多种危险因素进行自我干预，实现生活方式的改变及规律用药，提高依从性。

临床中部分患者可能仅仅是因为单一因素导致的ASCVD风险评估结果较高，如LDL-C>4.9 mmol/L,但无其他危险因素、并发症等，而此患者却是ASCVD极高危人群，通过使用智能化ASCVD风险评估工具，并根据报告进行相应的血脂治疗，最终使其血脂达标，即可有效降低此类人群ASCVD的风险级别。

3 智能化ASCVD风险评估工具应用情况介绍

自2017年1月起，智能化ASCVD风险评估工具已经在复旦大学附属中山医院(简称中山医院)及上海枫林街道社区卫生服务中心(简称枫林社区)开展应用，并受到关注。

至截稿时，中山医院使用该系统共生成3 389份报告，其中门诊386份(11.39%)，病房3 003份(88.61%)。在全部报告中，2 271份(67.00%)为极高危患者，即确诊的ASCVD患者；高危、中危和低危的比例分别为542(16.00%)、169(5.00%)和407(12.00%)，见图2。对整体人群进行分析发现：如果参照常规血脂检查报告单的结果，血脂达标2 020人，达标率为59.60%；而通过ASCVD风险分层分析发现的极高危患者中1 158人(50.99%)显示为血脂达标，高危患者中366人(67.53%)显示为血脂达标，中、低危患者中分别有146人(86.39%)和325人(79.85%)显示为血脂达标。

未知指因数据缺失而无法获得完整报告的人群图2 不同医院不同危险级别患者人群占比

枫林社区自2018年11月至截稿日，应用本系统共生成报告502份。其中极高危120份(23.90%)，高危344份(68.53%)，中、低危38份(7.57%)，见图2。而按传统报告单整体血脂达标88人，达标率为17.53%，其中极高危患者达标8人(6.67%)，高危患者达标60人(17.44%)，中、低危患者达标20人(52.63%)。如不对患者进行ASCVD分层，则LDL-C达标266人，达标率为52.99%，与分层后的结果存在较大差异。 全部人群中有272人患高血压，其中高血压达标189人，达标率为69.49%。经ASCVD分层发现，其中极高危患者89人，达标67人(75.28%)；高危患者176人，达标116人(65.91%)；中、低危患者7人，达标6人(85.71%)。后续还将进一步研究探讨使用ASCVD风险评估与不使用LDL-C数值的区别。

中山医院及枫林社区均是基于医院患者使用的报告，同时本团队还依托上海市奉贤区卫生健康委员会下辖21家社区卫生服务中心，使用ASCVD风险评估报告对奉贤区102 234名体检人群进行数据分析。结果发现极高危5 331人(5.21%)，高危71 134人(69.58%)，中危17 121人(16.75%)，低危7 820人(7.65%),未知828人(0.81%)，见图2。参与评估人群LDL-C平均值2.61 mmol/L，极高危患者中，LDL-C达标1 658人(31.10%)，高危患者达标31 655人(44.50%)，中、低危患者达标13 046人(76.20%)和6 115人(78.20%)。通过对中山医院、枫林社区及奉贤区体检人群的统计数据进行分析发现，在ASCVD不同危险层级人群中血脂和血压的达标率存在较大的差异，极高危患者普遍达标率相对较低，而如果不使用ASCVD对人群进行分层，则整体人群的达标率会出现虚高的现象。因此，对人群进行有效的ASCVD危险级别分层，继而针对不同危险级别选择针对性的治疗方案至关重要。ASCVD风险评估报告自发布以来获得了积极的认可，有助于提升医师和患者对于ASCVD风险评估中危险因素综合管理的认知，提高血脂、血压、血糖异常的诊断率和治疗率，改善患者的依从性。后续将针对智能化ASCVD风险评估工具使用前后患者的血脂、血压、血糖变化开展相关研究，期望为工具的使用提供更多数据的支持。

4 展 望

自2019年欧洲心脏病学会/欧洲动脉粥样硬化学会(ESC/EAS)血脂异常管理指南[4]的更新，高危人群LDL-C控制目标值更低，即<1.4 mmol/L，随后ACC心血管病一级预防指南[3]中也同样强调了更低的控制目标值。2020年《超高危动脉粥样硬化性心血管疾病患者血脂管理中国专家共识》[22]也提出了超高危ASCVD患者LDL-C水平的干预靶标降低至1.4 mmol/L以下的概念。不过由于本工具所使用的模型是《中国成人血脂异常防治指南(2016年修订版)》[2]中基于中国人群的模型，因此对危险级别的分层依然遵循的是极高危人群LDL-C<1.8 mmol/L。未来，随着中国指南的更新，也会及时更新评估工具中的危险分层和血脂的目标值。

2016年中共中央、国务院印发了《“健康中国2030”规划纲要》，明确提出实施慢性病综合防控战略，加强国家慢性病综合防控示范区建设。强化慢性病筛查和早期发现，推动脑卒中、冠心病等慢性病的机会性筛查。逐步将符合条件的脑卒中等重大慢性病早诊、早治适宜技术纳入诊疗常规。到2030年，实现全人群、全生命周期的慢性病健康管理。

合理有效地使用智能化ASCVD风险评估工具，为临床医师对患者进行ASCVD危险分层提供了便捷的方法，有利于不同危险级别患者的识别与诊治，助力临床医师规范胆固醇等主要心血管危险因素的管理及ASCVD综合防治，推动指南中关于ASCVD人群危险分层评估的落地，同时提高患者对于ASCVD风险的知晓率及重视程度，提高患者依从性，最终推进健康中国建设，减少我国CVD的流行，促进“健康中国2030”整体战略目标的实现。目前，此评估工具仅在上海部分医院使用，使用效果获得一致好评，期望后续可以在全国范围内进行推广，为更多的临床医师与患者提供帮助。