编者按

随着靶向药物与免疫检查点抑制剂等新型疗法延长了肿瘤患者生存期，其伴随的心血管毒性已成为制约患者长期生存质量的关键难题。如何在抗肿瘤疗效与心脏保护间寻求平衡？在第十届肿瘤心脏病学会议（COC 2025）期间，本刊对话武汉大学人民医院胡丹教授，系统剖析ICIs与蒽环类药物的心脏毒性机制，揭示从基线风险分层、AI辅助监测到动态治疗调整的全周期管理路径。机制医学与智能技术的实践融合，或将重新定义肿瘤患者“生存”与“生活”的双重价值。

《国际循环》：随着靶向治疗、免疫检查点抑制剂等新型抗肿瘤疗法的普及，其心血管毒性的机制研究已成为热点。在临床实践中，如何平衡肿瘤治疗疗效与心脏保护需求？

胡丹教授：

基于机制与动态管理的精准策略实现抗肿瘤治疗与心脏保护双重目标

新型抗肿瘤疗法，特别是靶向药物和免疫检查点抑制剂（ICIs），极大地改善了肿瘤患者的生存结局，但其伴随的心血管毒性已成为影响患者长期生存和生活质量的关键挑战。有效平衡抗肿瘤疗效与心脏保护需求，是当前肿瘤心脏病学临床实践的核心。实现这一平衡，关键在于深刻理解不同疗法的心脏毒性机制，并据此实施精准的分层管理策略。

例如，ICIs相关心肌炎的病理基础是T细胞过度活化引发的心肌炎症，其致死率极高，可达50%，在联合治疗时甚至可升至67%。而传统的蒽环类药物，其心脏毒性主要源于氧自由基对心肌细胞的直接损伤，其风险呈剂量依赖性累积，当剂量超过400 mg/m2时，心脏毒性的发生率可高达20%。面对这些机制迥异的毒性，临床策略必须具有针对性。

对于接受ICIs治疗的患者，建议在治疗基线期评估自身抗体（如抗心肌抗体）和炎性因子（如IL-6、IL-8）水平。识别出的高危人群（如既往有自身免疫疾病史或基线肌钙蛋白水平升高的患者），可考虑启用预防性的免疫调节措施。对于使用蒽环类药物的患者，则需严格监控累积剂量，并常规辅以心脏保护药物右雷佐生。

在监测方面，传统的左心室射血分数（LVEF）监测敏感性不足，易错过早期损伤。目前推荐采用更敏感的应变超声心动图监测左心室整体纵向应变（GLS）。当GLS较基线值下降超过15%时，即应触发临床干预。最新的技术突破是人工智能辅助的心脏磁共振（AI-CMR），初步研究显示，AI-CMR技术在量化心肌T1值和细胞外容积（ECV）方面具有高精度和可重复性，有望显著提高心肌炎的检出敏感性，一些研究报道其敏感性可达90%以上。该技术代表了重要发展方向，其广泛临床应用价值有待进一步验证。

为了动态评估风险，我们倡导建立“治疗-毒性”动态评分系统（如CVD-ONSET评分）。该模型整合了多维度信息：生物标志物随时间的变化轨迹（如高敏肌钙蛋白、BNP的上升斜率）、影像学预警信号（如CMR显示心肌纤维化进展）、以及患者的基因组易感性（如存在增加蒽环类毒性的ABCC2基因变异或其他已被研究证实与蒽环类心脏毒性风险增加相关的基因变异，如RARG, UGT1A6等）。当评分超过临界值（如＞3分）时，强烈建议重新评估并可能需要调整肿瘤治疗方案。

关于治疗暂停与重启的决策，需要高度个体化地权衡肿瘤控制与心脏安全。原则上，ICIs诱发的Ⅲ级心肌炎必须永久停药。然而，对于发生Ⅱ级毒性的患者，如果心肌炎已得到有效缓解，且患者缺乏其他有效的替代抗肿瘤方案，则可在极其严密的监测下考虑重启免疫治疗，可考虑联合应用IL-6抑制剂（如托珠单抗）以阻断持续的炎症级联反应。

总而言之，平衡肿瘤疗效与心脏保护并非简单的取舍，而是一个基于精准机制理解、分层风险评估、先进监测技术和个体化决策的动态管理过程。其核心目标是最大化患者的肿瘤治疗获益，同时将心脏毒性的风险降至最低，最终实现患者的长期生存和心血管健康。

《国际循环》：人工智能（AI）技术已逐步渗透到心血管影像分析、肿瘤治疗反应预测等领域。您如何看待AI在肿瘤心脏病学中的潜力？

胡丹教授：

人工智能驱动肿瘤心脏病学实现全周期精准管理转型

人工智能在肿瘤心脏病学领域正展现出变革性潜力，其应用已从最初的影像辅助分析扩展到覆盖疾病全周期的综合管理。我认为这种技术革命主要体现在三大核心方向：

1.AI正在革新心血管影像分析流程

传统的心脏磁共振（CMR）左心室分析需要长达45分钟的人工操作，而采用先进算法如DeepLabV3+卷积神经网络后，可在秒级时间内完成精准量化，误差率低于0.02%。更值得关注的是，AI能挖掘人眼无法识别的深层影像特征：通过解析心肌应变的异质性图谱，AI对蒽环类药物早期心脏毒性的预测效能显著提升（AUC达0.91）；在冠状动脉评估方面，AI驱动的三维钙化重建技术使普通CT无需心电门控即可达到专业钙化评分的准确度。

2.AI正推动风险预测进入多组学融合时代

超越单一生物标志物的局限，AI通过整合基因组数据、影像特征和临床信息构建综合预测模型。在蛋白质组学领域，AI驱动的多组学分析强化了CTRP9蛋白作为蒽环类心脏毒性潜在标志物的价值；利用自然语言处理（NLP）技术，AI能自动从海量电子病历的自由文本中提取关键临床特征（如“免疫治疗前已存在心包积液”），构建的免疫检查点抑制剂（ICI）相关心肌炎预测模型效能突出（AUC=0.89）。

3.AI为药物研发和临床决策提供关键支持

在药物开发阶段，基于图神经网络的虚拟筛选平台能高效预测小分子化合物的心脏毒性风险，例如对PD-1/IL-6双特异性抗体致心律失常潜能的早期预警；在临床用药场景，AI构建的治疗冲突化解系统可实时识别药物相互作用风险——当抗肿瘤药物（如VEGFR抑制剂）与心血管药物（如硝酸酯类）联用时，系统会自动预警低血压风险并智能推荐替代方案（如换用ARNI类药物），显著提升用药安全性。

当然，AI临床转化仍面临重要挑战：算法偏倚问题（如现有模型对亚裔人群的ICI心肌炎存在漏诊风险）和模型可解释性不足（“黑箱”决策影响人们对人工智能的信任和接受度）亟需突破。跨机构协作的创新模式正在推进，例如美国心脏协会主导的CARDIO-AI计划，通过联邦学习技术在保护患者隐私的前提下，利用多中心数据训练泛化能力更强的模型，为克服这些障碍提供新路径。

总体而言，AI不仅正在重塑肿瘤心脏病学的诊断模式，更通过整合多维度数据、优化治疗决策和加速药物研发，推动该领域向精准化、个体化和预防性医疗模式转型。未来随着技术瓶颈的突破和临床验证的深化，AI有望成为连接肿瘤治疗与心血管保护的关键桥梁。

专家简介

胡丹教授

武汉大学人民医院

楚天特聘教授，心衰及心肌病科副主任，教授，主任医师，博士研究生导师

MD, PhD, FAHA, FACC, FHRS, FAPHRS，美国Lankenau Institute for Medical Research的客座教授

主要学术成果：其专长为心律失常、心力衰竭、冠心病和心源性猝死等疾病的基础研究与临床诊疗；心血管疾病的流行病学与大数据分析；心血管药理学（包括中药）、基因学、治疗学、肿瘤心脏病学及干细胞的转化研究。现已在Circulation，JACC，Circulation Research，European Heart Journal，Heart Rhythm，Lancet子刊等世界一流杂志发表学术论文/综述共150余篇（IF>10的10篇, H-index>42，文章引用率>5000），参与撰写学术专著7部。已经主持和参与了包括美国NIH，中国科技部重点研发及国自然在内的多项基金。现已指导三十余位学生和医生，受邀作为评委评审中国、美国及荷兰的基金。

主要学术兼职：目前是Science-Translational Medicine，Circulation，Heart Rhythm等40家主流杂志的编委和评审，Heart Rhythm O2及Frontiers in Cardiovascular Medicine的专业主编，也是AHA、ACC、CnAHA、APS、HRS和中华医学会心血管病分会（CSC）等学术组织的委员。

获奖及荣誉：曾获得美国Gordon K. Moe青年学者奖，ACC青年学者奖第一名等。2018年获得CLIA的基因检测临床实验室负责人的执照，2019年获得Heart Rhythm杂志杰出贡献奖，2020年荣获中华医学会“中青年心血管病学菁英”，2022年入选 “心律失常领域近三年（2019-2021年）十大中国原创研究”， 第一届“女科学家优秀科研成果奖”，2023年获得“近5年心脏离子通道病最活跃的中国学者第一”，并多次指导学生在国内外专业比赛中获奖。