编者按：在刚刚落幕的2026年欧洲心脏病学会年会（ESC 2026）上，高血压领域再次成为瞩目的焦点。中国医学科学院阜外医院心内科张宇清教授受邀主持了“高血压的决定因素（Determinants of hypertension）”专场，与多位国际学者共话血尿酸、遗传变异、吸烟、血脂异常及心肾代谢（CKM）综合征等前沿话题。在人工智能（AI）浪潮席卷医疗领域的当下，如何将AI技术深度融入高血压的长期管理也引发了广泛讨论。

会议期间，《国际循环》特别专访了张宇清教授。张教授结合专场内容，深度解读了高血压决定因素的最新研究进展，并就CKM背景下的精准风险评估以及AI在血压管理中的创新应用分享了独到见解。

ESC 2026丨张宇清教授：聚焦高血压决定因素，探讨CKM风险评估与AI赋能血压管理

张宇清教授

本次专场主要聚焦口头发言环节，展示了国际学者在血压领域的最新研究成果，其中多项研究来自中国团队，充分表明我国在高血压领域的研究活跃度依然极高。

在ESC会议中，高血压领域一直是不或缺的重要组成部分。本次专场重点关注了传统危险因素以及持续深入的尿酸领域。有两项研究探讨了尿酸与心血管及高血压的关联性，也有研究评估了盐敏感和遗传因素对血压的影响。目前该领域的关联性研究较为丰富，但以预后终点为目标的研究仍相对缺乏，这是当前研究取得进步但仍存局限之处。此外，针对尿酸的干预性研究多集中于儿童青少年等早期阶段。

国内学者在汇报中指出，高尿酸人群中高血压的患病率较高。但高尿酸究竟是强烈的致病因素还是伴随现象，因存在诸多混杂因素，其因果关系仍需深入研究。在干预策略方面，国内学者强调应以生活方式干预（如运动、膳食）为主，这表明学界普遍认为生活方式在改善尿酸及高血压发生中起主导作用。

此外，尿酸与妊娠期高血压疾病的发生呈U型关系。虽然其具体机制仍需进行深入剖析，但高尿酸本质上反映了深层次的代谢问题。这与当前备受关注的CKM（心肾代谢综合征）理念高度契合，也反映了全球及中国疾病谱的变化趋势。我们团队针对难治性高血压特征人群的研究也发现，其中合并代谢异常的比例极高，肥胖和超重更是首当其冲，且至少一半以上的患者合并高尿酸血症。因此，尿酸问题值得关注，但背后影响因素的研究仍缺乏高质量的证据。

德国学者基于人群研究介绍了遗传因素对高血压的影响。研究提示，除年龄因素外，遗传因素对高血压发生的影响位居第二。在讨论中，我们探讨了不同血压切点（如130/80 mmHg、140/90 mmHg或160/100 mmHg）对定义高血压的影响，结果显示总体趋势具有一致性。这说明血压水平不仅是一个疾病诊断问题，更与遗传因素密切相关。

影响血压的因素众多，未来仍需深入研究。在现代生活方式下，遗传因素（不仅涉及单基因，还涵盖多基因及表观遗传等多个层面）及其与环境的相互作用，是值得进一步深入剖析的重点方向。

张宇清教授

目前的心血管风险评估主要基于传统危险因素，包括年龄、血压水平、血脂异常程度、糖尿病及吸烟等。这些因素大约能解释约80%的心血管预后终点事件。换言之，剩余约20%的心血管事件由已知或未知的其他危险因素驱动，这构成了亟待解决的残余风险。随着中国人口平均预期寿命已接近80岁，且未来有望进一步延长，在有效控制血压、血脂和血糖等传统问题后，如何管理残余风险成为关键。

当前对残余风险的关注主要集中在以下方面：首先，在血脂领域，学界更加关注脂蛋白(a)和甘油三酯，相关重要研究正在不断发布。其次，炎症与免疫问题逐渐成为热点。例如，近期有报告探讨了接种流感、肺炎、水痘及带状疱疹等疫苗对心血管预后的影响。观察性研究显示了其与心肾事件的关联性，但既往一系列抗炎药物的临床研究结果并不理想。这提示目前的干预靶点可能不够准确，亟需基于深入的机制研究开发新型药物（如GLP-1受体激动剂等）用于心血管疾病预防。

最后，关于代谢异常与肥胖问题。肥胖已成为我国重大的公共卫生问题，也是近年来ESC会议持续关注的焦点。得益于技术进步，我们已拥有药物、手术结合生活方式干预等综合治疗手段。未来，临床需深入剖析不同肥胖表型人群的预后差异及干预效果，从而落实更具针对性的风险管理。

张宇清教授

AI无疑是当前医疗领域最热门的话题之一，ESC会议上也设有多个相关专场。AI技术的进步确实为医疗管理带来了极大的便利，但也需要客观审视其优势与局限。

在临床辅助方面，AI可快速记录病史并生成病历草稿。这对于全科医生提升工作效率帮助显著，但生成的内容仍需专业医生复核；对于专业领域经验丰富的医生而言，复核时间可能并不少于直接撰写。

在风险评估与管理方面，高血压及心血管疾病管理强调基于风险的策略，即不单纯考量单一危险因素，而是需对多因素的聚集情况进行深入评估，并据此采取差异化治疗策略（如“三高共管、多病同防”）。AI能够高效整合血压、血脂、血糖、吸烟史、肥胖程度及生活方式等琐碎信息，凝练出清晰的风险评估模型，辅助医生优化治疗方案。当然，最终的临床决策权始终在医生手中，AI仅提供信息整合与推荐意见。

在慢病管理实践中，国内外已有将生活方式管理融入AI软件的成功尝试，并在血压干预中取得了确切疗效。例如，针对肥胖合并难治性高血压的患者，采用AI辅助的针对性强化指导方案，比常规治疗能更有效地改善血压水平。目前，AI在图像识别和数据抓取方面表现优异，为临床提供了便捷条件，但核心临床决断仍需由医生做出。

在血压监测技术方面，AI正推动“无感式”血压监测的发展。传统袖带式动态血压计因气囊加压带来的不适感，限制了患者的长期佩戴和重复检测。基于AI算法的无袖带式电子血压计有望解决这一痛点。目前，部分企业的产品已通过欧洲高血压学会（EHS）、ISO和AAMI的联合认证。尽管其在广泛临床应用中的有效性仍需更多深入研究，但这无疑是AI赋能血压管理的重要贡献。

总体而言，AI在高血压领域的应用仍在不断探索中。要最终改善人群的整体健康状况和血压管理水平，仍需开展大量扎实的工作。