我国心血管疾病防控有五大挑战

文章中提到目前我国心血管疾病防控主要面临五大核心挑战。

1 医疗资源分布不均

虽然过去30年我国持续加大医疗投入，医疗服务质量大幅提升，但区域间差异显著。以每千人口执业医师数和医院床位数为例，北京、上海、浙江等地区远高于贵州、西藏、青海等地区，这种资源分配不均衡与各地区社会经济发展水平相关，严重制约了心血管疾病预防策略的有效实施，且人口老龄化还将进一步加剧医疗资源需求压力。 

2 院外心血管疾病死亡率居高不下

2008~2020年的相关数据显示，我国77.1%的心血管疾病或脑血管疾病死亡病例发生在家中，仅18.5%在医院或基层医疗机构；农村地区和社会经济地位较低人群的院外死亡比例更高，且19%的死者年龄低于65岁，其中74%死于院外。造成这一现象的原因复杂，包括医疗资源分配不均、健康素养差异等。

同时，我国院外心脏骤停患者生存率极低，30天生存率仅1.2%，6个月时降至0.8%，这与心脏骤停后心律捕捉延迟、急救医疗服务响应时间长、自动体外除颤器（AED）普及率低及公众心肺复苏实施率低等因素密切相关。 

3 儿童和青少年不健康生活方式日益普遍

相关调查显示，我国7~17岁儿童青少年中，仅1.7%达到理想心血管健康状态，34.6%的男性和23.9%的女性达到理想身体活动水平，饮食达标的比例也分别仅为28.3%和30.1%。

更严峻的是，1985~2019年，我国7~18岁儿童青少年肥胖率从0.1%飙升至8.25%，增长82.5倍，且城市儿童肥胖率持续高于农村儿童。

城市中加工食品和快餐的普及、身体活动机会匮乏以及休闲时间倾向于屏幕娱乐等因素，共同导致了青少年不良饮食和久坐生活方式的蔓延。

4 高危人群对预防和治疗策略的依从性差。

尽管我国通过健康教育、扩大医保覆盖等措施，在防控心血管疾病风险因素方面取得一定成效，但整体水平仍不理想，尤其是中青年人群。

以高血压患者为例，不规律服药的患者心血管疾病风险比规律服药者高75%。部分患者因医疗知识不足，不了解长期治疗和控制风险因素的重要性，且受“是药三分毒”的传统观念影响，而担心药物副作用，不愿长期服药。

5 不同医疗机构的医疗质量存在差异

在基层医疗机构，25%的社区卫生服务中心医生和42%的乡镇卫生院医生未达到执业助理医师所需的大专学历，难以有效应对急性心血管疾病。

即使在三级医院，医疗质量也有待提升，例如仅20%的ST段抬高型心肌梗死患者接受了指南推荐的标准治疗，缺血性脑卒中、脑出血和蛛网膜下腔出血患者中，分别仅27.0%、37.3%和25.3%接受了全部指南推荐治疗。 

AI赋能数字医疗带来新机遇

面对上述挑战，AI赋能的数字医疗展现出巨大潜力，为我国心血管疾病防控带来新机遇。

在缩小医疗资源差距方面，远程医疗平台发挥了重要作用。自2014年广东出现首家互联网医院以来，我国已建成超2 655家互联网医院或诊所，69%的三级医院和53%的二级医院可提供互联网医疗服务。

2024年，浙江省率先推出AI数字健康助手“安珍儿”，为全省居民提供云端医疗咨询服务，包括智能医生孪生系统、报告解读和健康档案审查等，还整合了省内多机构的20多项医疗卫生服务。该平台自2023年11月运行以来，已服务超1700万人次，平均每位患者节省约20分钟，总计节省570万小时。

同时，AI技术还能优化医疗资源规划决策，通过分析多维数据，精准预测不同人群的医疗需求，为医疗资源分配提供科学依据，助力缓解区域医疗资源不均衡问题。 

针对院外心脏骤停这一难题，AI辅助的风险预测和急救系统成效显著。AI技术可基于心电图（ECG）信号或心脏、血管图像，更精准地预测院外心脏骤停风险，甚至能识别出人类肉眼无法察觉的心电图特征和模式，这些特征和模式可能提示亚临床病变。

例如，对于无已知动脉粥样硬化性心血管疾病病史的人群，基于海量电子健康记录开发的ECG-AI深度学习模型能有效识别冠状动脉钙积分≥300分、阻塞性冠心病、心肌局部运动消失的情况，还可预测3、5、10年急性冠脉事件和死亡风险。

在急救方面，AI驱动的心肺复苏机器人已在动物实验中展现出与AED相似的血流动力学和临床效果，未来有望提升急救效率。

此外，可穿戴设备如能监测心电图的智能手表，结合AI模型，可实现对院外心脏骤停风险的实时监测和预警。 

在改善青少年健康生活方式上，AI 相关的数字干预项目逐渐发力。上海在中小学建立电子健康监测系统，利用智能手环和体育游戏化平台，将跳绳、跑步等体育活动转化为虚拟竞赛，并向教师和家长实时反馈数据，激励学生完成每日运动目标。

提高患者治疗依从性方面，AI 数字干预工具初显成效。短信服务、移动应用程序、可穿戴设备和远程医疗服务等数字工具，能提高患者对风险因素和最佳治疗目标的认知，进而改善治疗依从性。

有荟萃分析显示，包括远程医疗、互联网策略、电子邮件和智能手机应用在内的数字健康技术，相比常规护理，能显著降低心血管疾病不良结局。在2型糖尿病患者中，远程医疗干预在降低血糖水平方面也取得了一定效果。 

为提升医疗服务质量，AI 辅助工具为医护人员提供了有力支持。在疾病诊断上，AI 辅助的CT冠脉造影诊断系统对斑块分类准确率达87%，对狭窄程度分级准确率达91%，且评估单个患者平均仅需56秒，远快于放射科医生的286秒。

AI辅助心脏MRI模型在筛查和诊断11种心血管疾病时，曲线下面积分别达0.988%和0.991%，在诊断肺动脉高压方面表现优于心血管专家。

在临床决策支持上，针对农村地区房颤管理的远程医疗模式显示出良好效果，参与试验的农村房颤患者中，接受远程医疗干预的患者达到房颤综合护理全部标准的比例（41.8%）远高于常规护理组（10.3%），且心血管复合事件发生率更低（6.2%/年 vs. 9.6%/年）。

此外，AI临床决策支持系统（AI-CDSS）在高血压治疗中也发挥了积极作用，使用该系统的干预组患者收缩压显著降低，血压控制率明显提高。 

文章也提出，尽管AI赋能的数字医疗在我国心血管疾病防控中已取得诸多进展，但要充分发挥其潜力，仍需解决一系列问题。目前，相关技术面临着医保政策支持不足、质量评估体系缺失、资源和数据共享困难、成本效益不明确以及法律责任界定模糊等挑战。未来，需要政府、医疗机构、科技企业等多方携手，共同推进AI赋能数字医疗在心血管疾病防控领域的发展。