亮点
协同预测能力
将11个临床生物标志物、核磁共振代谢组学和多基因风险评分（PRS）添加到SCORE2模型中，C指数提高了0.024，代表了显著的区分能力提升。
优越的重新分类
使用联合多组学方法导致净病例重新分类率为16.66%，有效地识别了标准临床模型可能会错过的高危个体。
公共卫生影响
人口建模表明，大规模应用可以将每10万人筛查中预防的心血管事件数量从229增加到413。
背景：心血管风险预测的发展
数十年来，心血管疾病（CVD）的风险评估依赖于传统的临床变量——年龄、性别、血压和吸烟状况——这些变量被编码在诸如SCORE2（系统性冠状动脉风险评估2）模型等工具中。虽然SCORE2在人群水平上是有效的，但它往往缺乏个性化医疗所需的精细度，特别是在中等风险类别中的个体，治疗决策（如开始使用他汀类药物）仍然模糊不清。
近年来，两个新兴领域有望改进这些评估：核磁共振（NMR）代谢组学和多基因风险评分（PRS）。NMR代谢组学提供了个体代谢状态的快照，包括详细的脂蛋白亚分数和小分子代谢物。相反，PRS提供了对CVD稳定的、终生遗传易感性的窗口。尽管它们各自有潜力，但将其整合到当前欧洲心脏病学会（ESC）推荐的框架中的增量价值仍然是一个重要的研究空白。Ritchie等人发表在《欧洲心脏杂志》上的研究解决了这一问题，评估了多组学方法是否能在临床实践中真正发挥作用。
研究设计和方法
这项前瞻性研究利用了UK Biobank中297,463名40至69岁参与者的数据。为了确保结果适用于一级预防，研究人员排除了已有CVD、糖尿病或正在接受降脂治疗的个体。
研究人员构建并比较了几个预测模型：
1. SCORE2：
基线临床模型。
2. 临床生物标志物：
包括HbA1c、胱抑素C和C反应蛋白在内的11个标记物面板。
3. NMR代谢组学评分：
来自高通量代谢谱分析。
4. 多基因风险评分（PRS）：
基于全基因组关联研究量化遗传倾向。
主要终点是10年内致命性和非致命性CVD（心肌梗死和中风）的风险。研究使用Harrell的C指数评估区分能力和基于欧洲心脏病学会（ESC）风险阈值（低、中、高风险）的分类净重新分类指数（NRI）评估性能。
关键结果：生物标志物的协同作用
结果强调了依赖任何单一数据流的局限性。基线SCORE2模型的C指数为0.719。当单独添加各个组件时，区分能力逐步提高：
- 添加11个临床生物标志物：ΔC指数 0.014
- 添加NMR代谢组学评分：ΔC指数 0.010
- 添加PRS：ΔC指数 0.009
然而，最显著的发现是在将所有三种模式与SCORE2结合后。这种综合方法使总ΔC指数达到0.024（95% CI：0.022-0.027）。虽然这些小数点的增量在统计学上看似微小，但它们在临床分类上产生了深远的影响。
净重新分类和精确分层
使用ESC指南风险阈值，联合模型展示了16.66%的净病例重新分类率。这意味着大约六分之一最终发生CVD事件的个体被正确地归类为更高风险类别，在该类别中建议进行预防性干预（如使用他汀类药物）。这一敏感性的提高是在不显著增加对低风险个体过度开药的情况下实现的。
临床影响和人口建模
为了将这些发现转化为公共卫生背景，研究人员应用了人口建模来估计实际筛查10万人的影响。
根据目前基于SCORE2的筛查，估计可预防229例CVD事件。通过将临床、代谢组学和多基因数据纳入目标风险重新分类，这一数字几乎翻倍，达到每10万人筛查预防413例CVD事件。重要的是，每预防一例CVD事件所需的他汀类药物处方数量基本保持稳定，这表明多组学方法提高了医疗资源的效率，而不仅仅是扩大治疗人群。
专家评论：机制见解和实施
这些发现的生物学合理性在于每个评分提供的不同信息类型。PRS捕捉了从出生起就存在的固有的、不可改变的遗传风险。然而，临床生物标志物和代谢组学捕捉了遗传、生活方式和环境之间的动态相互作用。特别是NMR代谢组学识别出传统胆固醇面板可能遗漏的脂质代谢和系统炎症的细微变化。
实施挑战
尽管统计上有明显的好处，但在临床实施中仍存在几个障碍：
- 成本效益：虽然基因组测序和NMR谱型的成本正在下降，但初级保健常规测试的基础设施尚未普及。
- 复杂性：将多组学数据整合到电子健康记录中，并以一般医生可解释的方式进行，需要复杂的生物信息学支持。
- 普遍性：UK Biobank主要由欧洲血统组成，需要在更多样化的全球人群中进一步验证，以确保公平受益。
结论
Ritchie等人的研究提供了强有力的证据，证明心血管风险预测的未来在于多组学数据的整合。通过超越传统风险因素，纳入临床生物标志物、NMR代谢组学和多基因风险，临床医生可以更精确地识别高危个体。如果大规模应用，这种方法可以显著减少全球心血管疾病的负担，使我们更接近真正实现个性化预防心脏病学的目标。
参考文献
Ritchie SC, Jiang X, Pennells L, et al. Combined clinical, metabolomic, and polygenic scores for cardiovascular risk prediction. Eur Heart J. 2025 Dec 15:ehaf947. doi: 10.1093/eurheartj/ehaf947.
