人工智能在急性高原病早期预警监测中的进展
李佳1
李霞2
戚海兰2
汪晨净1
苏芳菊1
1.730030 甘肃省兰州市,西北民族大学医学部2.中国人民解放军联勤保障部队第九四〇医院心血管内科
摘要：急性高原病(AMS)是快速进入高海拔人群的主要健康威胁.本文归纳了AMS早期预警与监测研究,涵盖可穿戴设备连续监测——夜间外周血氧饱和度(SpO2)、心率变异性(HRV)、床旁肺超声(LUS)B线(B-lines)、多模态磁共振成像(MRI)、登高前血液学指标及多组学生物标志物,并总结基于回归和机器学习的多模态预测模型.不同模态研究提示,登高过程中夜间SpO2下降、B-lines增多及由血红蛋白、炎症和代谢指标构成的血液学面板,可能有助于在症状出现前识别AMS高风险个体;转录组、蛋白质组和代谢组提示免疫激活、氧化应激和能量代谢重编程等共同通路,并形成由少数关键分子组成的小型标志物组合.然而,现有预测模型多源于单中心、小样本的青年志愿者、旅行者或军人队列,诊断标准不一,且缺乏跨海拔、多民族和多登高方式的系统外部验证.可穿戴设备、影像学、多组学与机器学习为AMS主动预警提供了新工具,未来应在遵循个体预后或诊断多变量预测模型透明报告规范(TRIPOD)及其人工智能扩展TRIPOD+AI声明(TRIPOD+AIstatement),在大样本多中心队列中完成模型开发与外部验证,并按"登高前低海拔基线筛查+高原暴露期间动态监测"的两阶段路径服务于高危人群.
关键词：急性高原病早期预警可穿戴设备多组学人工智能
分类号：R54(心脏、血管（循环系）疾病)
论文发表日期：2026-01-25
在线出版日期：2026-02-04（本平台首次上网日期，不代表文献的发表时间）
页数：7( 84-90 )
英文信息