高血压影响着全球10亿以上成年人，其增加了罹患心血管疾病风险，也是导致过早死亡的主要原因之一。研究显示，全球范围内，仅有不到1/5的患者达到降压目标，其他患者降压未达标的原因较多，如不同患者存在个体差异、患者对药物治疗依从性不足、抗高血压药靶点有限等。近年来，精准医疗的理念开始逐步为临床所认识和推动，在治疗高血压方面具有很大的潜力。

什么是精准医疗？

基于美国国立卫生研究院对精准医学的定义，这里我们将精准高血压定义为：考虑不同高血压患者个体和环境差异性的预防和治疗高血压方式，即需考虑到患者个体遗传影响和外部环境的共同作用。精准高血压治疗旨在为患者提供更准确的疾病诊断和预测、更有效且不良反应更少的靶向疗法。

基因疗法治疗高血压

目前，单基因遗传性高血压较为少见，单一基因的突变以孟德尔方式遗传，并介导了高血压的发生，也称为“孟德尔型高血压”。针对单基因遗传性高血压，通过基因突变筛查发现致病基因，采用基因编辑等方式或有望“治愈”高血压。不过多数的高血压属于多基因遗传性高血压，采用基因编辑等方式进行治疗会更为困难。

全基因组关联研究（GWAS）是研究复杂疾病基因组学的方法之一，主要目的是识别疾病相关的单核苷酸多态性（SNPs）。遗憾的是，目前在原发性高血压的GWAS中尚未有重大发现，已鉴定出的1500个SNPs对血压影响较弱，不过这些SNPs被认为能为1/3的血压遗传力提供解释，提示未来应鉴定更多的遗传力。此外，GWAS的应用也具有一定的局限性：

（1）存在人口学差异；

（2）无法充分解释常见疾病的遗传风险和识别罕见的遗传变异；

（3）许多SNP可能处于基因间或与疾病无直接生物学相关性的基因中，因此很难确定真正的因果关系；

（4）GWAS在疾病危险预测方面还有提升空间。

疾病预测方面可通过以下方式进行改进：（1）将GWAS与其他高吞吐量技术相结合，不仅能够提高GWAS效用，还有助于药物再利用/多用途，以及为未来研究确定新的治疗方法。（2）多基因风险评分。定量测量多种风险相关SNPs的总和，或有助于提前识别高血压易感个体。

人工智能与高血压

利用人工智能对高血压患者进行管理或是新的辅助治疗方式，如智能机器人可提供患者外显子测序结果、智能手表可帮助检测房颤和心律失常等。目前，利用人工智能预测个体高血压风险评分是潜在治疗策略，即利用原发性高血压的SNPs效应做多基因风险评分，相关研究显示，与高血压相关SNPs多基因评分与卒中、冠心病、心衰和左心室质量显著相关，但与肾功能无关。不过，高血压多基因评分的临床应用还需要更多高质量证据来佐证，以及有更大预测能力的新型人工智能算法来进一步完善预测结果准确性。

人工智能对于高血压诊断和管理方面也取得了一定进展。研究显示，相比于传统的统计分析方式，利用人工智能算法可提高疾病预测准确性。但也有研究提出不同看法，一项对5种人工智能算法的研究发现，其在疾病预测能力方面似乎与传统基于回归模型预测的结果并无差异。这对人工智能在临床试验的设计和分析提出了更高的要求，当前随机对照试验为临床高血压管理提供了管理依据和信息，而人工智能可以在补充人群多样性信息方面发挥作用。此外，需要关注到的是，随着科学技术的发展，人工智能的临床应用需要更为严格且完善的监管和指导，以切实造福广大患者。

在高血压药物发现方面，可利用大量分子的高通量筛选，提高药物发现效率，如近期发现的新型Janus激酶3和盘状蛋白结构域受体1抑制剂，让深度神经网络和生成化学等人工智能算法开始崭露头角。

小结

精准医学的概念在十多年前就被提出，目前仍在逐步发展和验证阶段。基因疗法和人工智能的发展，为临床预测患病风险、诊断和治疗高血压提供了新的思路，为更个体化、精细化的治疗带来了新的干预策略。未来，新兴科技或在研究、药物靶向和开发、患者护理和管理方面进一步推进精准高血压的发展，让我们共同拭目以待。

Tags： 仅1/5患者降压达标！2大新兴技术助力血压管理