心血管-肾脏-代谢(CKM)综合征诊断技术与风险预测.pdfVIP

ReviewsandMonographs综述与专论

生物化学与生物物理进展

ProgressinBiochemistryandBiophysics

2025，52（10）：2585~2601

心血管-肾脏-代谢（CKM）综合征

诊断技术与风险预测*

1）**2）**3）4）4）4）4）1）

侯淞张林杉洪秀琴张弛刘瑛张彩丽朱艳林海军

1）1）***

张甫杨宇祥

1）2）

（湖南师范大学工程与设计学院，长沙410081；复旦大学附属中山医院内分泌科，上海200032；

3）4）

湖南师范大学附属第一医院心血管流行病学研究室，长沙410005；湖南师范大学附属第一医院内分泌科，长沙410005）

摘要心血管疾病（CVD）、慢性肾病（CKD）和代谢性疾病是威胁人类健康的三大慢性疾病，三者密切相关且常常合并

存在，大大增加了疾病的管理难度。为此，2023年10月美国心脏协会（AHA）提出了“心血管-肾脏-代谢（cardiovascular-

kidney-metabolic，CKM）综合征”这一新型疾病概念，引发全球对于心肾共治及代谢性疾病防治的广泛关注。本综述的核

心观点是，应对CKM综合征需要构建一个整合生物学、技术与社会因素的多维度诊断与风险预测新范式。本文首先阐明

CKM的核心病理机制，即由脂肪组织功能失调驱动的、以炎症和氧化应激为核心的“代谢毒性环境”，是连接各器官损伤

的共同通路。高危人群不仅表现出传统生物学特征，其风险更被健康社会决定因素（SDoH）显著放大（风险可升高1.18~

3.50倍），凸显了公平性在筛查中的重要性。在诊断技术层面，本文系统梳理了从传统到前沿的技术进展：生物标志物（如

NT-proBNP、UACR、SII、Klotho蛋白）的联合应用，实现了从单一指标向多器官损伤综合评估的转变；无创监测技术

（如多波长光电容积描记术（PPG）、心阻抗图（ICG））为动态捕捉亚临床阶段的微循环与血流动力学异常提供了关键窗

口；而人工智能定量计算机断层扫描（CT）分析（AI-QCT）等影像学技术，通过将6个月内心血管事件预测的曲线下面积

（AUC）从0.637提升至0.688，展现了精准识别早期结构与功能病变的巨大潜力。在风险预测层面，本综述探讨了从传统工

具到人工智能模型的演进：新型PREVENT方程通过整合肾功能指标（估算肾小球滤过率（estimatedglomerularfiltration

rate，eGFR）、尿白蛋白/肌酐比值（urinealbumin-to-creatinineratio，UACR）），可将CKD检出率提高20%~30%，实现了

对亚临床器官损伤的更精准识别；而基于机器学习的动态模型则代表了未来方向，例如XGBoost算法对365d内心血管事件

的预测AUC可达0.82，深度学习模型（KFDeep）对肾衰竭风险的预测AUC更高达0.946，彰显了AI在处理多模态数据与实

现个体化