麻省总医院布莱根分校的研究人员利用数万名动脉粥样硬化性心血管疾病(ASCVD)患者的数据，开发并验证了两种新型残留风险评分工具——RRS16与RRS24，用于量化既往患有心肌梗死、中风等疾病患者的10年心血管死亡风险。研究显示，与美国心脏协会指南推荐的模型相比，新工具通过整合16至24种临床变量及机器学习技术，显著提升了风险识别能力。研究结果发表于《JACC：进展》，为ASCVD二级预防提供了更精准的个体化评估手段。

联合资深作者Olga Demler博士指出：“新模型通过纳入更广泛的临床变量和先进建模技术，在预测10年心血管死亡率方面较现有指南有显著改善。”共同资深作者萨米亚·莫拉强调，更准确的风险评估将推动治疗策略的优化，最终改善患者预后。目前，ASCVD每年在美国造成约40万人死亡，而现有二级预防模型存在局限性，如无法提供个性化定量评估或仅适用于特定患者群体。新开发的RRS16与RRS24模型通过整合多维度数据，覆盖了32,994名英国生物库参与者和54,969名麻省总医院患者的数据，验证结果显示其预测能力优于美国心脏协会指南。

研究团队表示，新模型利用现成的临床因素和血液检测结果，可实现更快速的临床转化，目前虽仅供研究使用，但已免费在线开放。主要作者Olga Mineeva博士指出，该研究为解决现有模型缺陷提供了新思路，未来需在更多样化人群中进一步验证。随着心血管疾病负担加重，此类精准化工具或成为优化治疗策略、降低医疗成本的关键。

更多信息： Olga Mineeva 等，ASCVD 患者新型残留风险评分的开发与验证，JACC: Advances (2025)。期刊信息： 美国心脏病学会杂志