923｜一管血能看見15年後的心臟？AI醫療正在把「早知道」變成「早點有辦法」

摘要

香港大學研究團隊用一次抽血中的2920種蛋白質與168種代謝物，透過AI學習預測15年內罹患六種心血管疾病的風險。研究最反直覺的發現是：單靠基因風險評分判斷力接近隨機（0.52-0.60），反而蛋白質與代謝物這類「當下運行日誌」更能反映真實風險（0.64-0.82）。沒有任何單一指標能定音，價值來自成千上萬個微弱信號的同步變化。同時AI輔助新藥研發也在進展——AI找出的候選藥一期臨床通過率達80-90%，遠高於傳統藥物的40-65%。但研究仍需跨國家、跨族群獨立驗證，且尚未確認生活習慣改變後風險分數是否真的下降。

重點

• 蛋白質代謝物風險分數（0.64-0.82）遠優於基因風險評分（0.52-0.60），後者判別力接近隨機
• 六種心血管疾病共享炎症、凝血、血管損傷機制，用共用神經網路結構同時學習風險分數
• 沒有單一神指標，價值來自大量微弱信號的整體變化，任何單一蛋白質效果都遠弱於全套組合
• AI製藥在一期臨床通過率達80-90%但二期僅40%，說明擅長找「像藥的分子」但未解決有效性驗證
• 研究仍缺跨國家跨族群驗證，未確認戒菸減重等行為改變後風險分數下降對應實際發病率降低

章節

1. 一管血能看15年心血管風險

   香港大學團隊用2920種蛋白質與168種代謝物透過AI預測未來15年內六種心血管疾病的發病風險

2. 蛋白質代謝物勝過基因風險評分

   蛋白質代謝物分數（0.64-0.82）遠優於基因評分（0.52-0.60），揭示基因只是出廠設置，當下運行狀態才決定真實風險

3. 多疾病共學與微弱信號整體變化

   六種心血管疾病共享生物機制，用共用神經網路同時學習。無單一神指標，價值來自大量微弱信號的同步變化

4. AI製藥的一期二期落差

   AI候選藥一期臨床通過率80-90%遠優於傳統40-65%，但二期僅40%，顯示AI擅長找分子結構但未解決實際有效性

5. 研究邊界與後續驗證課題

   樣本以歐洲血統中高齡人群為主，缺乏跨國跨族群驗證；未驗證行為改變後風險分數下降是否對應實際發病率降低

金句