人工智能在慢性病早期预测中的应用： 以心血管和心肺功能疾病方向

摘要

目的：分析人工智能（AI）在慢性病早期预测中的应用价值，聚焦心血管及心肺功能疾病风险识别与干
预，为临床早期诊治提供依据。方法：纳入我公司和合作某院2024年5月至2025年6月慢性病高危人群60例，随机
分AI预测组与传统评估组各30例。AI组采用深度学习多模态预测模型，整合心电图、心脏彩超、肺功能、动态血压
及实验室指标；传统组采用Framingham风险评估及常规检查。以Logistic回归与ROC曲线比较两组早期发现率、预
测准确率及干预依从性差异。结果：AI预测组心血管及心肺功能异常检出敏感性（91.7% vs 68.3%）、特异性（88.4%
vs 65.2%）均显著高于传统组（P＜0.05），模型AUC为0.93（95% CI：0.88-0.98），优于传统组0.75（95% CI：0.68-
0.82）。6个月随访显示，AI组病情进展率10.0%，低于传统组26.7%（P＜0.05），运动耐量及心肺功能改善更显著。
结论：人工智能多模态预测模型能显著提升慢性病尤其心血管及心肺功能疾病的早期筛查敏感性和准确性，辅助制
定个体化干预策略，对慢性病早期防控和精准管理具重要临床价值。