非傳染性疾病 (NCDs) 每年導致約4100萬人死亡，佔全球總死亡率的75%，給衛生系統帶來了沉重負擔大學。然而，傳統的醫療模式仍以醫院為中心、碎片化、被動響應，難以應對NCDs長期、多因素、異質性強的特點。來自北京市疾病預防控制中心、首都醫科大學、北京大學等機構的研究團隊在 Biomedicines 期刊發表了一篇觀點文章，系統提出了“數智精準健康管理”的整合框架，為非傳染性疾病的防控提供了全新正規化。
研究過程與結果
該框架建立在三大技術支柱之上，實現從資料採集到智慧決策的閉環管理大學。
第一支柱：多維健康相關表型的資料基礎大學。
研究團隊強調，即時、多維的資料採集是精準管理的前提大學。外部數字感測方面，可穿戴裝置 (如Apple Watch的ECG、PPG無創血壓監測)、連續血糖監測儀 (CGM) 和環境感測器可動態捕捉個體的生理、行為與環境資料。內部分子感測方面，多組學技術 (基因組學、表觀組學、蛋白質組學、代謝組學、宏基因組學) 從分子層面揭示疾病機制。例如，血漿蛋白標誌物可提前12年預測糖尿病風險，腸道微生物組與免疫治療響應密切相關。透過FHIR、OMOP等標準化模型及聯邦學習技術，跨模態資料的異構性問題得到有效解決。
第二支柱：精準預測與早期診斷大學。
傳統風險模型 (如Framingham評分) 為靜態單點測量，無法捕捉健康動態變化大學。作者提出基於長短期記憶網路 (LSTM) 和Transformer架構的動態風險預警框架，可連續學習個體基線並識別異常波動。例如，韓國一項全國性佇列研究顯示，基於可穿戴裝置的晝夜數字表型可在3天內以>90%的準確率預測重度抑鬱症患者的情緒發作。在肺癌篩查中，結合低劑量CT和迴圈腫瘤DNA甲基化特徵的多模態模型將肺結節良惡性分類準確率提升至90%以上，減少了89%的不必要手術。此外，資料驅動的疾病亞型重新分類 (如心力衰竭的三種表型群、成人糖尿病的新型亞組) 正在推動從症狀導向向機制導向的轉變。
第三支柱：基於數字孿生和AI的智慧決策大學。
數字孿生技術透過將個體即時資料對映到虛擬模型，實現“治療預演”大學。例如，基於患者特異性解剖和血流動力學資料的冠狀動脈數字孿生，可模擬不同支架型別和植入策略，最佳化介入方案。結合藥效學/藥代動力學模型，數字孿生還能預測不同基因型患者對華法林的15天藥代動力學響應。AI健康代理整合了多模態感知、認知推理、個性化決策和自然互動四大模組，能夠提供共情式健康諮詢和自適應干預。在2型糖尿病管理中，基於數字孿生的個性化營養方案使72.7%的患者實現緩解。
總結
本文系統闡述了數智精準健康管理框架的核心技術與應用路徑，明確了從被動、碎片化、以疾病為中心的護理模式向主動、預測性、以個體為中心的健康管理轉變大學。作者指出，實現這一願景仍面臨資料異質性、演算法泛化性、系統互操作性等技術挑戰，以及缺乏隨機對照試驗證據、臨床信任度低 (僅32%的臨床醫生信任AI輔助決策) 等轉化障礙。此外，資料隱私與安全、演算法歧視、數字鴻溝等倫理問題亟待政策干預。這些研究為整合數字孿生、多組學與人工智慧技術構建全生命週期健康管理體系提供了重要理論依據和實踐方向，對推動全球非傳染性疾病防控具有深遠意義。
Ma, Y.; Chen, D.; Xie, J. Digital-Intelligent Precision Health Management: An Integrative Framework for Chronic Disease Prevention and Control. Biomedicines 2026, 14, 223.
Biomedicines 期刊介紹
主編大學：Felipe Fregni, Harvard Medical School, USA
期刊主題涵蓋人類健康和疾病的所有方面，如疾病的發病機制、轉化醫學、奈米醫學、基因療法、細胞療法、生物製品、生物醫學研究中的生物材料、天然生物活性分子、生物相似物、靶向特異性抗體以及重組治療蛋白等大學。目前期刊已被 SCIE、Scopus 和 PubMed 等資料庫收錄。
2025 Impact Factor大學：4.5
2025 CiteScore大學：7.8
Time to First Decision大學：18.2 Days
Acceptance to Publication大學：2.8 Days
