无监督聚类分析识别驱动主动脉瘤患者异质性和生存模式的风险概况

这对有隐性心脏风险的人有何意义

主动脉瘤——主要动脉出现的危险膨出——常发生在已患有高血压或心脏病等常见健康问题的人群中。医生知道这类患者非常异质，但通常按瘤体在主动脉中的部位来分类，而不是按更广泛的健康状况来划分。这项研究提出了一个简单但有力的问题：如果让计算机仅根据真实世界的健康资料对数千名动脉瘤患者进行分组，会出现哪些模式？哪些人群面临最高的死亡风险？

超越动脉的膨出位置来看问题

研究者使用了来自英国生物样本库的超过4600名患有主动脉瘤或相关主动脉疾病参与者的数据。研究没有依赖传统的“腹部”或“胸部”瘤体分类，而是将年龄、性别、吸烟史、血压、心脏问题、肾脏疾病及其他疾病等信息输入一种将相似患者分组的算法。这种方法称为表型映射（phenomapping），它不预设分类框，而是让数据本身揭示具有相似健康模式的自然患者群体。

由整体心脏与肾脏健康定义的两大类群

当计算机对腹主动脉瘤患者进行聚类时，出现了两个主要群体。一类患者几乎没有额外的心脏和肾脏问题；另一类则以合并冠心病、心力衰竭、心律失常和慢性肾脏病的患者为主。重要的是，这些群体并非按年龄、吸烟史或瘤体形态来区分，而主要由心脏和肾脏负担的轻重决定。即便两组接受瘤体修复的比例相近，较重病负的那一组总体存活率明显更差。

在其他类型主动脉疾病中核验模式

为了检验这一发现是否仅限于腹主动脉瘤，研究组在胸主动脉瘤、胸腹联合瘤和主动脉夹层患者中重复了分析。结果再次出现同样的格局：一类以重度心血管和肾脏疾病为特征，另一类问题较少。在这些胸部和夹层患者中，动脉破裂——即动脉壁的紧急破裂——在病情更重的群体中更为常见。当研究者允许出现三个聚类而非两个时，出现了特殊的小群体：在腹主动脉瘤中一个聚类以破裂病例为主，在胸主动脉瘤中则出现了以遗传性结缔组织病（如马凡综合征或Ehlers–Danlos综合征）为主的群体。

将多种疾病凝练为单一风险评分

由于心脏和肾脏问题持续驱动聚类差异，作者将这些病症合并为一个简单的“心肾”评分，统计每人合并了多少类此类疾病。他们发现了明确的阈值：超过两种此类疾病标志着向高风险谱系的转变。生存曲线显示，得分很低的人群彼此生存情况相似，而得分较高者则共享更差的结局，与瘤体所在位置无关。有趣的是，一旦动脉瘤成功修复，死亡常常由其他心血管原因或癌症导致，而非瘤体本身，这凸显了这些背景性疾病对长期预后的重要影响。

对患者及其医生的意义

这项工作表明，对于有主动脉瘤的人而言，膨出的确切位置对长期存活的影响可能不如心脏和肾脏整体疾病负担来得重要。用计算方法根据患者的完整健康状况对其分组强调了一个简单教训：仅仅处理动脉瘤并不足够。合并多种心脏和肾脏问题的患者可能需要更积极的预防措施——更好地控制血压、戒烟、个体化心衰治疗和肾脏保护——并在是否以及何时修复动脉瘤时做出更审慎的决策。虽然这些发现需要在其他人群中验证，但它们指向一个未来：动脉瘤治疗不仅由血管影像决定，还应由每位患者的整体心血管健康图谱来引导。

引用: Leinweber, M.E., Taher, F., Kliewer, M. et al. Unsupervised cluster analysis identifies risk profiles driving heterogeneity and survival patterns in aortic aneurysm patients. Sci Rep 16, 12092 (2026). https://doi.org/10.1038/s41598-026-41344-2

关键词: 主动脉瘤, 心血管风险, 多重共病, 表型映射, 医学中的机器学习