根据英国伦敦帝国理工学院研究人员的说法，左心室的四维(4D)运动分析已揭示了六个新的运动表型组，可用于确定心血管疾病结果和遗传风险。
传统的心脏评估严重依赖全局容积测量，这往往无法捕捉到心脏功能中更细微或早期的异常。现在，这项大规模分析已证明运动分析识别不同心脏结果的潜力。
人工智能分析四维点云模型
参与者样本来自英国生物银行(UK Biobank)，该银行在2006年至2010年间招募了50万名40至69岁的参与者。
研究人员使用图像处理人工智能（计算机视觉）分析左心室20,000多个合格参与者样本的心脏运动特征。图像样本被转换为四维点云模型，捕捉左心室的完整形状以及在整个心动周期中形状如何变化。
研究人员通过疾病流行率、未来心脏事件和多基因风险评分确定了六个运动特征聚类（表型组）。研究人员将这些聚类与人群平均模型（对照）进行比较，以定义运动模式的多样性。
心脏运动的六个表型组
表型组1和2（PG1和PG2）被确定为风险最低的组，肥胖、糖尿病和高血压风险最小，表明通过运动分析也可以识别出不良结果风险低的健康个体。
虽然PG3没有表现出强烈的区分性风险因素，但PG4与心肌代谢疾病（如糖尿病性心肌病）关联最为密切，表明运动分析也可以识别代谢风险。
PG5和PG6显示心脏病的流行率和发病率最高，以及最高的多基因风险评分。虽然PG6显示出显著的心脏骤停发生率，但PG5更多与高血压和扩张型心肌病相关。PG6也是唯一一个显示出心肌梗死和心脏疾病发生率较高的聚类，这表明运动特征可能还能预测致命结果。
研究局限性与临床意义
尽管前景广阔，但该研究存在局限性。该模型仅关注左心室，排除了其他心腔，这挑战了表型组的更广泛应用。
英国生物银行样本主要由具有欧洲血统的参与者组成，而老年人和生活在社会经济贫困地区的人则代表性不足。需要进一步研究以了解运动分析在不同人群和社会群体中的能力。
尽管如此，如果在临床环境中得到验证，四维心脏运动分析有潜力重新定义心脏病的筛查和管理，进一步推进个性化心脏护理的发展。
参考文献
Schiratti PR等. 四维左心室运动聚类揭示人群规模的心血管表型. Sci Rep. 2026; DOI: 10.1038/s41598-026-56151-y
特色图片：Abode Stock上的Flow 37
【全文结束】