在 ESC 數位與人工智慧高峰會（ESC Digital & AI Summit 2026）上發表的最新研究指出，透過人工智慧分析超音波影像所估算出的「AI 心臟年齡」若大於實際年齡，將與較差的健康預後顯著相關，這項突破性發現為評估長期健康風險提供全新工具。
深度學習模型解讀超音波密碼
這項回顧性分析由美國明尼蘇達州羅徹斯特梅約診所（Mayo Clinic, Rochester, USA）的研究團隊主導，並在會中發表重要成果。研究主要講者、梅約診所的傑佛瑞・馬林斯醫師（Doctor Jeffrey G. Malins）指出，過去已知 AI 估算的心臟年齡與實際年齡之間的落差，與心血管疾病患者的不良預後息息相關，但一般健康族群是否也存在這種關聯，先前在實證上仍存在盲點。
為了填補這項空白，研究團隊針對 2002 年至 2004 年間接受超音波心動圖檢查、年滿 50 歲以上的 568 名成年社區居民進行長期追蹤。他們將先前開發的 AI 年齡模型應用於心臟超音波影像片段，計算出每位參與者的平均 AI 預測年齡，並藉此得出心臟年齡落差，也就是 AI 預測的生物學年齡減去實際年齡。
心臟年齡落差與死亡率的直接關聯
在長達 20 年的追蹤期間，研究團隊收集了這些參與者的心血管疾病及失智症相關死亡數據。統計結果顯示，在控制了年齡與性別變項後，心臟超音波年齡落差每增加 5 年，20 年內因心血管疾病或失智症導致的死亡風險就會增加 61%（風險比 HR 為 1.61，95% 相信區間為 1.24 至 2.07，p<0.001）。
即使進一步將身體質量指數（BMI）與左心室射出分率（left ventricle ejection fraction）納入調整，這項關聯雖然稍微減弱，但依然具有統計顯著性。數據顯示，心臟年齡落差每增加 5 年，相關死亡風險仍會增加 46%（風險比 HR 為 1.46，95% 相信區間為 1.13 至 1.90，p=0.004）。
從產業與臨床面來看，這項研究證明了 AI 影像分析不只是醫療效率的加速器，更能捕捉肉眼難以察覺的微觀老化訊號。當生物學上的心臟年齡超前實際年齡，身體其實早已發出長期的血管與神經退化警訊。未來若能將這種 AI 檢測常態化，結合生活型態介入或精準醫療干預，我們將有機會把這段令人擔憂的「年齡落差」重新拉近，甚至改寫高風險族群的健康命運。
前瞻應用與未來研究展望
隨著心血管疾病與失智症及老化相關衰退之間的連結日益受到重視，這項基於社區世代的研究表明，AI 衍生出的心臟老化特徵，未來極有可能作為識別長期健康脆弱族群的重要生物標記。馬林斯醫師補充說明，研究團隊基於實務考量，在本次分析中將心血管與失智症相關死亡率合併評估，但未來若能針對兩者進行獨立的 AI 年齡分析，將有助於更深入釐清心血管疾病與神經退化性疾病之間的關聯機制。
- 利用 AI 分析超音波心動圖能精準估算生物學心臟年齡。
- 心臟年齡落差每增加 5 年，長期心血管與失智相關死亡風險顯著攀升 46% 至 61%。
- 未來需擴大在更大規模、獨立的族群中進行前瞻性驗證，以評估生活型態調整是否能縮小年齡落差。
面對日益嚴峻的高齡化健康挑戰，這類創新分析工具有望為臨床醫學開闢新局，評估未來醫療與生活型態介入是否能有效降低心臟老化帶來的潛在威脅。醫界目前正呼籲進行更廣泛的前瞻性評估，將這些 AI 檢測技術推向更大規模的獨立世代研究，為預防醫學寫下新頁。
本文改寫整理自公開新聞來源，原始報導由News-Medical發布。
常見問題 FAQ
什麼是 AI 心臟年齡？
答案：AI 心臟年齡是透過深度學習人工智慧模型，分析心臟超音波（心動圖）影像後所計算出的生物學年齡，能反映心臟實質的老化程度。
心臟年齡大於實際年齡會有什麼影響？
答案：研究指出，心臟年齡落差每增加 5 年，未來 20 年內因心血管疾病或失智症導致的死亡風險就會增加 46% 至 61%。
這項研究的對象與追蹤時間有多久？
答案：這項回顧性分析使用來自社區世代的 568 名 50 歲或以上成年人數據，追蹤時間長達 20 年。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
