为什么同样确诊肥厚型心肌病（HCM），有人终身无症状，有人却进展为心衰甚至猝死？这种“千人千面”的疾病异质性，一直是临床诊疗的难题。近日，《Frontiers of Medicine》发表的研究给出新答案——我国学者通过机器学习和基因测序技术，首次将HCM分为进展型和稳定型两个亚型，并找到46个与之相关的基因突变标志物，为精准预后评估和个体化治疗提供“导航图”。

研究背景：HCM的“隐形杀手”与诊疗困境

作为最常见的遗传性心脏病，HCM在全球每500人中就有1人患病，是青年运动员猝死的首要原因。但传统诊断仅关注“心肌是否肥厚”，忽略了患者间的巨大差异：有些患者仅超声显示心肌增厚，终身无需治疗；另一些则快速进展为左心功能衰竭，5年内死亡率高达20%。

“就像同一棵树上的叶子，看似相似，实则脉络不同。”论文通讯作者王浩教授解释，传统基于单一基因（如MYH7）的分类，无法解释这种异质性，导致部分高风险患者被漏诊，而低风险患者接受过度治疗。

核心发现：两个亚型，两种命运

研究团队对793例HCM患者（平均随访32.8个月）的超声心动图数据进行机器学习分析，就像用“显微镜”拆解疾病特征，最终识别出两个截然不同的亚型：

亚型1（进展型）：左心室像“扩张的气球”，收缩功能明显下降（左室射血分数LVEF=44.7%），左心室扩大（内径55.8mm）。这类患者心血管死亡率高达20.2%，且83.8%为男性，更易进展为终末期心衰。

亚型2（稳定型）：心肌呈“不对称增厚”，主要表现为室间隔肥厚（厚度17.8mm），但左室功能正常（LVEF=64.4%）。其心血管死亡率仅11.4%，病情相对稳定。

更关键的是，研究通过全外显子测序发现，46个基因突变的“负荷”（即突变数量和致病性评分）可准确预测亚型。例如，携带与心肌能量代谢相关基因突变的患者，更可能属于进展型，就像“基因里藏着疾病的‘进度条’”。

技术突破：机器学习+基因测序，让分型“又准又快”

传统分型依赖医生经验判断，主观性强。而新研究采用“两步法”：
第一步，用共识聚类算法分析7项超声心动图指标（如左室大小、舒张功能），自动划分亚型，就像“AI医生”通过图像识别给疾病“贴标签”；
第二步，用基因预测模型（整合4种致病性评分工具）筛选突变基因，构建“基因指纹”，在独立验证队列（414例患者）中准确率达81%。

“这相当于给HCM患者做了‘基因CT’，不仅看结构，还看分子层面的差异。”研究第一作者戴佳琦博士表示，该模型可通过常规超声和少量基因检测实现，适合基层医院推广。

临床价值：从“一刀切”到“精准施策”

过去，HCM治疗像“盲人摸象”，所有患者都用β受体阻滞剂等药物。而新分型提示：

• 对进展型患者，需加强随访（每3个月一次超声检查），尽早干预心功能不全；
• 对稳定型患者，可适当减少检查频率，避免过度医疗。

更长远看，46个亚型特异性基因可能成为新药靶点。例如，参与细胞外基质重构的基因突变，或可通过靶向药物延缓心肌纤维化。

研究局限与未来方向

尽管成果显著，研究仍有局限：样本来自单中心，需多地区验证；部分罕见基因突变的作用尚未明确。未来计划结合人工智能心电图（AI-ECG）技术，进一步降低分型成本，让更多患者受益。

来源: 医学前沿FrontMed