JACC(IF=22.3) | AI虚拟助手如何让心衰用药达标率翻倍?

顶刊速览

JACC | AI虚拟助手如何让心衰用药达标率翻倍？

(期刊信息见原文)

心衰出院后，药物滴定慢、依从性差是临床老大难。一项随机试验显示，由AI虚拟助手指导的非医学人员管理，让GDMT达标率从20%飙升至96%以上，且零再住院。

★研究亮点

✓首个随机试验证实生成式AI可安全指导HFrEF药物优化

✓AI组β-blocker达标率100% vs 常规组52%，ARNI达标率100% vs 37%

✓12周内AI组零心衰再住院，常规组13%

✓非医学人员+AI+远程心内科医生审核的混合模式可行且高效

✓患者接受度高达90%，无AI相关不良事件

AI虚拟助手SIRIO-HF指导非医学人员优化心衰用药，12周内GDMT达标率显著优于常规治疗。

期刊	Journal of the American College of Cardiology
作者	Eliano P. Navarese, c Joshua H. Leader, MB CHB, C, e Rafaella I.L. Markides, BA (HONS)
DOI	10.1016/j.jacc.2025.12.066

点击文末「阅读原文」查看论文全文

■研究背景

射血分数降低的心力衰竭（HFrEF）是心血管领域的重大挑战。指南推荐的药物治疗（GDMT）包括β-blocker、ARNI、MRA和SGLT2i等，能显著降低死亡率和再住院率。然而，临床实践中，患者出院后药物滴定缓慢、剂量不足、依从性差是普遍痛点。传统模式下，医生或心衰专科护士需频繁复诊调整用药，但医疗资源有限，患者往往数周甚至数月才能达到目标剂量，错失最佳治疗窗口。

近年来，AI在医学影像和诊断领域大放异彩，但在治疗决策，尤其是药物管理中的应用仍属空白。既往的“导航员”项目多基于简单算法或评分，缺乏动态、个性化的指南推理能力。生成式AI（如大语言模型）的出现，为自动化、可扩展的GDMT优化提供了可能，但其安全性和有效性在随机试验中从未被验证。ASSIST-HF SIRIO试验正是首个填补这一空白的探索。

■核心方法

这是一项单中心、前瞻性、开放标签的随机对照试验（NCT06400927），纳入60名新诊断的HFrEF住院患者（NYHA II-IV级）。出院时1:1随机分配至AI虚拟助手组（VA组）或常规治疗组（SOC组），随访12周。

核心创新在于SIRIO-HF虚拟助手：它基于大语言模型构建，采用检索增强生成（RAG）和专家提示工程，严格锚定最新心衰指南。VA组患者每两周由非医学/非护理人员（如行政人员）进行远程或面对面访视，收集症状、生命体征、体重及实验室数据（NT-proBNP、肾功能、电解质），输入VA后实时生成个性化治疗建议（包括药物滴定、利尿剂调整和安全性监测）。建议经远程心内科医生审核（human-in-the-loop）后执行。SOC组则按常规由医生或心衰护士管理。

主要终点包括可行性、可接受性和GDMT优化程度。关键设计亮点是“解耦”模式：将数据采集和指南应用交给非医学人员和AI，心内科医生专注于安全监督，从而在不增加专科医生负担的前提下实现高频次管理。

本试验评估了一套搭载人工智能的诊疗工作流，该流程内置虚拟助手（VA），整体采用监督式架构，由非医疗工作人员操作、心血管专科医师全程监管。图表展示试验终点（EOT）时，两组研究队列中各类指南导向药物（GDMT）的给药达标情况（当前剂量占目标最大耐受剂量的比例），药物分类包括血管紧张素转换酶抑制剂（ACEi）、血管紧张素 II 受体拮抗剂（ARB）、血管紧张素受体脑啡肽酶抑制剂（ARNI）、β 受体阻滞剂（BB）、盐皮质激素受体拮抗剂（MRA）。

■关键结果

100%

β-blocker最大耐受剂量达标率

vs SOC 52%

100%

ARNI最大耐受剂量达标率

vs SOC 37%

96%

MRA最大耐受剂量达标率

vs SOC 20%

心衰再住院率

vs SOC 13%

可行性方面，98% 的合格患者同意参与，仅1例脱落（SOC组）。VA组患者对AI管理的接受度、适宜性和可行性评分分别高达90%、92%和88%，87% 的患者综合接受度评分>80%。

GDMT优化结果极为显著：12周时，VA组各药物类别达到最大耐受剂量的比例均远超SOC组——β-blocker 100% vs 52%，ARNI 100% vs 37%，ACEi/ARB 100% vs 35%，MRA 96% vs 20%，SGLT2i 96% vs 20%（P均<0.001）。更惊人的是，首次访视（2周）时，VA组83.3% 的患者已使用3-4类GDMT，而SOC组仅20%。

临床结局方面，VA组NT-proBNP中位数从2588 pg/mL降至388 pg/mL，降幅远超SOC组（3571→1756 pg/mL）。NYHA III-IV级患者中，VA组46.2% 改善至I级，SOC组仅14.3%。心衰再住院率VA组为0%（0/30），SOC组为13%（4/30）。生活质量评分VA组也更高（25.3 vs 19.6分）。安全性方面，心内科医生与VA的建议一致率早期为100%，末期93.4%，分歧主要源于VA对边缘值过于谨慎。无AI相关不良事件。

■临床/产业意义

这项研究首次在随机试验中证明，生成式AI虚拟助手可以安全、有效地指导HFrEF患者的GDMT优化。其核心价值在于提供了一种可扩展的“混合智能”模式：非医学人员负责数据采集，AI负责指南推理，医生负责安全监督。这有望解决心衰管理中“专科医生不足”和“随访频率低”两大瓶颈。

对临床实践而言，该模式可大幅缩短药物滴定时间，让更多患者在出院后早期就达到目标剂量，从而降低再住院率和死亡率。对AI医疗行业来说，它展示了生成式AI在治疗决策中的潜力，而不仅仅是辅助诊断。如果后续大型多中心试验证实其疗效，可能改变心衰门诊的管理范式，甚至推广到其他慢性病（如高血压、糖尿病）的药物管理。

■局限与展望

这是一项单中心、小样本（60例）的探索性试验，所有临床结局分析均为描述性和假设生成性质。12周随访时间较短，长期疗效和安全性未知。VA组的管理频率更高（每两周一次），可能部分解释了疗效差异，而非AI本身。此外，非医学人员的数据采集质量、远程心内科医生的可及性在不同医疗体系中的适用性有待验证。最后，AI建议的“过度谨慎”倾向（如对边缘钾值）可能在某些情况下限制滴定速度。

✎编者按

ASSIST-HF SIRIO试验是AI在心血管治疗管理领域的一个重要里程碑。它巧妙地将生成式AI的推理能力与人类监督相结合，解决了“AI替代医生”的焦虑，而是提出“AI赋能非医学人员，医生专注监督”的务实路径。83.3%的患者在2周内达到3-4类GDMT这一数据令人印象深刻，因为传统模式下这一过程常需数月。

值得注意的是，该试验的AI系统SIRIO-HF并非简单的聊天机器人，而是基于RAG和专家提示的定制化工具，这提示我们：通用大模型在医疗场景中需要精心微调和安全框架。未来，如果能在多中心、不同医疗系统（如社区医院）中复制这些结果，并纳入成本效益分析，这项技术有望成为心衰管理的标准配置。对于医学生和临床医生，这是一个信号：AI不是威胁，而是优化医疗资源、提升患者预后的强大工具。

心衰AI虚拟助手GDMT优化随机对照试验JACC

MedAI Hub

AI + 医学前沿洞察

本文由 AI 辅助生成，经人工审核。仅供学术参考，不构成任何医疗建议。