引言

　　2021 年全球疾病負擔研究顯示，卒中是全球第三大致死原因，其高發病率、致殘率、復發率、死亡率對人類健康構成嚴重威脅。一級預防是指在疾病尚未發生時針對危險因素采取的措施，包括評估、監測風險因素和推廣健康生活方式，是降低卒中發病率最根本的措施。積極開展卒中的一級預防工作，將防治關口前移，能夠更好地實現卒中管理從被動治療到主動健康管理的轉變，減輕卒中對患者家庭及社會造成的沉重負擔。然而，由于風險因素復雜、風險人群龐大和醫療資源有限等，卒中一級預防工作存在挑戰和困難。

　　數字健康技術顯著提升了醫療健康領域的信息處理與利用能力，可以給卒中一級預防帶來巨大變革。目前對數字健康技術在卒中一級預防中的應用情況進行系統梳理的研究較少。本文檢索并整理數字健康技術在卒中一級預防領域相關的中英文文獻，圍繞卒中風 險因素識別、風險評估與篩查、健康宣教、健康管理與干預等方面，綜述數字健康技術的應用現狀及挑戰，為我國卒中預防策略的制定提供參考。

　　1 數字健康在卒中一級預防中的應用

　　1.1 風險因素識別

　　數字健康技術在卒中一級預防中的應用，既為既有識別因素提供更多可信證據，也幫助識別新的風險因素。通過多種建模算法，研究識別出諸多重要的卒中風險因素，如血脂相關指標、血肌酐、卒中病史、多種疾病史等，還發現社會決定因素在卒中風險識別中的重要性。

　　數字健康技術提高了對常見高危風險因素的識別效率，如利用人工智能技術精準識別左心房 / 左心耳結構及其血栓、評估頸動脈粥樣硬化斑塊穩定性、結合人工智能與基因組學評估斑塊性質等。

　　數字健康技術的應用正在改變卒中一級預防的數據獲取方式，智能傳感器和可穿戴設備獲取卒中高危患者的數據成為新熱點，可監控生命體征、預警卒中早期癥狀、監測不規則脈搏等，為評估風險因素提供新可能。

　　1.2 風險評估與篩查

　　隨著大量數據庫的建設和數據挖掘技術的發展，對人群進行精準的風險評估、預測和高效的篩查成為可能。

　　電子數據庫建設是數字健康支持卒中預防的關鍵，我國慢性病篩查工作體系在農村地區有待完善，醫療信息化發展促進了健康信息集中管理，便于大規模卒中風險評估和篩查，如上海建立相關數據庫和系統實現精準篩查。

　　美國相關組織支持將卒中風險評估用于一級預防決策，機器學習和深度學習等人工智能技術推動了卒中風險評估和預測模型的發展。這些模型大致分為兩類，一類利用專業醫療數據幫助臨床工作者識別高危患者，另一類利用流行病學數據使個人能自主預測風險。

　　1.3 高危人群健康宣教

　　數字健康技術正在以新途徑賦能卒中高危人群的健康宣教。健康教育對卒中高危人群十分關鍵，可提高其對卒中的認知，促進健康生活方式的采取，降低卒中發生率。多項研究構建相關平臺和數據庫，為高危人群提供生活方式調整等指導，推送個性化建議和措施，借助智能手機 App 和可穿戴設備提升健康宣教效果。

　　1.4 健康行為管理與干預

　　App 和可穿戴設備等數字健康技術在人群健康行為管理與干預方面具有巨大應用潛力。智能手機 App 的提醒和反饋功能有助于改善用戶健康鍛煉習慣 ，形成 “知曉 — 核查 — 行動” 效應，帶動更多人實施健康行為。可穿戴設備能夠監測用戶體征，并進行健康管理提醒以實現干預，幫助用戶實現控制膽固醇攝入等目標。

　　2 數字健康在卒中一級預防中的挑戰

　　2.1 醫療數據質量和可用性挑戰

　　數字健康技術依賴高質量醫療數據，但許多醫療數據存在模態多樣、質量不均、數據缺失和不一致等問題，不同地區和系統間數據難以整合，還受數據偏倚問題影響，限制了研究和模型開發效果。

　　2.2 模型的泛化能力和魯棒性挑戰

　　多數卒中風險預測模型僅在特定小范圍人群數據上訓練和開發，泛化能力弱，面對非常規輸入或噪聲數據時，模型魯棒性不足，可能導致誤診或漏診，而臨床數據存在噪聲，對模型魯棒性要求更高。

　　2.3 與臨床實踐融合應用的挑戰

　　數字健康技術與臨床實踐的融合面臨障礙。醫師需要理解數字技術決策過程，但許多深度學習模型難以解釋輸出結果，增加醫療責任歸屬復雜性，降低醫師使用意愿。此外，還存在工作流整合問題，即如何將數字健康技術提供的信息整合到現有臨床工作流程中。

　　2.4 法律與道德倫理的挑戰

　　數字健康技術應用需考慮法律、倫理問題。收集個人醫療和健康數據時，技術類型和開發主體多樣增加了隱私保護難度。同時，數字鴻溝可能導致社會公平問題，影響健康公平目標的達成，加劇數據偏倚。

　　3 總結與展望

　　數字健康技術在卒中一級預防方面展現出良好的應用前景，在多個領域被廣泛應用。然而，在實踐中存在諸多挑戰，如改善數據質量與可用性、提高模型泛化能力與魯棒性、完善法律與倫理規范等，未來需要深化研究、結合實踐經驗，推動數字健康技術發揮更大作用。此外，本文未分析數字健康技術應用后的效果，未來可進一步開展系統綜述或薈萃分析，全面評估其應用效果。

熊維清;趙一霖;邱月,清華大學生物醫學工程學院;清華大學深圳國際研究生院;清華大學醫療管理學院,202501