近日，灵长类转化医学研究院王骄健教授团队在健康衰老人群疾病风险前瞻性评估研究方面取得新进展。团队构建了整合生物、心理与社会因素的疾病易感性风险评分（RS4DV），为尚无明确疾病诊断的人群中识别未来健康风险、推动预防节点前移提供了新的研究依据。相关成果以“A generalizable biopsychosocial risk score for stratifying disease vulnerability in healthy populations”为题，于2026年10月7日在线发表于国际数字医学领域顶级期刊npj Digital Medicine（IF = 18）。

随着生活方式、环境暴露和社会心理因素的变化，人群健康风险日益呈现多因素交织、跨系统累积和长期分化的特征，健康管理需要更早识别个体的综合风险。尚未被诊断患病的人群，由于生活方式、环境和社会心理状态不同，未来健康轨迹可能存在差异，但现有风险评估工具多围绕单一疾病展开，对跨疾病、跨系统的整体风险关注不足。如何在疾病等不良健康结局发生前识别更需要预防性评估的人群，是精准预防面临的重要问题，也关系到有限的健康服务资源如何更有针对性地配置。

围绕这一问题，研究团队基于英国生物样本库（UK Biobank）超过48万名参与者的数据，整合85项易获取的生物、心理和社会指标，利用机器学习建立RS4DV。模型在391,193人的发现队列中开发，并在独立留出的90,864人测试队列中评估，进一步在其中基线时无研究所纳入疾病诊断的35,193人中检验其长期风险分层价值。模型在训练集、验证集和测试集上都表现出很好的性能。整合多层面信息的模型优于仅使用单一层面信息的模型。在模型中，贡献最大的变量为BMI，是否看精神科医生，年龄，血压以及双手握力等。

为了评估RS4DV的疾病预测效能，在未诊断任何疾病的健康人群中，通过十余年的随访结果发现，RS4DV能够区分基线时尚无相关疾病诊断人群的长期健康结局。在留出测试人群中，单变量分析显示，评分每升高一个单位，疾病进展和全因死亡的风险比分别为2.60和4.03。随访至第15年，评分最高与最低10%人群的疾病进展累积发生率分别为62.9%和21.5%。这些结果提示，即使处于相同的“尚无诊断”状态，个体也可能具有不同的长期风险，为更早开展分层健康管理提供了依据。

研究进一步从基因组、蛋白质组和神经影像层面考察了RS4DV的生物学关联，发现评分与炎症、代谢调节及小脑这样的关键脑区相关。这些跨层面的证据为理解综合健康风险提供了生物学线索，也为研究身心健康风险的共同关联因素提供了新的切入点。

面向实际使用需求，团队进一步构建了仅含六项常规指标的简化版RS4DV，涵盖年龄、体重指数、收缩压、握力、疲倦频率及心理健康相关就诊史。该模型具有中等水平的预测表现，与完整模型保持较高一致性，并在英国1970年出生队列中显示出跨队列迁移能力。简化设计降低了信息采集负担，为后续在基层健康管理、体检评估和数字健康服务中开展应用验证创造了条件。实际推广仍需在中国等更多不同种族人群中验证其适用性，并评估对健康结局的改善效果。

该研究的意义在于，为健康衰老人群疾病早期预防提供了以个体总体健康为出发点的量化路径，使“谁更需要及早关注”成为可以通过数据检验的问题。通过连接常规健康信息与长期健康结局，RS4DV为探索基于风险的预防服务和健康资源配置提供了方法基础，也为推动健康管理向疾病发生前的风险识别与主动预防延伸提供了研究支撑。这一方向契合健康中国建设中预防为主、以人民健康为中心的理念，体现了人工智能与医学交叉研究服务人群健康的潜力。

灵长类转化医学研究院博士研究生陈锦、中国科学院自动化研究所副研究员初从颖、英国南安普顿大学高级研究员Miguel Garcia-Argibay为论文共同第一作者。王骄健教授、初从颖副研究员、北京师范大学刘冰教授为共同通讯作者；王骄健教授、刘冰教授、初从颖副研究员与南安普顿大学Samuele Cortese教授共同指导该研究。本研究得到云南省基础研究专项和国家自然科学基金等项目支持。

论文链接：https://doi.org/10.1038/s41746-026-03316-8