09. HF-IntelliCare 总体架构

免责声明：本章节涉及的疗法与技术方案多数处于临床前或早期临床研究阶段，不可作为临床决策依据。本书定位为前瞻性技术蓝图，非临床实践指南。

背景

心衰是系统性衰老疾病。传统“医院-门诊-药物”模式难以应对连续监测、动态风险、个性化干预与多器官级联的需求。2026 年全球心衰患者年住院率 25–40%，30 天再入院率 20–25%，医疗支出占心血管疾病总支出的 40% 以上。

HF-IntelliCare 是心衰全病程智能管理（医疗操作系统），而非单一应用。它是融合感知层、数据层、AI 智能层、干预层与连续医疗网络的端到端闭环系统，实现 Sensing → Prediction → Intervention → Feedback → Optimization 五阶段闭环，从分子衰老到社区照护的实时感知、预测、干预、反馈与优化。

核心定位：HF-IntelliCare 是 real-time cardiovascular computing system —— 一个 physiology-native 的计算基础设施，直接对心血管衰老连续状态进行建模、推理与干预。

与心血管衰老脚手架理论的对齐（详见第02章）

HF-IntelliCare五层架构与五阶段闭环完全对齐[Ge2026]心血管衰老脚手架理论框架（详见第02章“心血管衰老脚手架理论”及附录C）。本章聚焦架构层面如何将12项核心标志转化为可计算数据流与决策闭环。

直接回扣[Ge2026]所阐述的核心衰老链路——inflammageing（炎症衰老，Hallmark节点中心性最高）、microvascular rarefaction与内皮功能障碍（贯穿分子-细胞-系统三层的共同病理终点）、SASP网络（旁分泌衰老正反馈）、biological age acceleration（ΔAge与表观遗传时钟）与HF progression的全链路计算与干预。

设计哲学：心血管衰老脚手架的工程化实现

HF-IntelliCare的架构设计原则来自Zheng et al.（通讯作者：葛均波）团队[Ge2026]提出的心血管衰老理论框架，该框架将心血管衰老定义为"分子层→细胞层→系统层"三层级联的动态过程，由12项核心标志驱动，通过五大病因类别（生活方式与行为因素、代谢紊乱、环境暴露、遗传与表观遗传、宿主生物学与社会人口因素）加速。

这一映射关系确保HF-IntelliCare的每一个技术决策都有明确的病理生理学依据，而非通用数字医疗的技术堆砌。

机制：physiology-native 计算基础设施

HF-IntelliCare 的核心价值在于将心血管衰老从静态“疾病状态”转化为动态“可计算轨迹”。physiology-native 的本质是对心血管系统内在生理规律的数学建模与实时控制，将传统医疗的“经验驱动”升级为“数据驱动 + 模型驱动 + 证据驱动”的三重闭环。

核心理念：HF-IntelliCare 是从分子衰老到社区照护的连续计算基础设施，将心衰管理从“被动响应事件”转变为“主动调控衰老轨迹”的全病程智能操作系统。它要求系统具备实时性、连续性、个性化与可解释性四大特征。

模型

HF-IntelliCare 在 [Ge2026] 框架基础上提出三项原创指数，用于量化衰老轨迹与干预效果。

Senolysis Index 衡量细胞清除效率：

$$\text{Senolysis Index} = \frac{\Delta \text{SASP}_{\text{IL-6, CRP, TNF-}\alpha}}{\text{Baseline Inflammageing}} \times \text{Intervention Compliance}$$

Inflammation-Metabolic Dual-Axis Imbalance Index 刻画炎症-代谢双轴失衡：

$$\text{Dual-Axis Index} = w_1 \cdot \text{Inflammageing Score} + w_2 \cdot \text{Metabolic Dysregulation} - w_3 \cdot \text{Reserve Index}$$

Reserve Index 评估心血管储备：

$$\text{Reserve Index} = f(\text{HRV}_{\text{HF}}, \text{PWV}, \text{Microcirculation PI}, \text{VO}_2\text{peak})$$

HF-IntelliCare 整合

五层操作系统模型

flowchart TD
    subgraph L1["感知层 Sensing Layer"]
        direction TB
        S1[ECG/PPG/BP/SpO2/HRV]
        S2[可穿戴 & 植入式设备]
        S3[家庭/社区监测]
    end

    subgraph L2["数据层 Healthcare Data Fabric"]
        direction TB
        D1[FHIR R4 / HL7]
        D2[EHR/EMR/RWD]
        D3[隐私计算/联邦学习]
    end

    subgraph L3["AI 智能层 Intelligence Layer"]
        direction TB
        A1[Clinical LLM]
        A2[Risk Engine]
        A3[Digital Twin]
        A4[Medical Agent]
    end

    subgraph L4["干预层 Intervention Layer"]
        direction TB
        I1[药物优化/Gerotherapeutics]
        I2[数字疗法]
        I3[远程管理]
        I4[康复与心理神经心脏学]
    end

    subgraph L5["连续医疗网络 Continuous Care Network"]
        direction TB
        C1[医院心衰中心]
        C2[家庭]
        C3[社区卫生服务]
        C4[云端 AI Agent]
    end

    L1 -->|多模态特征| L2
    L2 -->|Feature Store + Ageing_scaffold| L3
    L3 -->|FHIR Task/CarePlan + Evidence| L4
    L4 -->|执行反馈| L5
    L5 -->|真实世界证据回流| L1

    classDef sensing fill:#1e3a5f,stroke:#3b82f6,color:#f8fafc
    classDef data fill:#334155,stroke:#64748b,color:#e2e8f0
    classDef ai fill:#0f172a,stroke:#22c55e,color:#f1f5f9
    classDef intervention fill:#1e293b,stroke:#f59e0b,color:#f8fafc
    classDef network fill:#1e3a5f,stroke:#8b5cf6,color:#f1f5f9

    class L1 sensing
    class L2 data
    class L3 ai
    class L4 intervention
    class L5 network

层间数据流与决策流详解

感知层→数据层：可穿戴/植入式设备采集的连续生理信号（ECG/PPG/BP/SpO2/HRV、睡眠阶段、血流动力学参数）通过BLE/Thread协议上传，经边缘预处理后封装为FHIR R4 Observation/Condition资源。标准化过程保留时序特征：每个Observation携带effectiveDateTime与valueQuantity的时序序列，同时通过Ageing_scaffold Profile扩展字段记录12项衰老标志的代理信号（如HRV SDNN代理线粒体功能、BPV代理微循环稀疏），确保分子层-细胞层-系统层标志的连续轨迹不被离散化。

数据层→AI智能层：Feature Store从FHIR数据中提取时序特征向量，Feature Engineering阶段通过 Ageing_scaffold 知识图谱映射，保证12项核心标志的完整性——基因组不稳定性、表观遗传改变、蛋白稳态丧失、线粒体功能障碍、氧化应激、炎症、细胞衰老、干细胞耗竭、RAAS、β肾上腺素信号、生长信号、机械信号传导均有对应传感器或EHR字段输入，避免特征缺失导致的因果推断偏差。

AI智能层→干预层：Risk Engine输出动态风险评分与ΔAge预测；Digital Twin模拟状态转移轨迹；Medical Agent生成结构化决策（FHIR Task/CarePlan）。决策输出显式区分两层：症状管理层输出针对HF phenotype的药物滴定（如SGLT2i剂量、利尿剂调整）；抗衰老干预层输出针对cardiovascular ageing scaffold的六大方向干预（如Senolytics计划、NAD+补充、NLRP3轴评估、运动处方），并通过Evidence字段标注[Ge2026]依据，确保两层协同但不混淆。

架构设计的关键权衡

感知层独立：心血管衰老是连续动态过程，12项标志的演变需要高频连续采样（毫秒级ECG到分钟级HRV），传统EHR的离散就诊记录无法捕捉早期亚临床漂移，故必须将感知层作为独立基础设施，实现从分子衰老到社区照护的实时轨迹追踪。

数据层支持联邦学习：多中心衰老研究涉及基因组、表观遗传与RWD的敏感数据，集中式存储面临隐私合规风险。联邦学习允许各站点本地训练 Ageing_scaffold 模型，仅交换梯度/参数更新，满足GDPR与《个人信息保护法》要求，同时支持跨机构验证ΔAge逆转等终点。

AI层三模块并存：Risk Engine负责实时预测（时序Transformer捕获inflammageing激活先兆）；Digital Twin负责因果模拟（Neural ODE重现分子→细胞→系统级联）；Medical Agent负责执行决策（LangGraph编排六大治疗方向与症状管理闭环）。三者缺一不可——仅有预测无法模拟干预后果，仅有模拟缺乏实时预警，仅有Agent缺乏底层推理支撑。

核心闭环：Sensing → Prediction → Intervention → Feedback → Optimization

flowchart LR
    Sensing["Sensing\n多模态连续采集"] --> Prediction["Prediction\n风险推理与生物年龄加速"]
    Prediction --> Intervention["Intervention\n药物/数字疗法/远程执行"]
    Intervention --> Feedback["Feedback\n真实世界证据回流"]
    Feedback --> Optimization["Optimization\n模型在线学习与 Ageing_scaffold 更新"]
    Optimization --> Sensing

五层与五阶段闭环显性映射：

• Sensing Layer ↔ Sensing 阶段
• Data Layer ↔ 全阶段数据脊柱
• Intelligence Layer ↔ Prediction & Optimization
• Intervention Layer ↔ Intervention
• Continuous Care Network ↔ Feedback

各层核心职责（精要）

感知层：将 12 项核心标志转化为连续、高保真、可计算生理信号，支持边缘预处理。设备生态涵盖消费级、医疗级与植入式，通过 BLE 5.3 + Thread + Matter 实现 mesh 组网。

感知层的每类传感器均对应[Ge2026]框架中的特定衰老标志代理信号：

HRV（心率变异性） → 线粒体功能障碍与氧化应激（NAD+/SIRT活性代理）、β肾上腺素能信号失调（自主神经平衡代理） SpO2与呼吸率 → Inflammageing（HIF-1α/NLRP3激活代理）、代谢改变（氧利用效率） 连续BP/BPV → 微循环稀疏（eNOS解偶联代理）、RAAS慢性激活（血压变异性与血管硬化代理） ECG/心律特征 → 心肌细胞Ca²⁺处理障碍（SERCA2a/RyR2功能代理）、细胞衰老（心肌传导系统衰老代理） 植入式血流动力学（CardioMEMS/PAP） → 心脏结构重构（LV舒张功能、心脏储备代理） 睡眠阶段监测 → 神经心脏动力学失调（睡眠剥夺与心脑轴功能代理，[Ge2026]特别强调）

这一映射确保感知层的数据采集具有明确的病理生理学靶向性，而非盲目的全量采集。

数据层：FHIR R4 标准化、隐私计算（同态加密、联邦学习、差分隐私）与数据资产化，是连接感知与 AI 的可信通道。

AI 智能层：Foundation Model：心衰领域专属临床LLM，在通用医疗大模型基础上进行心血管衰老领域深度适配——将[Ge2026]定义的12项心血管衰老标志、5大病因类别、6大治疗方向编码为知识图谱，注入模型推理链路。具体基座模型依据部署时点选择最优开源或闭源方案（当前参考架构包括Llama系列、Qwen系列等医疗微调版本，但不锁死特定版本，随技术迭代更新）。Risk Engine（时序 Transformer + GNN）、Digital Twin（Neural ODE 仿真）、Medical Agent（LangGraph 编排）。直接映射 Prediction 与 Optimization 阶段。多模态融合设计以捕获12项衰老标志的多模态代理信号为核心目标，而非通用医疗信息处理。

干预层：分为症状管理层与抗衰老干预层两层协同架构。

症状管理层（传统心衰指南导向药物治疗）：SGLT2i、β受体阻滞剂、MRA、利尿剂的个体化滴定，依据实时传感器数据动态优化剂量。ARNI（Sacubitril/Valsartan）为 HFrEF GDMT Class I 推荐药物，其获益机制独立于抗衰老框架，单独标注。

抗衰老干预层（对应[Ge2026]六大治疗方向）： ①靶向衰老细胞：Senolytics（Navitoclax间歇给药）、Senomorphics（SASP调节）、免疫清除 ②能量传感通路：mTOR抑制（低剂量雷帕霉素）、AMPK激活（二甲双胍）、SIRT激活（NAD+前体NR/NMN） ③中枢炎症通路：IL-1β靶向（需评估免疫抑制风险）、TNF-α抑制、CCL17趋化因子靶向 ④神经心脏动力学：β-AR优化、HBA轴干预、心理-心脏医学治疗 ⑤健康生活方式：地中海饮食、运动处方、戒烟、热量限制、亚精胺补充 ⑥衰老评估与预防：表观遗传时钟监测（GrimAge/DunedinPACE）、多组学生物标志物追踪、SenMayo基因集评估

以上六大抗衰老干预方向与心衰症状管理层共同构成HF-IntelliCare干预层，前者针对病因（cardiovascular ageing as scaffold），后者针对症状（HF phenotype as clinical expression）。两层协同执行，避免仅治标不治本。

连续医疗网络：医院-家庭-社区-云端四级协同，支持虚拟 MDT 与患者赋能，对应 Feedback 阶段。

临床案例与真实世界证据

案例（基于 MIMIC-IV Demo v2.2）：67 岁男性，HFrEF，NT-proBNP 4120 pg/mL，CRP 5.9 mg/L。

数据来源声明：以上数值与轨迹基于 MIMIC-IV Demo v2.2（100 名患者，公开可下载）聚合统计生成，仅供概念验证与教学参考，不代表任何真实个体患者，不可直接用于临床决策。

该案例直接印证了五层闭环对早期预警与精准干预的支持。可穿戴设备驱动的 pVO₂ 预测已在多项小型研究中显示与 CPET 实测值的良好相关性，但大规模前瞻性验证仍待开展。

与现行临床指南的精准整合

HF-IntelliCare架构原生支持2022 AHA/ACC/HFSA、2023 ESC及2024中国心衰指南中关于GDMT优化（四联治疗Class 1推荐）与远程监测降低住院率的相关内容。通过连续pVO₂、HRV与炎症轨迹监测，可实现更早的药物滴定、依从性评估与不良反应预警，符合指南强调的“早期识别恶化、及时干预”核心原则。

商业模式

HF-IntelliCare商业模式的价值主张建立在[Ge2026]核心论点之上：心血管衰老是一个可调控的过程（modifiable condition driven by multiple pathological factors），延缓或逆转衰老进程在理论上可以减少心衰住院、降低多器官衰竭风险并提升生活质量。基于此，'避免住院天数'和'QALY'的价值导向支付模式可与生物年龄逆转指标（ΔAge）建立量化联系：ΔAge 逆转可能在理论上降低再入院风险（模型预测，具体效应量待 RCT 验证），为VBP定价提供科学依据。同时，HF-IntelliCare积累的衰老生物标志真实世界数据（DNA methylation clock、SASP蛋白组、连续传感器数据集）对靶向Senolytics、NAD+补充、IL-1β拮抗等抗衰老新药的临床开发具有独特价值，RWE数据授权收入由此具备坚实的科学基础。

未来展望

HF-IntelliCare 将持续演进为真正的 physiology-native 医疗操作系统：

• 2027 年（前瞻性预测）：Level 3 自主医疗 Agent 获得 NMPA 突破性认定，进入三甲医院常规使用（理论时间表，实际时间线取决于技术发展与监管政策演变）。
• 2028 年：Digital Twin 成为心衰 MDT 标准决策工具。
• 2030 年：全球 HF OS 互联互通标准（FHIR R5 + Ageing_scaffold Profile）由 WHO 与 IEEE 联合发布。
• 2035 年（前瞻性预测）：连续学习型 Healthcare OS 成为全球心衰管理标配，生物年龄加速逆转成为主要终点之一。

要点总结

• HF-IntelliCare 构建了五层架构与五阶段闭环（Sensing → Prediction → Intervention → Feedback → Optimization），实现从分子衰老到社区照护的 physiology-native 连续计算。
• 原创 Senolysis Index、Dual-Axis Index 与 Reserve Index 提供衰老轨迹量化工具，支持 gerotherapeutic orchestration。
• 可穿戴 pVO₂ 监测的早期预警价值已在多项小型研究中初步验证，支撑感知层→Prediction 的临床转化路径。
• 架构原生支持 2022 AHA/ACC/HFSA、2023 ESC 及 2024 中国心衰指南 GDMT 四联治疗 Class 1 推荐与远程监测方向，通过连续轨迹监测实现更早干预。
• 层间数据流与决策流设计确保12项衰老标志的时序完整性与两层干预（症状管理 vs 抗衰老）的清晰分离。
• 架构的每一层均有明确的[Ge2026]理论依据。
• 干预层区分症状管理与抗衰老两个层次。
• 商业模式的价值主张建立在"心血管衰老可调控"的核心科学发现之上。