Grouping lab markers into organ-system phenotypes allows AI to map systemic interactions, turning isolated data into holistic, actionable risk management…
Early Detection of Subclinical Cardiovascular Disease
亞臨床心血管疾病實驗室檢査
傳統風險評估工具（如ASCVD 風險估算器、Prevent 風險估算器或歐洲 SCORE2, SCORE2-Asia...）主要依據年齡、血壓和膽固醇平均值，具參考價值，但本質為機率性。即使 10 年風險評分低，患者仍可能存在潛在且活躍的炎症斑塊。 透過整合高敏感心肌鈣蛋白（細胞損傷）、NT-proBNP（心壁壓力）及高敏感 C 反應蛋白（血管發炎）等生物標記，臨床篩檢由以年齡和人口統計推測，轉向精準判斷。此舉使醫療能在心血管亞臨床病變可逆階段，及早採取針對性治療，於疾病發作前數年有效干預病程。
Basic Health Screening: Hepatic Function and Metabolic Liver Profile
常規肝機能検査
在心血管代謝及動脈粥樣硬化疾病中，腎臟常為次級受損器官，受系統性因素影響；肝臟則為主要代謝中樞。結構性或代謝性過度營養損傷肝細胞，導致代謝功能障礙性脂肪肝 (MAFLD)。由於肝臟代償能力強，早期嚴重損傷時，標準肝功能檢測（如 ALT, AST）常仍正常。 在不依賴昂貴影像或侵入性活檢下，偵測亞臨床肝脂肪堆積及早期纖維化，現代預防架構結合 ”常見血液與代謝指標”，運用經驗公式計算精確風險分數。@PAIR Health 持續數學風險分層可於功能損害不可逆前，捕捉肝臟細微且補償性變化。
Renal Function and ransforming Raw Renal Markers into CVD Risk Predictors
腎機能検査
— 慢性腎臟病 (CKD) 在常規健康篩查中常被忽視，主要因未測量血流動力學負荷及標準實驗室流程存在缺陷。雖然年齡、族群和地理等人口因素影響 CKD 盛行率，但未控制或未明確診斷的高血壓仍是血管性腎損傷的主要原因。 — 成人健康檢查最嚴重的缺失是常忽略尿白蛋白 (MAU) 與肌酸酐比值 (UACR) 的檢測。僅依賴血清肌酸酐作為過濾標記，會使估算腎絲球過濾率 (eGFR) 產生大量分析與生理噪音，導致篩檢常出現假陽性及危險的假陰性結果 —— 尿白蛋白尿 (MAU) 不僅反映腎功能受損，亦是系統性內皮功能障礙及代謝性炎症的敏感指標。尿白蛋白肌酐比值 (UACR) 升高，代表腎小球血管滲漏及微血管壓力增加，且同時影響冠狀動脈與腦血管床。
Unmasking Metaflammation in Cardiometabolic Risk
炎症 / 免疫 / 感染
— 將 ASCVD, 二型糖尿病、慢性腎病及癌症從孤立器官疾病，轉變為源自共同上游因素—— 慢性非傳染性炎症或「代謝炎症 metaflammation」，革新了臨床風險分層方法。 — 代謝性炎症是由代謝細胞（主要為脂肪細胞）因長期營養過剩引起的低度、持續且全身性炎症。例如，動脈粥樣硬化本質上是動脈壁的炎症性疾病（如內皮活化、斑塊不穩定），而非單純膽固醇堆積 —— 代謝性慢性炎症為亞臨床狀態，需綜合代謝、炎症及血流動力學指標評估其下游損害。 — 應對慢性低度發炎 (metaflammation) 需摒棄傳統孤立疾病管理，避免將血壓、血糖、血脂視為獨立指標。應採用以人工智慧為核心的連續分層管理，讓臨床醫師同步監測這些交互影響的生物標誌，及早捕捉慢性病共同的炎症根源，遠在症狀出現前。
Clinical Biochemistry and Serum Tumor Markers
腫瘤標記の血液生化検査
— 在台灣、日本及南韓的大型無症狀健康篩檢中心，傳統血清腫瘤標記物的陽性率約為1.5-5%，其中假陽性率高達 90-95%。 — 陽性率中有相當部分源自短暫炎症反應，4~8 週後複測，多數指標會自然降至臨界值以下。 — CEA（癌胚抗原）篩檢陽性率約 2.0~5%。輕度升高多因吸菸、老化、慢性胃炎或代謝相關脂肪肝病 (MASLD/MASH) 引起。
Thyroid Dysfunction in Cardiometabolic Disease: Screening Rationale, Diagnostic Criteria, and Clinical Indications
甲狀腺功能異常與心血管代謝疾病：篩檢合理性與臨床適應症
— 美國心臟協會與美國心臟病學會的臨床實務指引，僅將 TSH 及 FT4 檢測列為特定心血管及代謝疾病指標下的必須或強烈建議項目 — 亞臨床甲狀腺功能減退症是最常見的甲狀腺異常。在東亞中老年人群中的盛行率為 8.0%-15.0%，高峰期集中在 50-69 歲之間。 明顯性甲狀腺功能低下症的盛行率為 0.7%-1.8%。隨著年齡增長，尤其是在停經後女性中，發生率穩定上升，最高可達 3%-4% — 亞臨床甲狀腺功能亢進症的盛行率為 2.0%-4.5%。在東亞族群中，盛行率通常於 60-69歲之間達到高峰。 明顯甲狀腺功能亢進症的盛行率則 為 0.3%-0.8% — 評估甲狀腺功能與心臟代謝生物標誌物同時進行，可避免誤診代謝異常，並揭示心血管風險的根本原因
Data-Driven Holistic Care
Data integration drives integrated care and a multi-disciplinary, multi-organ system approach, uniting clinical, genomic, imaging, and lifestyle data into a cohesive, patient-centered workflow that enables holistic, proactive health management.
Continuous Risk Stratification
控制疾病進展需依賴原生 AI 持續的數據支持——1) 從靜態到動態：由間歇測試轉為持續或高頻追蹤。2) 自動風險分流：演算法平台持續更新風險指標，當患者風險接近臨床門檻時，立即提醒醫護團隊，便於即時調整治療或生活方式。
Subclinical Continuum Management
打破孤立指標，重塑器官表型：以系統協同驅動主動防禦
從「靜態實驗室數據」不同系統間的互動，將重點轉向真正的臨床可行性，必須將標準生物標誌物整合為器官系統表型。此方法使 AI 原生架構能描繪從單一異常數值轉向整體機制基礎的風險分層