探索產品 · Predict · Stratify · Prevail
I. Pathogenic Drivers and the Metabolic Cascade
代謝
2026 年「心血管－代謝－腎臟」護理路徑包含原始預防與次級預防。一旦診斷出某疾病（如二型糖尿病），應立即篩檢相關連續病症，包括代謝性脂肪肝、慢性腎臟病及亞臨床心血管疾病。
脂肪
雖然 BMI 仍是常用篩檢工具，但無法區分瘦體重與脂肪分佈。研究逐漸重視內臟脂肪，尤其肝臟、胰臟、腎臟及心臟等異位脂肪，為心代謝風險的更佳預測指標。
血脂
全面分析脂質譜是心血管風險評估及藥物治療的基礎。除傳統 LDL-C 外，細緻檢視脂質組合能更準確反映個體殘餘風險。臨床指引日益重視 non-HDL-C、小密度 sdLDL-C 等指標。
胰島素
胰島素阻抗 IR 是糖尿病前期的生化特徵，為多種現代慢性疾病的共同根源。除二型糖尿病外，還促進心臟病、癌症及肝功能異常的發展。糖尿病前期患者終生風險高達 70%。
血糖
瞭解葡萄糖代謝的連續過程至關重要，因為糖尿病並非一夕形成，而是身體能量處理從最佳效率逐漸轉向代謝失調的漸進過程。監測特定生物標誌物可在臨床診斷前數年識別個體風險。
血壓
控制高血壓不僅在於應對血壓升高，更需了解成因及後續處理。所有 40 歲以上者皆應接受篩檢，但優先對象為「邊緣群組」：血壓持續在 125/80 以上者，尤其有家族史及代謝異常者。
II. The Cardiometabolic Nexus
非侵入性篩檢工具對大規模健康管理至關重要。透過實驗室數據計算臨床指標，可有效進行 MASLD 風險分層與早期介入，結合多種驗證公式與常規實驗室指標評估肝脂肪。
肝纖維化不僅是肝臟損傷的標誌，亦為全身健康狀況的重要指標，尤其在心血管及微血管風險評估中具有關鍵意義——The Liver-Vascular Axis。
大多數篩檢指引基於群體數據，反映平均風險，非個別真實風險。若僅依統計相關性選擇 AI 變數，忽略生物學合理性，易導致變數偏誤，模型識別出代理變數而非真正原因。
微循環
過去猝死多歸因於大血管阻塞，但現代資料顯示微血管問題影響更大。猝死患者屍檢發現，無心臟病史者約半數無明顯急性病灶或大冠狀動脈阻塞，顯示冠狀動脈微血管功能障礙 CMvD 的關鍵角色。
腦血管
腦部與腎臟微血管環境相似，構成「應力血管」假說基礎。大腦、心臟、腎臟及視網膜微血管特徵相似。眼部高血壓性視網膜病變或腎臟尿蛋白常反映腦部微血管狀態。
腎臟
GFR 自 30 至 40 歲起每年自然下降約 0.8–1.0 mL/min/1.73m²。高血壓和糖尿病等共病則非線性加速 GFR 下降（~2–5/per year），新的心腎代謝 CKM 模型整合慢性腎病風險與心血管風險評估。
認知
失智症風險預測領域已顯著發展，從早期概括觀察，轉向結合臨床資料、生物標誌物及生活習慣的複雜模型。雖無法獨立診斷失智症，但在早期介入與臨床試驗分層中，扮演重要角色。
骨骼
骨質疏鬆症（OPO）和心血管疾病（CVD）是常見的年齡相關疾病，具共同風險因子及潛在機制。骨質疏鬆與血管鈣化是威脅老年人健康的慢性代謝疾病，且發病率逐年上升，兩者在病理機制上密切相關，非完全獨立疾病。