观点

科技工作者双心健康智能干预模式的构建与思考

饶培俊 刘梅颜

请尊重版权，未经授权禁止下载

引用格式： 饶培俊，刘梅颜.科技工作者双心健康智能干预模式的构建与思考［J/OL］.中华心血管病杂志（网络版）,2026,9:e1000207.http://www.cvjc.org.cn/index.php/Column/columncon/article_id/388.DOI：10.3760/cma.j.cn116031.2026.1000208.

复制引文
发布日期： 2026/04/23    浏览量： 2155 次

登录后方可查看全文，无账号可以前往注册

版权归中华医学会所有。
未经授权，不得转载、摘编本刊视频资料。
除非特别声明，本刊刊出的所有视频及资料不代表中华医学会和本刊编委会的观点。
目录
音频
科技工作者双心健康智能干预模式的构建与思考
04:39

引言


科技工作者职业压力大，双心健康出现问题的风险较高。本文基于我国科技工作者双心疾病流行病学特征与现有服务体系，系统梳理了人工智能（artificial intelligence，AI）心脏监测与心理干预研究现状，创新性地提出了科技工作者双心健康智能干预模式，构建了AI技术赋能的双心健康服务路径（图1）。该模式以AI技术为基础，以科技工作者双心健康需求为导向，整合了心脏生理指标监测、心理状态评估等多维度健康数据，流程涉及早期多模态筛查、可解释临床决策支持、远程精准协同干预，以期实现双心疾病早发现、早评估、早干预，同时兼顾管理的精准性、便捷性与可及性。同时还探讨了该模式的实施路径、依从性保障机制与存在的问题等。

科技工作者双心健康管理概述


一、科技工作者双心健康现状
科技工作者常处于超负荷的工作状态，生活作息多不规律，存在久坐不动的行为，易产生心理问题，易出现双心健康问题。根据《中国科技人力资源发展研究报告（2020）》报道我国科技人力资源已达1.123 41亿人，平均年龄35.9岁［1］。中国科学院心理研究所的调查显示，全国35岁及以下青年科技工作者心理健康问题严峻，抑郁状态检出率为21.0%，焦虑状态检出率高达47.9%，自杀意念发生率为11.0%［2］。首都医科大学附属北京安贞医院双心医学中心的流行病学调查显示，我国35岁及以下青年科技工作者每天睡眠不足5 h者检出率高达30.4%［3］。



二、心理因素导致心血管疾病的机制
大脑长期处于高负荷状态时，会触发杏仁核的“战斗或逃跑”反应，促使肾上腺分泌大量皮质醇和肾上腺素，可导致血管剧烈收缩、心率加速、血压骤升［4］；还会激活免疫系统的核苷酸结合寡聚化结构域样受体家族pyrin结构域包含蛋白（nucleotide‑binding oligomerization
domain‑like receptor family，pyrin domain‑containing proteins，NLRP）［5］，释放白细胞介素（IL）‑6、肿瘤坏死因子（TNF）‑α等炎症因子，加速低密度脂蛋白（LDL）沉积，形成动脉斑块。同时，交感神经持续兴奋，会抑制胰岛素分泌，导致血糖、游离脂肪酸水平升高，在“高糖高脂”环境中，心肌细胞发生代谢重构，线粒体功能障碍和氧化应激增加，最终引发心室重构和心力衰竭［6］。夜间工作会改变皮质醇的自然分泌模式，导致下丘脑‑垂体‑肾上腺轴失调，进而导致代谢紊乱、心血管疾病和认知功能受损［7］。久坐会导致下肢血流减慢、血管剪切应力降低，损伤内皮功能，使内皮素‑1（endothelin‑1，ET‑1）升高、NO减少，引发血管收缩、弹性下降，外周阻力与血压升高，同时抑制葡萄糖转运蛋白4（glucose transporter 4，GLUT4）表达与转位，降低骨骼肌葡萄糖摄取，诱发高血糖［8］。高血糖、高血压与内皮功能障碍协同降低脑灌注，多机制叠加大幅增加心血管疾病风险。长期的精神压力可通过激活下丘脑‑垂体‑肾上腺轴、增强交感神经张力、损伤血管内皮功能等机制，诱发“心理应激性心肌血”（mental stress‑induced myocardial ischemia，MSIMI）。相关共识中指出超过1/3的冠心病患者在心理应激状态下可诱发心肌缺血，显著增加心血管事件风险［9］。精神应激增加心肌耗氧，激活神经内分泌及下丘脑‑垂体‑肾上腺素轴（hypothalamic‑pituitary‑ adrenal，HPA），致心率加快、血管收缩，左心室后负荷增加、左心室射血分数降低，系统性影响血流动力学、内皮功能及血小板活性。


三、科技工作者双心健康管理中亟待解决的问题
目前我国相关的服务体系存在四重结构性缺陷：（1）筛查、诊断过度依赖自评量表与临床访谈，标准化、客观化程度不足；（2）优质心理卫生资源高度集中，基层服务能力薄弱；（3）缺乏针对科技职业特征的连续监测与主动预警机制，干预时机滞后；（4）医务人员的专业敏感度不高。上述问题构成了AI临床转化的“鸿沟”［10］，但也为技术赋能提供了切入点。

AI心理治疗应运而生，并已在心脏监测与心理干预领域取得重大进展。已开发出基于大语言模型的聊天机器人、可穿戴监测设备与智能干预系统、具备情感交互功能的虚拟治疗师及脑‑机接口技术支持的正念训练设备等［11‑14］。在心脏风险监测方面，主要应用包括AI辅助心电图识别与心律失常分类、可穿戴腕式血压计监测、AI软件包结合三维超声心动图评估以及可穿戴贴片监测心力衰竭等［15‑18］。但该领域仍有诸多待解决的问题，如患者长期依从性不足、临床验证数据匮乏、算法偏见及伦理监管缺失等，且目前关于AI心理干预的研究多为小规模临床试验。此外，AI心脏风险监测的相关技术应用也尚未形成标准化临床路径，其精准性与临床适用性仍需进一步验证。

科技工作者双心健康智能干预模式


一、多模态智能筛查与动态危险分层
AI技术在医疗领域的广泛应用，使构建高效、智能的科技工作者双心健康服务体系成为可能，而多模态数据融合架构是实现这一目标的基础。可穿戴设备作为多模态健康数据的重要采集载体，可实时、连续监测科技工作者的多项生理、心理指标，包括静息/应激心电图、24 h动态血压、心率变异性（SDNN/rMSSD）、睡眠结构（如REM比例）及皮质醇节律等，为实现双心健康精准筛查、风险预警及个性化干预提供了充足的数据。

采用多类深度学习算法构建心血管‑心理共病智能预测体系：利用时间卷积网络（temporal convolutional network，TCN）处理心电、心率变异性等生理时序数据，采用BERT模型分析科研压力相关文本情绪特征，通过图神经网络（graph neural network，GNN）构建心血管疾病与心理障碍共病图谱。在此基础上，通过采集生理时序数据（心率变异性、睡眠结构、身体活动强度等）及数字行为足迹（工作时长、社交互动频率、自然语言情绪表达等），整合电子健康档案信息，运用深度学习算法构建多模态预测模型。该模型可通过客观生理标志物识别焦虑、抑郁亚临床征兆，规避传统自评工具的主观偏倚，实现个体化精准危险分层。例如，利用脉搏波传导时间变异性检测外周微血管张力变化，可间接反映MSIMI易感性［19］；基于自然语言处理的工作通信文本情绪分析，辅助捕捉隐性心理应激状态［20］。

从西医危险分层到中医辨证的智能映射：AI技术已在心血管疾病风险预测领域取得重大进展。研究显示急性心肌梗死血运重建后患者远期终点事件发生率居高不下［21‑22］，而早期预警可使高危型心肌梗死的发病率减少30%~50%［23］，冠状动脉CT血管造影（CTA）作为冠心病终点事件预测的重要影像学手段，凭借高分辨率及非侵入性的优势，在斑块形态学评估方面发挥重要作用［24］，但存在斑块功能性信息不足、检测敏感度低、炎症状态评估不足、动态监测受限及全身性因素整合不足等局限性。而中医舌象在整体状态评估方面具有明显优势，研究显示冠心病患者舌象呈现特征性改变，如舌质紫暗、舌下脉络曲张、舌体胖大、舌苔厚腻等，其中舌质紫暗多提示血液循环障碍，舌苔厚腻常与血脂代谢异常相关［25］。借助舌象量化分析仪开展舌象量化分析，可在临床症状隐匿阶段识别冠心病的早期信号，弥补单纯影像学评估的不足，为冠心病早期预警提供重要的中医辨证依据。


二、可解释临床决策支持系统
AI技术已应用于心脏和心理健康领域的多个方面［26］。如嵌入电子病历系统的基于人工智能的临床决策支持系统（artificial intelligence‑based clinical decision support system，AI‑CDSS），在输入症状、体征及检查数据后，不仅可输出患者双心共病概率预测值，还通过可解释人工智能（explainable artificial intelligence，XAI）技术呈现关键决策因子权重［10］，如“该患者静息心率>90次/min、压力任务下ST段压低≥1 mm且唾液皮质醇水平升高，综合研判MSIMI高风险”［9］。


三、远程协同干预与闭环管理平台
构建“三级医院双心医学中心‑个人智能终端”协同网络。高危个体通过医用级便携式心电监护仪与移动端应用程序接受7×24 h监测，数据经加密传输至云端AI分析引擎［27］；三级医院双心医学中心设立专职健康管理人员，建立健全全媒体健康科普群，依据AI预警等级推送腹式呼吸训练、微运动提醒、中医介入正念认知疗法、渐进式肌肉放松训练等阶梯式线上干预［27］；重症辅以中医外治法（内关、神门穴位按压及耳穴压豆）等，以调和气血、调神定志［28］，形成“西医辨病‑中医辨证‑AI预警‑协同干预”的整合模式。对于预警阈值超限或急性发作病例，自动触发心理‑心内联合门诊绿色通道，实现“线上评估‑线下处置‑长期随访”的一体化管理。

科技工作者双心健康智能干预模式的实施路径


一、强化科技工作者心脏与心理健康素养教育
应强化各级组织对科技工作者心理健康服务的支持与帮助［29］，要面向科技工作者开展健康教育。通过义诊、互联网平台、传统媒体等多种渠道有组织、有计划地开展双心医学科普知识的普及与推广［30］，进一步推动存在双心问题和双心疾病患者的自我居家管理及远程监护，帮助患者进行双心康复。鉴于互联网使用的普遍性［2］，可考虑将心理援助的宣传和服务工作与互联网结合，如设置科技工作者心理健康服务相关的公众号，组织医务人员在平台上开展医学科普讲座等。


二、深化医务人员继续教育
将双心医学纳入内科、全科医师规范化培训必修模块，提升共病识别与初步处置能力。倡导对心内科全体医护人员进行精神心理常识教育、培训，培养既懂心血管病专业知识又懂精神心理的“双心医生”。


三、构建数据协作机制
在严格遵循《中华人民共和国个人信息保护法》和医学伦理的前提下，建立脱敏健康数据共享平台，持续优化AI算法模型。例如通过可视化、特征权重分析或自然语言生成等方式，帮助用户理解模型为何给出特定建议或判断。这不仅有助于提升系统的透明度，也将为其在临床与日常干预中应用奠定信任基础。同时患者、服务使用者及其家庭也应作为专家参与AI应用程序的设计与研发［26］。此外，还应加强对AI技术使用的监管力度，积极发展社区医疗保健，推动AI技术在心理健康领域的健康发展。

双心健康智能干预模式存在的问题与展望

AI技术在医疗领域的应用虽展现出巨大潜力，但仍面临诸多技术局限和伦理挑战，距离大规模临床应用还有很长的路要走［31］。现有研究多停留于实验室及小规模临床试验阶段，缺乏大规模多中心临床研究的数据支持。当前的AI模型严格遵循预设因果机制，在应对临床复杂多变的决策场景时表现欠佳，特别是在需要多维度关联分析的疑难病例中。此外，与传统数据收集和分析方法相比，AI的准确性和可靠性仍存疑，临床级AI系统的错误率仍较高，甚至可能产生具有危害性的错误预测。AI通过智能提醒、个性化干预和动态监测，可有效提升患者依从性，但数字鸿沟与隐私保护仍是需要重点关注的问题。


基于AI的多模态筛查、可解释临床决策支持、远程协同干预三位一体管理的双心智能干预模式在我国尚处于早期阶段，未来双心医学视域下科技工作者的双心健康智能干预路径管理应更加注重多学科融合。一方面AI‑CDSS需可以利用先进的统计和算法分析临床数据并进行预测，另一方面需应对AI“黑箱”带来的问题，为AI的临床应用保驾护航。要推动AI在临床上广泛应用，关键是让其深度参与临床指南的制订与更新，以此构建新一代AI驱动的循证医学体系，优化医护协作模式，提升整体医疗服务质量。相信随着研究的深入、临床经验的积累，科技工作者双心健康智能干预模式会日臻完善，会广泛应用于临床实践，最终改善我国科技工作者双心健康水平。

  • 作者： 饶培俊 1,2    刘梅颜 2   

  • 作者单位： 首都医科大学附属北京安贞医院双心医学中心 1    河南大学淮河医院心内科 2   

  • 通信作者： 刘梅颜，Email：liumeiyanaz@ccmu.edu.cn

  • 关键词： 心理社会干预；人工智能；心脏监测

  • DOI： 10.3760/cma.j.cn116031.2026.1000208

  • 基金项目： 无

  • 利益冲突： 无

  • 收稿日期： 2026-01-12

  • 录用日期： 2026-04-02

  • 本文编辑： 徐静

    • 摘要中文

    无

    摘要英文

    无

    1.png

    本研究主要材料与器材

    无

    参考文献

    ［1］ 中国科协调研宣传部，中国科协创新战略研究院.中国科技人力资源发展研究报告（2020）［M］.北京：清华大学出版社，2021.
    ［2］ 王雅芯,郭菲,刘亚男,等.青年科技工作者的心理健康状况及影响因素［J］.科技导报, 2019, 37(11):35‑44. DOI: 10.3981/j.issn.1000‑7857.2019.11.005.
    ［3］ 张丽军,鲍彦平,陶淑慧,等.科技工作者心血管疾病与心理状态现状及相关影响因素［J］.中华内科杂志,2022,61(9):1037‑1043. DOI:10.3760/cma.j.cn112138‑20220124‑00077.
    ［4］ Kivimäki M, Steptoe A. Effects of stress on the development and progression of cardiovascular disease［J］. Nat Rev Cardiol, 2018, 15(4):215‑229. DOI: 10.1038/nrcardio.2017.189.
    ［5］ Silvis M, Demkes EJ, Fiolet A, et al. Immunomodulation of the NLRP3 inflammasome in atherosclerosis, coronary artery disease, and acute myocardial infarction［J］. J Cardiovasc Transl Res, 2021, 14(1):23‑34. DOI: 10.1007/s12265‑020‑10049‑w.
    ［6］ Saotome M, Ikoma T, Hasan P, et al. Cardiac insulin resistance in heart failure: the role of mitochondrial dynamics［J］. Int J Mol Sci, 2019, 20(14): 3552. DOI: 10.3390/ijms20143552.
    ［7］ Andreadi A, Andreadi S, Todaro F, et al. Modified cortisol circadian rhythm: the hidden toll of night‑shift work［J］. Int J Mol Sci, 2025, 26(5): 2090. DOI: 10.3390/ijms26052090.
    ［8］ Dunstan DW, Dogra S, Carter SE, et al. Sit less and move more for cardiovascular health: emerging insights and opportunities［J］. Nat Rev Cardiol, 2021, 18(9):637‑648. DOI: 10.1038/s41569‑021‑00547‑y.
    ［9］ 中国医师协会全科分会双心（心脏心理）学组.心理应激导致稳定性冠心病患者心肌缺血的诊断与治疗专家共识［J］.中华心血管病杂志, 2016, 44(1): 12‑18.DOI:10.3760/cma.j.issn.0253‑3758.2016.01.005.
    ［10］ Lu T, Liu X, Sun J, et al. Bridging the gap between artificial intelligence and mental health［J］. Sci Bull (Beijing), 2023, 68(15):1606‑1610. DOI: 10.1016/j.scib.2023.07.015.
    ［11］ 薛旭,陈坤,刘佳雯,等.大语言模型在心理健康干预中的研究进展［J］.现代预防医学,2025,52(22): 4194‑4200. DOI：10.20043/j.cnki.MPM.202505303.
    ［12］ Gellis ZD, Kenaley BL, Ten Have T. Integrated telehealth care for chronic illness and depression in geriatric home care patients: the Integrated Telehealth Education and Activation of Mood (I‑TEAM) study［J］. J Am Geriatr Soc, 2014, 62(5):889‑895. DOI: 10.1111/jgs.12776.
    ［13］ 姚峰,王雪,韦正德,等.人工智能在心理评估中的研究进展［J］.科技导报,2024,42(23):70‑78. DOI:10.3981/j.issn.1000‑7857.2024.03.01206.
    ［14］ He Y, Tang Z, Sun G, et al. Effectiveness of a mindfulness meditation App based on an electroencephalography‑based brain‑computer interface in radiofrequency catheter ablation for patients with atrial fibrillation: pilot randomized controlled trial［J］. JMIR Mhealth Uhealth, 2023, 11:e44855. DOI: 10.2196/44855.
    ［15］ 胡荣,秦明照.人工智能助力心血管健康管理［J］.中华健康管理学杂志,2023,17(11)：801‑804.DOI:10.3760/cma.j.cn115624‑20230901‑00112.
    ［16］ 《Nat Rev Cardiol》：人工智能驱动的可穿戴血压传感器或有望实现持续的健康监测［J］.上海医药, 2025, 46(3): 14.
    ［17］ Schlesinger DE, Alam R, Ringel R, et al. Artificial intelligence for hemodynamic monitoring with a wearable electrocardiogram monitor［J］. Commun Med (Lond), 2025, 5(1):4. DOI: 10.1038/s43856‑024‑00730‑5.
    ［18］ Smith RP, Argod J, Pépin JL, et al. Pulse transit time: an appraisal of potential clinical applications［J］. Thorax, 1999, 54(5):452‑457. DOI: 10.1136/thx.54.5.452.
    ［19］ He Q, Veldkamp BP, Glas CA, et al. Automated assessment of patients′ self‑narratives for posttraumatic stress disorder screening using natural language processing and text mining［J］. Assessment, 2017, 24(2):157‑172. DOI: 10.1177/1073191115602551.
    ［20］ Huang B, Tian S, Zhan N, et al. Accurate diagnosis and prognosis prediction of gastric cancer using deep learning on digital pathological images: a retrospective multicentre study［J］. EBioMedicine, 2021,73:103631. DOI: 10.1016/j.ebiom.2021.103631.
    ［21］ 李冰, 丁水印, 李新春, 等. 急性心肌梗死患者PCI术后血浆vaspin、periostin及Lp‑PLA2水平对不良心血管事件的预测价值［J］. 广东医学, 2023, 44(4):494‑498. DOI: 10.13820/j.cnki.gdyx.20223344.
    ［22］ 36th International Symposium on Intensive Care and Emergency Medicine: Brussels, Belgium. 15‑18 March 2016［J］. Crit Care, 2016, 20(Suppl 2):94. DOI: 10.1186/s13054‑016‑1208‑6.
    ［23］ Nurmohamed NS, van Rosendael AR, Danad I, et al. Atherosclerosis evaluation and cardiovascular risk estimation using coronary computed tomography angiography［J］. Eur Heart J, 2024, 45(20):1783‑1800. DOI: 10.1093/eurheartj/ehae190.
    ［24］ 黄子广,张哲,赵宝英,等.动脉粥样硬化性疾病终点事件预测的新策略：AI驱动的多模态高危特征的筛选、融合、学习和验证［J/OL］.中华中医药学刊，2025［2025‑11‑12］. https://link.cnki.net/urlid/21.1546.r.20251029.1049.002.
    ［25］ 李瑶,杨琳.人工智能应用于心理健康服务的相关问题思考［J］.医学与哲学,2022, 43(5): 49‑54. DOI:10.12014/j.issn.1002‑0772.2022.05.10.
    ［26］ Kroesen SH, van Bakel B, de Bruin M, et al. A remote booster program to attenuate sedentary behaviour in patients with coronary artery disease: a randomized controlled trial［J］. Eur J Prev Cardiol, 2025： zwaf 162. DOI: 10.1093/eurjpc/zwaf162.
    ［27］ 朱柯蒙,汪晓,张庆娥.正念疗法在常见精神疾病治疗中的研究进展［J］.中国神经精神疾病杂志, 2023, 49(10): 636‑641. DOI:10.3969/j.issn.1002‑0152.2023.10.011.
    ［28］ 中国中西医结合学会心血管病专业委员会双心学组.双心疾病中西医结合诊治专家共识［J］.中国全科医学,2017,20(14):1659‑1662. DOI: 10. 3969/j. issn. 1007-9572. 2017. 03. y04.
    ［29］ 胡大一.让"双心医学"服务模式落地——充分重视精神心理问题的医生教育和科普［J］.中国全科医学,2019,22(18):2150‑2151. DOI: 10.12114/j.issn.1007‑9572.2019.00.140.
    ［30］ 《慢性冠状动脉综合征医学科普规范（2026年）》制订组.慢性冠状动脉综合征医学科普规范（2026年）［J/OL］.中华心血管病杂志（网络版）,2026,9:e1000203[2026-03-27].http://www.cvjc.org.cn/index.php/Column/columncon/article_id/383.DOI：10.3760/cma.j.cn116031.2026.1000203.
    ［31］ 杨乔西,褚楚,蔡军.人工智能在高血压领域中的应用进展与挑战［J］.中华心血管病杂志, 2025, 53(10):1164‑1171. DOI: 10.3760/cma.j.cn112148‑20250714‑00507.
    无
    发表评论文明上网理性发言，请遵守互动礼仪
    您需要先 登录 后方可发表评论。
    • 全部评论
      • /
    • 我的评论
    • 最新
      • /
    • 最热
      主 管

      中国科学技术协会

      主 办

      中华医学会

      地址：北京市东四西大街42号

      邮编：100710

      总 编 辑

      霍勇

      编辑部主任

      徐静

      编 辑

      中华心血管病杂志（网络版）编辑委员会

      地址：北京市西城区东河沿街69号

      邮编：100052

      电话（传真）：(010)51322276

      Email：cvjc@cmaph.org

      http://www.cvjc.org.cn

      出 版

      《中华医学杂志》社有限责任公司

      地址：北京市东四西大街42号

      邮编：100710

      电话(传真)：(010)51322059

      Email：office@cma.org.cn

      中国标准连续出版物号
      ISSN 2096-1588
      CN 11-6031/R

      微信服务号

      微信订阅号

      版权归中华医学会所有

      未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计，除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点

      京ICP备07035254号-58