心力衰竭具有高再入院率、高死亡率及显著异质性，临床前期和失代偿前存在潜在干预窗口。传统评分、单次检测及常规临床评估多依赖有限静态变量，难以充分反映隐匿风险、风险变化和异质性表型。临床大数据驱动的人工智能可整合电子健康档案、心电、影像、生物标志物、患者报告结局以及远程监测和可穿戴设备数据，为心衰风险预测、动态预警与诊断分型提供新的技术路径。本文围绕风险预测与诊断分型两条主线，综述临床大数据驱动人工智能在心衰早期识别、进展与再入院预测、死亡风险分层、失代偿前动态预警、结构功能异常识别及AI驱动表型分型中的应用进展，并讨论其临床转化挑战。

占舒羽,姚逸凡,李东鹏,刘宁,洪玉才. 基于临床大数据的人工智能在心力衰竭风险预测及诊断中的研究进展[J]. 中华急诊医学杂志, 2026,35(7): 998-1003.
DOI号:10.3760/cma.j.cn114656-20260105-00012

基金项目：国家重点研发计划课题（2023YFC3603100）；浙江省“尖兵领雁+X”研发攻关计划（2024C03028）；浙江省自然科学基金（LQ24H160028）；浙大台州研究院市校合作项目（2024TZSX110）