牵一发而动全身：心血管-肾脏-代谢（CKM）综合征的系统性认知与防治

临床困境：当心脏、肾脏与代谢交织

　　53岁的张先生腹型肥胖已有七八年，服用降压药五年。去年的体检报告显示其空腹血糖为6.3mmol/L，医嘱建议"注意饮食"。近期，他因胸闷前往心内科就诊，检查结果却提示肾功能出现异常。面对"看心脏病为何查出肾病"的困惑，张先生的遭遇并非个例，而是现代医学面临的典型临床场景。

　　这实际上反映了一种系统性的病理状态。2023年10月，美国心脏协会（AHA）正式发布主席咨询报告，将这种心血管疾病、肾脏疾病与代谢异常共存的病理生理状态定义为"心血管-肾脏-代谢综合征"（cardiovascular-kidney-metabolic syndrome，简称CKM）[1-2]。这一概念的提出标志着医学认知的转变：肥胖、糖尿病、慢性肾病与心血管疾病不再是孤立的疾病实体，而是同一病理进程在不同阶段、不同器官的临床表现。

共同的病理起点：脂肪组织的功能异化

　　传统观念常将脂肪视为单纯储存能量的"仓库"。然而，在CKM综合征的病理机制中，功能失调的脂肪组织--特别是内脏脂肪与异位脂肪（沉积于肝脏、心脏、肾脏周围）--扮演了关键的始动角色[2]。

　　当脂肪组织过度积聚或负荷过重时，它们不再安分守己，而是转变为活跃的分泌器官，持续释放游离脂肪酸、炎症因子及氧化应激分子[3]。这并非夸大其词，而是确凿的病理学事实：游离脂肪酸的溢出干扰了胰岛素的信号转导；炎症因子的释放使机体处于慢性低度炎症状态；氧化应激产物则直接损伤血管内皮细胞[4]。

　　这三类因素长期叠加，构建了一种"代谢毒性环境"。在此环境下，血管顺应性下降、血糖稳态失衡、肾小球滤过屏障受损。心脏、肾脏与代谢系统，正是通过这些病理生理机制被紧密地"捆绑"在一起（图1）[2,4]。

图1. CKM综合征核心机制：从脂肪失调到多器官受损

　　腹部内脏脂肪堆积作为始动因素，通过释放炎症因子、游离脂肪酸及氧化应激产物，导致心肾靶器官损伤与代谢紊乱

全程管理：从0期到4期的演进

　　CKM综合征概念的核心价值，在于建立了从健康状态到临床终点事件的全程分期系统，为早期干预提供了明确的"路标"（图2）。

　　· 0期（无风险期）：代谢指标与靶器官功能均正常，重点在于保持健康生活方式。

　　· 1期（过度/功能失调性肥胖）：表现为超重、腹型肥胖，可伴随糖尿病前期，此时机体已处于亚健康边缘。

　　· 2期（代谢危险因素/肾病期）：出现高血压、血脂异常或中高危慢性肾病等，病理改变开始固化。

　　· 3期（亚临床心血管病）：患者虽无明显症状，但影像学或生物标志物已提示心、肾亚临床损伤或高危状态[4-5]。

　　· 4期（临床心血管病）：已发生冠心病、心衰、房颤等临床心血管事件，可伴随晚期肾功能衰竭[4]。

图2.CKM综合征的五个演进阶段

　　从左到右，就是从健康走向心梗、肾衰的演变过程。早发现，就能早刹车。

　　这一分期系统的残酷性在于，许多患者直到进展至4期才首次意识到系统性风险的存在，而干预的黄金窗口期实际上位于1期和2期。

侦查与预警：多维诊断技术如何捕捉早期信号

　　CKM综合征早期的隐匿性对诊断技术提出了更高要求。目前的检测手段正从单纯的疾病确诊，向更早期的风险预测演进。

　　在体液生物标志物方面，传统的单器官指标--如反映心脏负荷的N末端脑钠肽前体（NT-proBNP）、反映肾损伤的尿白蛋白/肌酐比值（UACR）--正被整合进统一的评估体系（详情请点击阅读原文）。同时，一些新型指标也开始应用于临床预警，例如通过血常规即可计算的系统免疫炎症指数（SII），能反映全身炎症负荷[6]。作为一种抗衰老与肾脏保护因子的Klotho蛋白，其水平降低预示着心血管死亡风险升高[7]。而生长分化因子15（GDF-15）作为细胞应激与损伤的信号分子，在房颤患者中与主要不良心血管事件和全因死亡风险相关[8]。

　　多波长光电容积脉搏波（PPG）技术可通过脉搏波形态分析评估动脉僵硬度及血管反应性，从而为血管功能早期变化提供线索。阻抗心动图（ICG）作为一种无创血流动力学监测技术，可实时评估心输出量、外周血管阻力等指标，在心血管功能监测方面具有潜在价值[9]。

　　此外，人工智能正赋能影像学检查。冠脉钙化积分是筛查CKM 3期的标准工具，而人工智能定量CT（AI-QCT）技术的引入使其更加精准。AI不仅能计数斑块，还能区分斑块性质，例如识别具有更高破裂风险的低密度非钙化斑块（软斑块）[2]。著名的ISCHEMIA试验再分析显示，在传统危险因素基础上纳入AI-QCT获得的斑块定量信息后，心血管事件风险预测能力有所提高[5]。

风险预测模型的进化：精准与动态

　　传统的风险评估模型常局限于血压、血脂。AHA最新推出的PREVENT方程实现了两大突破[10]：首先，将估算肾小球滤过率（eGFR）等肾功能指标纳入公式，承认肾脏在心血管健康中的核心地位；其次，纳入了社会剥夺指数（social deprivation index，SDI）等扩展变量，并取消了生物学意义有限的"种族"变量，使得风险预测更加个体化和公平化。

　　与静态的传统模型不同，机器学习模型如同实时的监控雷达。已有回顾性队列研究探索了深度学习模型用于预测CKD患者启动肾脏替代治疗的可行性[11]；而整合了多维度数据的算法模型在预测短期心血管事件方面也显示出良好性能[12]。这意味着，患者当下的生活方式改变，能实时反映在风险的降低上。

　　值得关注的是，CKM的风险不仅源于基因与生理指标，还深受社会环境影响。多项队列研究表明，失业、贫困及食品不安全显著增加了CKM综合征晚期的发生风险[13-14]。因此，关注并改善社会决定因素，是提高整体防控有效性的重要前提[13]。

实用临床筛查建议

　　根据CKM综合征的病理分期与最新研究证据，针对不同人群可参考如下分阶段筛查策略：

　　基础监测：所有成年人应每年监测体重与腰围。亚洲人群中，身体质量指数（BMI）>23kg/m?或男性腰围≥90cm、女性腰围≥80cm，即提示进入CKM 1期。

　　代谢筛查：筛查频率应随CKM分期递增，0期人群建议每3~5年、1期人群建议每2~3年进行血压、血糖和血脂筛查；2期及以上建议每年评估，并同步关注肾功能指标[1]。

　　肾脏评估：CKM 2期及以上人群，建议每年进行UACR和血肌酐检测，这是发现早期肾损伤最具成本效益的手段[11]。

　　心血管深度评估：对于10年心血管风险中危人群，可进行冠脉钙化评分。对于年龄>50岁且合并高血压或糖尿病的高危人群，应咨询医生是否进行冠脉CT、心脏超声或NT-proBNP检测，以筛查亚临床病变[5]。

结 语

　　CKM综合征的提出并非为了制造新的焦虑，而是为了达成一个迟来的共识：心脏并非孤岛，肾脏亦非单纯的排泄器官，它们与代谢系统共同构成了生命河流的上、中、下游。

　　如果不加干预，在1期投下的一颗"代谢石子"，可能在多年后演变为4期的"心肾洪水"。反之，在早期阶段关注腰围、稳住血压，每一块看似微小的健康砖石，都可能在未来筑起阻断重症发生的坚固堤坝。

　　对于大众而言，CKM概念的最大价值在于提醒我们：看待健康要有系统性思维。当你发现血糖稍高或腰围渐长时，这不仅是一个代谢问题，更是一份来自心脏和肾脏的未来预警。早一步识别，早一步刹车，我们完全有能力阻断这"牵一发而动全身"的病理链条，守护更长久的生命质量。

　　参考文献

　　[1] Ndumele C E, Rangaswami J, Chow S L, et al. Cardiovascular-kidney-metabolic health: a presidential advisory from the American heart association. Circulation, 2023, 148(20): 1606-1635

　　[2] 彭少林, 杨水冰, 杨井金, 等. 心血管-肾脏-代谢综合征的病理生理机制研究进展. 中国慢性病预防与控制, 2025, 33(1): 61-65

　　[3] Li H, Sun J, Li B, et al. AMPK-PPARγ-cidec axis drives the fasting-induced lipid droplet aggregation in the liver of obese mice. Front Nutr, 2022, 9: 917801

　　[4] 王方豫, 高月明, 邓振领, 等. 心血管-肾脏-代谢综合征的提出及意义. 中国血液净化, 2024, 23(5): 368-371

　　[5] Nurmohamed N S, Min J K, Anthopolos R, et al. Atherosclerosis quantification and cardiovascular risk: the ISCHEMIA trial. Eur Heart J, 2024, 45(36): 3735-3747

　　[6] Gao C, Gao S, Zhao R, et al. Association between systemic immune-inflammation index and cardiovascular-kidney-metabolic syndrome. Sci Rep, 2024, 14(1): 19151

　　[7] Tang J, Xu Z, Ren L, et al. Association of serum Klotho with the severity and mortality among adults with cardiovascular-kidney-metabolic syndrome. Lipids Health Dis, 2024, 23(1): 408

　　[8] Nopp S, K?nigsbrügge O, Kraemmer D, et al. Growth differentiation factor-15 predicts major adverse cardiac events and all-cause mortality in patients with atrial fibrillation. Eur J Intern Med, 2021, 88: 35-42

　　[9] Kim G E, Kim S Y, Kim S J, et al. Accuracy and efficacy of impedance cardiography as a non-invasive cardiac function monitor. Yonsei Med J, 2019, 60(8): 735-741

　　[10] Khan S S, Matsushita K, Sang Y, et al. Development and validation of the American heart association's PREVENT equations. Circulation, 2024, 149(6): 430-449

　　[11] Leung K C, Ng W W, Siu Y P, et al. Deep learning algorithms for predicting renal replacement therapy initiation in CKD patients: a retrospective cohort study. BMC Nephrol, 2024, 25(1): 95

　　[12] Gazit T, Mann H, Gaber S, et al. A novel, machine-learning model for prediction of short-term ASCVD risk over 90 and 365 days. Front Digit Health, 2024, 6: 1485508

　　[13] Lei L, Li J, Ding W, et al. Associations of cardiovascular-kidney-metabolic syndrome with premature mortality and life expectancies in US adults: a cohort study. Cardiorenal Med, 2025, 15(1): 484-495

　　[14] Zhu R, Wang R, He J, et al. Prevalence of cardiovascular-kidney-metabolic syndrome stages by social determinants of health. JAMA Netw Open, 2024, 7(11): e2445309

　　作者简介

　　侯 淞：湖南师范大学工程与设计学院硕士研究生，研究方向为生物医学信号处理与心血管疾病风险预测。

（本文来源于公众号：生物化学与生物物理进展）