【大醫科研】從AI建模到健康公平：Hicks教授如何重塑血管外科研究正規化？

讓科研和SCI論文成為臨床工作的副產品。

按照年度規劃，從5-6月的主題是“頂咖的臨床科研選題”；即透過Healsan™醫學大資料分析，找到某些領域的頂咖；並透過分析其選題和課題設計思路，找到其研究的策略規劃和成功密碼。

（點選👆，獲取更多"頂咖的臨床科研選題"思路）

在我們對2024年血管外科領域SCI期刊的分析中發現，美國約翰斯·霍普金斯大學醫學院（Johns Hopkins University School of Medicine）的 Hicks, Caitlin W 教授團隊全年共發表了23篇SCI論文，涵蓋Annals of Surgery、JAMA Network Open、Journal of Vascular Surgery、iScience、Scientific Reports 等多個權威期刊，展現出極強的科研活躍度與臨床轉化力。

（Dr. Hicks, Caitlin W）

研究重點聚焦在以下三個方向：

外周動脈疾病（Peripheral Artery Disease, PAD）的預測建模與風險評估：利用血漿炎症因子（如ST2、IL-7）和蛋白組資料，構建多種AI預測模型，用於評估PAD患者的主要不良心血管事件（MACE）與肢體事件（MALE）風險。
人工智慧輔助外科決策：團隊透過XGBoost等演算法預測下肢血運重建術、腹主動脈瘤腔內修復術、頸動脈支架術等干預措施後的臨床結局，推動血管外科進入個體化、智慧化干預新時代。
性別分層與健康公平：多篇文章關注女性PAD患者、少數群體和醫保覆蓋不足人群的干預效果與預後，強調疾病評估工具應充分考慮人口異質性。

（新發論文）

總的來看，Hicks教授團隊已逐步構建起“AI+血管預測+精準干預”的國際研究框架，持續推動血管外科從“經驗判斷”邁向“資料驅動”的未來模式。

對Hicks, Caitlin W教授近五年（2020–2024）在血管外科領域的研究成果進行大資料分析，現總結如下，以幫助從中提煉出關鍵趨勢與學習要點：

1）“預測不該模糊”：AI建模賦能PAD精準干預

Hicks 教授團隊以外周動脈疾病（PAD）為核心物件，系統整合炎症蛋白組、血漿因子與醫保資料庫，開發多種機器學習模型（如 XGBoost、隨機森林），精準預測肢體事件、死亡率與干預後結局，尤其在女性患者與高危群體中展現高效風險識別能力。

啟發：AI不僅能輔助“判斷是否手術”，更能在術前實現“人群細分+策略最佳化”，推動血管外科決策智慧化。

📌 代表論文：

(2024) Prediction of Major Adverse Cardiovascular Events in Patients with PAD Using Circulating Immunomodulatory Proteins. Biomedicines
(2024) Machine Learning to Predict Outcomes of Endovascular Intervention for PAD. JAMA Network Open
(2024) A Machine Learning Algorithm for PAD Prognosis Using Biomarker Data. iScience

2）“術式選擇不應同質”：基於大資料的治療策略最佳化

Hicks 教授透過全國性醫保佇列與真實世界資料，比較CEA、CAS、TCAR等多種頸動脈干預術式在不同人群中的表現，揭示術式適應證差異與地區資源分佈不均問題，推動個體化治療路徑制定。

啟發：“術式評估”不再侷限於技術本身，而需融合病人特徵、醫保政策與區域差異，走向結構性最佳化。

📌代表論文：

(2024) Risks of Expanded Medicare Coverage of Carotid Artery Stenting. JAMA Neurology
(2024) Trends and Factors Associated With Peripheral Vascular Interventions for Claudication. J Am Heart Assoc
(2025) Association Between Regional Market Competition and Early Femoropopliteal Interventions. Annals of Vascular Surgery

3）“公平不該靠假設”：剖析血管外科中的結構性不平等

團隊長期關注性別與族群差異，指出女性患者在PAD和CEA術前常未獲最佳治療，非裔和低收入人群干預結局更差。Hicks 倡導將健康公平視角納入指南更新與臨床試驗設計。

啟示：公平不是抽象目標，而是基於資料發現差異並“有策略地彌補”。

📌 代表論文：

(2024) Representation of Women and Racially Marginalized PIs in Vascular Device Trials. JAMA Surgery
(2023) Bridging the Divide: Addressing Sex Disparities in Vascular Surgery. Seminars in Vascular Surgery
(2023) Disparities in Limb Preservation and Socioeconomic Burden in PAD/Diabetes. Seminars in Vascular Surgery

4）“AI不只是工具”：推進智慧技術的臨床落地

Hicks 教授不滿足於概念層AI，而是推動其深入血管外科日常決策場景，如預測再幹預風險、自動生成隨訪計劃、比較FDA已獲批AI產品在術中決策中的效果，真正實現從“演算法構建”到“臨床使用”的閉環。

啟示：AI在外科不是錦上添花，而是臨床效率、安全性與公平性的新抓手。

📌 代表論文：

(2023) Mature AI-Enabled Tools Impacting Vascular Surgery: A Scoping Review. Seminars in Vascular Surgery
(2024) Using ML to Predict Outcomes Following Transfemoral Carotid Stenting. J Am Heart Assoc
(2024) Automatic 1-Year Follow-Up Creation After Carotid Revascularization. Am J Surg