聚焦未控制高血压丨从识别真实血压到推动治疗行动：ESC 2026高血压研究启示

来源：市场资讯

（来源：医学界）

导语：

以数字技术提高真实血压的识别效率，以规范评估和机制分层推动治疗升级。

在降压治疗手段不断丰富的今天，未控制高血压仍然是临床管理中的核心难题。其挑战不仅在于诊室内的一次血压读数，更在于如何识别患者在日常生活中的真实血压状态，并将持续监测数据转化为可执行的治疗与随访决策。随着人工智能、可穿戴设备和远程医疗技术的发展，高血压管理正从单点测量逐步走向更加连续、个体化的风险识别与随访支持。

8月28-31日，2026年欧洲心脏病学会年会（ESC 2026）于德国慕尼黑盛大召开。本次会上发布的多项研究围绕高血压患者识别、动态监测、AI辅助风险评估和远程治疗优化展开探索。本文将从“看见真实血压”“理解监测数据”和“支持个体化干预”三个层面，梳理这些研究可能为未控制高血压管理带来的启示。

血压控制不足：未控制高血压仍是临床难题

在高血压全程管理中，控制率已成为衡量高血压防治成效、评估患者远期心脑血管风险的重要指标。2025年发表的一项全国流调数据[1]显示，我国高血压的知晓率、治疗率和控制率仍有较大提升空间，其中控制率约为12.9%，是“三率”中相对较低的一环。EnligHTN研究结果显示，在我国接受2种降压药物治疗的患者血压未达标率为60%[2]，提示即使接受治疗仍有规模庞大的患者尚未实现血压达标。

然而，如此庞大的“未控制”人群在日常诊疗中往往难以被及时发现。SPRINT动态血压辅助研究[3]为此提供了有力的证据：该研究在随机分组27个月后，对897名高血压患者进行动态血压监测。结果显示，即便在诊室血压达到各自研究目标的患者中，强化治疗组和标准治疗组仍分别有约62%和56%的患者存在诊室外血压未控。

这意味着，当临床依赖诊室单次血压读数判断“控制良好”时，超过半数的患者实际上正处于诊室外血压未控制的状态，也提示诊室外血压未控制是高血压患者长期管理中容易被忽视的重要盲区。

数字化辅助识别：提高未控制高血压识别率

高血压真实控制状态未被及时识别，可能与测量场景有限、监测频率不足、诊室外数据缺乏以及数据尚未充分转化为临床决策等多种因素有关。ESC 2026上多项研究展示了新型监测技术如何打破这一壁垒。首先，在诊室场景下，对高血压患者危险因素的全面识别是精准管理的第一道关口。在此方面，有研究[4]探讨了通过人工智能优化门诊环境中动脉性高血压患者危险因素识别的可能性，结果显示，人工智能的应用可提高对动脉性高血压危险因素的识别水平，并显著缩短问诊时间。

其次，当患者走出诊室，其在日常活动中血压是否真正达标，是高血压精准管理的第二道关口。对此，发表于本届ESC2026会议上的一项针对疑似阻塞性睡眠呼吸暂停受试者的研究[5]，使用指环型可穿戴设备观察呼吸事件相关的短时血压波动。研究提示，睡眠期间血压变化可能具有较强的时间动态性，而单纯依赖夜间平均血压可能遗漏部分短时异常。另一项汇报[6]则阐明了无袖带家庭血压监测设备的准确性及其在临床决策支持中的价值。汇报人Gianfranco Parati教授指出，家庭血压监测在采用经验证的设备、合适袖带尺寸、标准化时间表并读取平均值的情况下，已经具备临床决策条件。

这三项研究展示了数字化工具帮助临床获得更多门诊外血压信息的可能性，也提示：真实未控制状态要先被准确识别，监测数据才有可能进一步转化为临床行动。

AI辅助决策：推动随访和治疗及时调整

对未控制高血压患者而言，发现血压异常只是管理起点。更关键的问题是，监测结果能否及时触发复核、风险评估、随访干预和治疗调整。ESC 2026相关研究进一步探索了医生指导的远程医疗、AI辅助剂量滴定、机器学习临床决策支持以及数字化生活方式干预，在高血压随访管理与治疗方案优化当中的应用价值。

面对大量血压控制不佳的患者，传统门诊随访模式往往存在干预滞后的短板，发表于本次ESC 2026会上的一项研究[7]评估了医生指导的远程医疗护理模式在未控制高血压患者中的初步成效，结果显示，相比单纯远程监测组，医生指导的远程监测组收缩压、舒张压降幅显著更大，收缩压处于目标区间时间占比明显更高，且患者血压测量的依从性更优。而且，即使停止计划性电话支持，这种早期干预阶段获得的血压下降效果也能够得以维持。

解决随访干预的通路之后，如何实现给药方案的精准个体化调整，成为提升降压疗效的重要环节。对此，一项名为CURATE.AI的研究[8]主要评估了AI辅助剂量调整在临床协同场景中的可行性和安全性。结果发现，在AI辅助剂量调整下，患者服药与血压监测依从性较高（99%和82%），医师对CURATE.AI给药建议的接受率为64%，提示未来AI工具有机会嵌入医患共同决策流程。

除药物剂量的智能调优外，面向基层临床场景，智能化决策系统也有望辅助一线医生落实规范化降压方案。有研究[9]开发了基于机器学习和血流动力学特征的临床决策支持系统，结果显示，相比于对照组，该系统可使高血压患者血压控制率提升12%，血压达标速度更快，全人群药物使用有所增加且安全性良好。这种智能化、数字化的干预策略有助于改善中国基层医疗机构的血压管控水平。

在药物治疗之外，数字化手段同样可以赋能生活方式干预，与药物形成治疗合力。一项随机对照试验[10]显示，对于接受固定双联药物治疗的初治高血压患者，12周AI数字化生活方式辅助干预可带来适度的额外降压获益，并改善体重、腰围、低密度脂蛋白胆固醇、甘油三酯、空腹血糖等多项代谢指标。

综合来看，ESC 2026相关研究分别覆盖了风险识别、门诊外监测、远程随访和治疗决策支持等环节，展示了数字化工具构建高血压管理闭环的潜在路径。未控制高血压管理的关键，不只是发现异常，而是缩短从发现异常到治疗行动之间的时间。依托远程随访、AI算法、智能决策系统等手段，能够推动监测数据更及时地转化为随访跟进、治疗评估和生活方式干预，有望帮助高血压管理逐步形成更完整的闭环。

从识别未控到精准控压：ASI靶向醛固酮通路

数字化识别的终点不是获得更多血压数据，而是帮助临床更早确认真实未控制状态，并为后续的背景治疗优化和机制导向升级提供依据。但识别出异常血压只是第一步。当患者经过规范评估和常规治疗后仍未达标，临床还需要进一步思考两个问题：为什么血压仍未控制，以及下一步如何实现更有针对性的治疗升级。

近年来，醛固酮被认为是未控制及难治性高血压中最值得关注的机制方向之一。越来越多的证据表明，醛固酮过量在高血压中扮演着重要角色，醛固酮水平与血压升高，以及未来发生高血压的风险增加相关[11]。尤其是在难治性高血压患者中，醛固酮介导的钠水潴留和容量负荷参与血压持续不达标，常导致常规降压药物效果欠佳[12-13]。对于经规范药物治疗后血压仍未达标的患者，临床上应高度警惕醛固酮驱动的可能，并在明确检查后针对性启用醛固酮合成酶抑制剂（ASI），从源头降低醛固酮水平[14]，实现从“经验性加药”到“机制靶向治疗”的升级。

将数字化工具的“识别能力”与机制导向的“归因能力”相结合，有望推动高血压管理从单点监测走向更精准的闭环管理，帮助更多患者实现持久达标。

· 结语 ·

ESC 2026相关研究提示，人工智能、可穿戴设备和远程医疗等数字化工具，正在帮助临床突破诊室与居家之间的信息壁垒，使更多的血压异常更容易被发现，并为及时随访和治疗评估提供支持。但数字化工具的价值不在于获取更多数据本身，而在于能否提高真实未控制状态的识别率，并推动合理的临床行动。对于经过规范评估和常规治疗优化后仍未达标的患者，还需要进一步关注潜在病理生理机制，探索包括醛固酮合成酶抑制剂在内的机制导向治疗。未来，数字化识别与机制分层的结合，有望帮助高血压管理从“发现异常”进一步走向“精准升级”，并为改善长期心脑肾结局提供新的管理路径。

小调研：

答案：ABCD

本材料由阿斯利康提供，仅供医疗卫生专业人士参考，不用于推广目的。若涉及具体药物使用，请参考相关药物说明书，阿斯利康不建议您将产品超说明书使用。

审批编码：CN-193952 过期日期：2026-12-31

参考文献：

[1]Cao X, Wang X, Tian Y, et al. Trends and sociodemographic patterns in hypertension prevalence and treatment in China[J]. Med, 2025, 6(11).

[2]Wang Y, Liu M, Norris T, et al. RISK OF CARDIORENAL AND METABOLIC OUTCOMES IN PATIENTS WITH UNCONTROLLED HYPERTENSION IN CHINA: THE ENLIGHTN STUDY[J]. Journal of Hypertension, 2026, 44(Suppl 1): e156-e157.

[3]Ghazi L, Cohen L P, Muntner P, et al. Effects of intensive versus standard office-based hypertension treatment strategy on white-coat effect and masked uncontrolled hypertension: from the SPRINT ABPM ancillary study[J]. Hypertension, 2020, 76(4): 1090-1096.

[4]A Padasseri Ppadikkal,et al.Using artificial intelligence to improve risk factor identification in patients with arterial hypertension in outpatient settings.ESC 2026

[5]Jong-Chan Youn,et al.Identifying nocturnal and masked hypertension with a ring-type monitor.ESC 2026

[6]Gianfranco Parati.Cuffless & home blood pressure monitoring: from data to decisions.ESC 2026

[7]P Sagmeister,et al.Physician-guided telemedical care achieves sustained blood pressure control in uncontrolled hypertension: a randomized-controlled pilot study.ESC 2026.

[8]L Wang，et al.Artificial intelligence-assisted personalised dose titration for hypertension: safety and feasibility results of the CURATE.AI pilot randomised controlled .ESC 2026

[9]Xin Zheng,et al.Machine learning and hemodynamic profile-based clinical decision support systems for personalized guideline-concordant antihypertensive treatment in primary care.ESC 2026

[10]B Rozibaev,et al.Digital AI lifestyle support improves blood pressure control on top of standard dual antihypertensive therapy.ESC 2026

[11]Brown J M. Adverse effects of aldosterone: beyond blood pressure[J]. Journal of the American Heart Association, 2024, 13(7): e030142.

[12]ESC Scientific Document Group. 2024 ESC guidelines for the management of elevated blood pressure and hypertension[J]. European Heart Journal, 2024, 45(38): 3912-4018.

[13]Madeddu P, Cattaneo M, Giuffre M, et al. Endothelial triple-pathway vasorelaxation as an adjunctive strategy in resistant hypertension[J]. Journal of Hypertension, 2026, 44(6): 918.

[14]Dandamudi M, Ahmed A, Abbas M S, et al. Efficacy of Aldosterone synthase inhibitors in uncontrolled and resistant hypertension: A systematic review and updated meta-analysis with grade assessment[J]. European Journal of Internal Medicine, 2026: 106896.