近日，约翰霍普金斯大学心血管病预防中心研究团队在《JAMA心脏病学杂志》发表成果，推出一款基于马丁霍普金斯方程式的简化版机器学习算法，用于精准评估血液中的低密度脂蛋白胆固醇水平。该研究整合全美490万份成人与儿童血样数据，经金标准超速离心法验证，显示机器学习模型的计算精度与原版方程完全一致，平均误差仅0.5毫克分升。在高风险、低胆固醇伴高甘油三酯人群的测试中，该模型的治疗分类准确率达84%，显著优于传统的弗里德瓦尔德等方程式。研究团队强调，低密度脂蛋白数值的微小差异往往直接影响患者是否需启动强效降脂药物等干预措施，精准计算对临床决策至关重要。为实现广泛普及，团队已开源透明可验证的计算代码，各级实验室可无缝集成至现有检测系统，彻底规避传统算法的黑箱问题。该成果高度契合最新版国家血脂管理指南推荐标准，有望大幅提升医疗机构的血脂检测效能，协助临床制定科学干预策略，从而有效降低心梗与卒中风险，具备显著的公共卫生应用价值。