抬头纹越多越深，心血管疾病死亡率越高？20 年随访研究首次揭示两者间的关联
抬头纹越多越深，心血管疾病死亡率越高？20 年随访研究首次揭示两者间的关联
近年来，越来越多的研究发现面部特征与心血管疾病之间存在关联。例如，二尖瓣面容（表现为面色黄、双面颊紫红、口唇紫绀等）常见于风湿性心脏病。除此之外，近期的研究还发现抬头纹、秃顶、耳垂皱褶等面部特征与心血管疾病存在关联。
抬头纹与心血管疾病死亡率
欧洲心脏病协会（ESC）曾发表过一篇题为《Deep forehead wrinkles may signal a higher risk for cardiovascular mortality》的报道，指出抬头纹明显多于同龄人的群体死于心血管疾病（CVD）的风险更高。
这项由法国图卢兹大学医院中心发起的前瞻性研究纳入了3200名成年人，在研究开始时所有参与者都是健康的。医生根据参与者抬头纹的数量和深度打分，0分表示没有皱纹，而3分表示有很多很深的皱纹。研究对象被跟踪了20年。
研究结果表明，皱纹得分为1分的人死于心血管疾病的风险略高于没有皱纹的人。在调整了年龄、性别、教育程度、吸烟状况、血压、心率、糖尿病和血脂水平等因素后，皱纹得分为2分和3分人群的死亡风险几乎是皱纹得分为0分人群的10倍。
研究主导者、法国图卢兹大学医院中心Yolande Esquirol教授表示：“我们探索抬头纹作为标记，因为它是如此简单和直观。只要看看一个人的脸就可以发出警报，然后我们就可以给出降低风险的建议。研究数据表明，皱纹得分越高，心血管疾病死亡的风险就越大。”
秃顶与冠心病
最近的几项研究还表明，秃顶与冠心病（CHD）之间存在正相关，尽管这种关联的强度有所不同。东京大学糖尿病和代谢疾病系的研究团队在BMJ Open发表了一篇题为《Male pattern baldness and its association with coronary heart disease: a meta-analysis》的文章，通过荟萃分析进一步评估了男性秃顶对冠心病的影响。
该荟萃分析共纳入850项相关研究、3项队列研究和3项病例对照研究，共计36990名受试者。结果发现，在队列研究中，严重秃顶男性患冠心病的校正相对危险度（RR）为1.32；对年轻男性（<55 岁或 ≤60 岁）的分析显示，冠心病与严重秃顶的相关性相似，RR值为1.44。
此外，在3项采用改良Hamilton量表的研究中，头顶秃顶与冠心病存在相关性，且相关性取决于秃顶的严重程度。然而，额头的秃顶与冠心病则无关。
耳垂折痕与心血管疾病
耳垂折痕（也被称为Frank's Sign）也是与心血管疾病相关的特征。1973年，肺科医生Saunders T. Frank描述了耳垂折痕，它由一条从耳屏到耳廓的斜线组成，他发现在一些有心绞痛、心电图缺血性改变或冠状动脉疾病史的患者中存在这一特征。1974年，发表的另一项独立临床研究也证实了这一点，该研究发现，耳垂折痕的存在与冠状动脉疾病之间存在显著且独立的统计关联，其中耳垂折痕组的患病率为47%，对照组为30%。
西班牙圣地亚哥德孔波斯特拉大学的研究团队在The American Journal of Medicine杂志发表了一篇题为《Frank's Sign and Cardiovascular Risk: An Observational Descriptive Study》的文章，研究共纳入了1050名成年人，检测体重指数、血压、血糖、总胆固醇、心血管事件以及两个耳垂的特征等，记录对角线耳垂折痕的存在与否、长度、深度等，并采用多种统计学方法对结果进行分析。
分析结果显示，耳垂呈对角线折痕的患者心血管疾病死亡风险显著增高，并且中等、高或极高心血管风险个体的数量随着折痕的增加而显著增加。因此，耳垂对角折痕与较高的心血管危险评分独立相关，特别是当折痕完整、双侧都有、折痕深且有附属折痕时。
人工智能在医疗领域的应用
2020年8月，中国医学科学院阜外医院、国家心血管病中心郑哲教授与清华大学脑与认知科学研究所季向阳教授合作在European Heart Journal杂志发表了一篇题为《Feasibility of using deep learning to detect coronary artery disease based on facial photo》的文章，报道了他们联合开发的一种基于人脸照片的深度学习算法，其可用于识别并评估面部特征与冠心病之间的风险关系。
这是一项多中心横断面研究，在2017年7月到2019年7月两年时间里纳入了6809例接受冠脉造影或冠状CT血管成像检查的患者。研究人员主要采集了额秃（发际线后移）、头顶秃、耳垂折痕、耳前折痕、眼袋深、额头皱纹深、鼻沟、老年斑、口唇苍白等与冠心病可能相关的面部特征，并利用深卷积神经网络进行深度学习。
在算法开发阶段，敏感性和特异性分别为0.8和0.61；在独立测试阶段，基于面部特征诊断冠心病的敏感性和特异性分别为0.8和0.54，总体优于其他冠心病预测模型。
当前，随着人工智能技术的发展，基于脸部照片进行评估有望应用于门诊冠心病的风险评估以及社区冠心病患者的筛查。因此，这也值得进一步研究，为开发临床可用的辅助工具奠定基础。