研究说了什么
多基因风险评分把数百万个常见变异的效应加权求和，得到一个连续的遗传易感指标。在冠心病、二型糖尿病与乳腺癌中，最高与最低五分位之间的风险比可达三到五倍，看上去很强。但放到预测模型的增量上，效果就没那么戏剧化。一项汇总分析比较了传统模型与加入基因评分的模型，冠心病的 AUC 从零点七五升到零点七八，二型糖尿病从零点七三升到零点七六，乳腺癌从零点六二升到零点六五。净重分类改善指数多在百分之三到八之间，意味着每一百人中约有几人被重新分到更合适的风险层。研究还发现，增量在中年人群中较明显，在老年人群中减弱，因为年龄与既有疾病的预测力已经很强。另一个关键点是人群可比性，多数评分的权重来自欧洲血统样本，迁移到东亚或非洲人群后，效应量估计偏差，AUC 增益进一步缩水，部分模型甚至低于传统模型。研究还发现，评分的区分度在年轻人群中更高，因为年龄与既往病史尚未积累，遗传因素的相对贡献更突出。研究还提示，评分的效应量在吸烟、肥胖等强环境因素面前会被稀释，单靠基因分层难以识别高风险个体。
为什么重要
基因评分的营销常强调风险高三倍，而临床关心的是这个信息会不会改变我的建议。若一位中年人按传统因素已属中高危、需要干预，那么再加一个高分并不改变处理；若他属于临界层，评分可能帮助决定是否提前用药或加强筛查，这才是增量价值的落点。对公共卫生，若把评分推广到全民，需要面对成本、解释负担与遗传咨询资源不足的问题。对个人，理解相对风险与绝对风险的区别很重要：风险高三倍若基线只有百分之一，绝对增加不过两个百分点。另一个现实限制是，基因评分不能替代家族史与生活方式，也不能预测罕见的高外显突变，后者需要单基因检测。需要强调，评分结果应由医生或遗传咨询师结合整体风险解读，不宜据此自行停药或加药，也不应把高分当成命运判决。另一个现实问题是检测的可及性与价格，若评分只在大城市的三甲医院提供，推广后反而可能扩大健康不平等。另一个被低估的问题是解释成本，一个百分点的概率变化很难让患者理解，最终仍要落回到是否用药、是否加查的具体选择。
证据与边界
多基因风险评分的证据在近十年快速积累，大型生物样本库提供了足够的样本量与随访，但仍有明显边界。首先是血统偏倚，权重来自单一族群时，跨族群预测性能下降，这是目前最大的公平性问题。其次是时间偏倚，多数队列在中年入组，老年段的预测力数据不足。第三是终点定义，不同研究对疾病的界定、随访时长与竞争风险处理不同，AUC 之间不可直接比较。第四是校准，评分给出的是相对排序，转化为绝对风险需要结合基线发生率，而基线随地区与年代变化。研究层面，很少有试验直接检验用评分指导干预能否改善结局，多数是建模与再分析。对读者，理性预期是把它看作风险分层的一块拼图，而不是独立结论；是否检测、如何解释，应由医生根据家族史、其他指标与个人意愿共同决定。此外，评分与生活方式的交互也值得关注，高遗传风险者从运动与饮食干预中的绝对获益可能更大，但这仍属研究假设。此外，不同厂商的评分包含的位点与权重不同，同一人换一个平台可能得到不同的百分位，跨报告比较没有意义。