开篇故事：在城市的心内科门诊，58岁的陈老师完成了为期28天的心脏康复课程。复查时，作为衡量心肺功能的关键指标之一的氧耗峰值没有提升，甚至略有下降。陈老师感到困惑，心里也自责，仿佛努力没有换来回报。这种现象并非个例。现代研究中，存在“非响应者”的人群，他们在完成康复训练后，体能改善并不明显。这一群体的比例，常被估计为五分之一甚至更多。

是什么导致这样的结果？研究团队指出，传统的评估方法并不能完全揭示个体在训练中的真实反应。换句话说，年龄、性别、基线体能等常规因素，往往不能很好区分哪些人能真正从心脏康复中获益，哪些人可能在常规训练中收益有限。

核心解密在于两个被忽视的身体信号。第一是血管的弹性，俗称血管是否“硬起来”。当血管越僵硬，血液在血管内的波动越难以被训练所放大，心肺协同的提升也就更困难；第二是呼吸系统的效率，具体表现为在单位耗氧量下的换气情况、呼吸储备是否充足。简单来说，若呼吸效率较低、换气与耗氧的比值偏高，心肺训练的收益就会相对受限。把这两项看成身体的地下信号，就能理解很多人在同样的康复方案下为何会有不同的结果。

这并不是说训练没用，而是说明训练的效果具有个体差异。为了解开这道谜题，德国威滕-荷尔德克大学与DRV Königsfeld诊所的团队，联手来自希腊的研究者，利用起始阶段的检查数据来预测个体在康复中的反应。他们从完成康复的353名冠心病患者身上提取信息，包含心肺耐力测试以及脉搏波分析等非侵入性数据。随后在这批人身上尝试多种机器学习算法，目标是预测在训练结束后，患者的最高氧耗是否达到临床意义上的显著改善。最终，随机森林算法在这组数据中表现最佳，预测准确率达到77%。换句话说，起始资料就能给出一个相对可靠的“训练适配度”指示。

此外，研究通过可解释性分析揭示了预测背后的关键原因。最具影响力的并非传统的风险因子如年龄、性别或病史，而是训练初期的呼吸参与度与血管硬度等生理特征。在进入运动测试时，呼吸的利用效率、吸入与呼出的关系、以及动脉的僵硬程度，成为判断该人是否可能从常规心肺训练中获得明显收益的要点。两类常用降压药物——血管紧张素Ⅱ受体阻滞剂和钙通道阻滞剂——也对预测有一定影响，但疾病类型或严重程度的作用相对较小。

这项工作并非要给患者贴上“不可训练”的标签，而是开启心脏康复的个性化大门。未来的路径是把训练从“统一的集体课程”升级为“量身定制的私教课”。对非响应者，可能会考虑更高强度的训练形式、药物治疗的微调，或在呼吸训练等方面增加干预，以提升整体训练效益。研究团队还强调，该模型是在特定人群中建立的，需要在年龄更大、合并其他疾病的患者，以及训练模式有所不同的情境中再次验证。下一步将开展随机对照试验，检验对预测为非响应者的个体，是否通过个性化的干预能显著提高训练收益，降低康复完成后并无实质性体能提升的比例。

给普通读者的运营提示是明确的。下次进行心肺运动评估时，可以主动向医生了解：我的呼吸效率和动脉硬度数据，是否能帮助评估我的训练适配度？在日常生活里，我们应关注的并不仅是训练次数的多少，而是如何改善血管健康与呼吸协同，这也正是个性化康复的核心方向。通过健康管理的综合手段，我们可以在不改变总体目标的前提下，让康复更贴近自身的生理信号。

注：本文内容仅供科普参考，不构成专业医疗建议，如有健康问题请咨询专业医生。