文献速递重症综合管理与镇静镇痛复苏、休克与脓毒症

面向所有人的精准医学?重症监护精准医学方法的挑战与机遇

Precision medicine for all? Challenges and opportunities for a precision medicine approach to critical illness.
PubMed 文献 · Crit Care · 2017-10-18
一句话结论重症精准医学面临术语混乱、多病共存、数据规模大和时效性差等挑战,需从临床前研究、新型临床试验到电子健康档案实施的全链条转化路线。

本文为综述,讨论精准医学在重症监护领域的应用挑战与转化路线。文章梳理了精准医学相关术语(分层、表型、内型、亚表型、预后性、预测性、药物反应性)的混淆,指出将患者划分为离散组别时存在缺失性、连续性和多维度三类不确定性,多病共存使精准分组更加复杂,重症监护中组学数据规模可达万亿数据点,而脓毒症、休克等需及时治疗使表型信息周转时间成为障碍。文章提出从临床前靶点发现、平台试验与REMAP等新型临床试验设计,到实施科学整合电子健康档案的三阶段转化路线图。

要点

  • 精准医学术语需明确:表型可仅指就诊特征,内型严格意义需机制证据,亚表型含义模糊,预后性与预测性(药物反应性)不同。
  • 将患者分为离散组别存在缺失性、连续性、多维度三类不确定性,抗PD1治疗选择示例说明这些难题。
  • 多病共存普遍:美国65岁以上人群超过60%有两种以上共存疾病,ICU入住者中多病共存占三分之一,多病患者费用高、不良事件多、结局更差。
  • EDEN试验筛除的6968例中约3300例(47%)因某种慢性病未入组,提示多病患者常被随机试验排除。
  • 重症监护中精准医学研究数据规模可超万亿数据点(2×10^12),需系统层面涌现属性分析与罕见表型还原论分析两条路径。

适用人群与场景

  • 重症监护患者,包括脓毒症、休克、即将发生呼吸功能不全等需及时治疗的危重症患者。
  • 多病共存患者:美国65岁以上人群超过60%有两种以上共存疾病,ICU入住者中多病共存占三分之一。
  • 随机试验常以「预后不良的基础疾病」等标准排除多病患者,EDEN试验筛除的6968例中约3300例(47%)因某种慢性病未入组。

处置流程与药物剂量

  • 精准重症转化路线图包括三个研究域:临床前工作、新型临床试验、实施科学。
  • 临床前阶段:通过大型队列研究进行表型发现,整合系统建模识别候选靶点,将临床和生物学表型转化为推定生物学机制,在与人类密切相关的动物模型中建模这些内型,并进行候选治疗的体外临床前研究。
  • 临床试验阶段:可考虑采用平台试验设计,包括共同对照组、反应适应性随机化规则、跨传统分期的无缝衔接、持续运行避免试验间停机;REMAP设计利用电子健康档案筛选和随机化患者。
  • 实施科学阶段:识别具有目标表型/内型/组别临床特征的病例;测量与目标表型/内型/组别密切相关的特征;提示临床医生给予机制靶向治疗;可采用轻触方式,利用电子健康档案扫描生命体征或实验室结果,利用实验室储存的废弃血液、尿液等生物样本测量非标准治疗的预后或预测性生物标志物。
  • 实施后维持策略包括:对临床团队进行有效教育、考虑适当激励、新型质量改进框架进行审计和反馈。

研究设计与关键结果

  • 本文为综述,讨论精准医学在重症监护中的应用挑战与转化路线图,未报告原始研究数据。
  • 术语方面:精准医学词汇包括个体化医学、个性化医学、分层医学、表型、内型、亚表型、亚型等,存在重叠和混淆;内型严格意义需机制证据,亚表型含义模糊;预后性指预测或关联后续临床事件或结局,预测性与药物反应性同义,指根据对药物或设备的反应可能性划分患者。
  • 分组不确定性:缺失性(不知道测什么或无法测量)、连续性(连续表达的特征需确定分界点以触发离散行动)、多维度(多维度数据难以协调压缩为离散决策)。
  • 多病共存对精准重症的挑战:多病共存可能存在且可测量但与指导精准治疗的离散簇无关;多病共存本身可作为识别离散组别时评估的变量之一(COPD表型分析中肥胖、心血管共病和糖尿病被纳入层次聚类算法并成为死亡风险更高但气流受限较轻亚组的关键特征);多病共存可作为表型变异的因果因素,可能通过表观基因组变化实现。
  • 数据规模:自2002年以来基因测序数据量每年增长十倍;假设的系统生物学研究可产生超过一百万个SNP、40000–50000个微阵列转录本、700个蛋白质组学结果、4000–7000个命名和未命名代谢物;精准医学研究已提议入组超过一百万患者、多器官多时间点采样,数据点超过万亿(2×10^12)。
  • 时效性:肿瘤学中患者临床信息和生物样本可研究数天至数月确定肿瘤表型,而重症监护中脓毒症、休克、即将呼吸功能不全需及时治疗;儿童脓毒症未来治疗可能基于基因组表达模式,但可能仍需数小时完成,延迟可能影响器官衰竭和死亡率;纳米孔测序技术(如Oxford Nanopore)可在单日内获得可解释的微生物组数据。
  • 脓毒症炎症表型:临床研究提示感染控制充分的患者中高达三分之一可发展出独特炎症表型:血小板减少相关多器官衰竭(TAMOF)、序贯多器官功能障碍(SMOF)、免疫麻痹或巨噬细胞活化综合征(MAS),以铁蛋白或血小板减少等生物标志物为特征。
  • anakinra试验二次分析:在具MAS样特征(弥散性血管内凝血和/或肝胆功能障碍)的脓毒症患者中,治疗组较安慰剂组死亡率绝对降低30%(65%降至34%);无MAS特征患者未见此效应。

证据类型、等级与局限

  • 证据类型:综述。
  • 局限:原文未报告局限性。

对床旁实践的改变

  • 作者认为,为突破分子靶向治疗试验的失败,新型试验设计需在2/3期评估中 embrace 和探索治疗异质性。
  • 作者认为,精准医学的未来真实世界测试和实施需与电子健康档案系统密切合作,以降低成本、提高患者筛查和治疗时效性,并贡献于更广泛的学习型医疗网络。
  • 作者指出,重症监护的证据水平通常尚不支持在临床实践指南或方案中使用精准策略,例如最新拯救脓毒症运动指南中几乎没有精准诊断或治疗策略。
  • 作者认为,方案与精准医学可能是互补的,复杂精准医学策略的实施将需要方案化方法。
  • 原文提及许多大型医疗系统如Kaiser Permanente已协调病例发现、转诊、数据测量、绩效指标和试验入组。

指南或共识出处

  • Surviving Sepsis Campaign指南(原文提及最新版,未给出具体年份)。

提炼说明

  • 原文未涉及「诊断标准与关键阈值」「红旗征与不能漏的情况」,故未列出这些栏目。
全文中译14 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者(PMC Open Access),按 CC BY 许可使用,本译文为翻译改编。出处:Crit Care. 2017 Oct 18;21:257. doi: 10.1186/s13054-017-1836-5

背景

近年来,我们对健康与疾病之间复杂相互作用的认识不断深入,这一进展推动了一场名为“精准医学”的运动[1]。尽管医学可以说一直旨在做到精确,但该术语通常用于指代一个理想目标,即界定并治疗高度特异性的生物学异常,例如基因结构或调控、转录或转录后分子通路中的特定异常。因此,表现出相似体征或症状的患者,或者例如具有组织学相似肿瘤的患者,可以被划分为具有不同但高度特异性分子缺陷的亚群,这些亚群需要个体化治疗。

因此,精准医学的前景在于,对个体数据的更深入理解将带来个体化治疗和更好的结局。对这一方法的乐观态度源于诸如使用单克隆抗体曲妥珠单抗(Trastuzumab)靶向乳腺癌细胞中人表皮生长因子受体2(HER2)基因的单基因突变等例子[2]。随后人类基因组计划的完成[3]、基于BRAF、RAS和NF1突变的黑色素瘤分子分型[4]以及多项其他突破,为个体化未来提供了更多希望。然而,尽管这些例子引人注目,当今的挑战在于将精准医学推广到我们最常见的疾病。在本综述中,我们讨论精准医学的演变,重点聚焦其在重症监护领域的应用。

我们首先讨论重要的术语和概念。接下来,我们阐述精准医学的主要障碍,这些障碍虽然并非重症监护所独有,但与我们的未来议程相关,包括如何恰当地选择患者群体接受特定治疗;纳入多病共存的复杂性;开展范围和规模适当的研究;以及生成足够及时的数据。最后,我们讨论实现这一愿景的路线图(图1),从临床前和转化工作到新型临床试验,并最终通过实施科学整合到当前实践中。

图1 重症监护精准医学组合的路线图,包括临床前研究、转化工作、临床试验和实施科学的整合 查看原图 ↗

术语

“精准”医学的广泛词汇包括许多相互重叠且有些令人困惑的术语(表1)。最初使用的是“个体化医学”和“个性化医学”这两个术语。然而,随着研究人员寻求特定的生物学通路,他们认识到这些通路可能适用于一组患者,而不一定适用于单个或独特的个体。因此,至少在不久的将来,目标不一定是为每个个体或个人生成独特的治疗,而是为具有紧密聚集的生物学特征的群体量身定制治疗。这些群体反过来需要一个名称。

表1 精准医学中的关键术语 查看原表 ↗

分层、表型、内型、亚表型和亚型

有些人使用“分层”医学一词而非精准医学,并提出群体即“分层”的观点[5]。另一些人借用基因组医学的术语,用“表型”来描述一组或一簇患者,尽管其含义比原始框架更为宽泛。表型的原始用法会涵盖某一疾病的全部临床表达,包括其病程轨迹和结局。例如,某些严重基因突变的表型是宫内死亡。但在精准医学的词汇中,表型的使用可以相当不同。例如,临床试验研究者通常用表型一词来描述一组可作为实验研究入组标准的就诊特征。在此例中,后续的病程轨迹和结局不属于表型定义的一部分。两种用法都没有错,但关键在于研究者要明确界定表型是仅限于就诊特征(如果是,在哪个时间点),还是不仅限于此。

如果一组患者看起来相似(共享某种就诊表型)但存在亚临床差异(例如,两种不同的基因表达模式或代谢谱),那么他们可能被进一步分为“内型”。因此,某一特定表型可能由两种内型表达。然而,内型在最严格的意义上意味着对疾病确切机制的理解,或至少是对定义该内型的分子特征与所讨论疾病之间机制关系的理解[6]。在现实中,研究者往往能够将特定的基因表达模式或生物标志物谱与疾病特征相关联,但未能证明机制和因果关系。因此,“内型”一词可能被相当宽松地使用,促使其他人更倾向于使用“亚表型”(或“亚型”)一词。

“亚表型”的一个问题在于它也有多种用法[7]。一种用法暗示“亚”意为“表面之下”,因此指根据临床上通常不可见的特征对患者进行分组。这一定义是对内型的折中,承认亚临床特征可能有助于划分患者,但不一定解释或导致疾病事件。第二种“亚表型”用法将“亚”意为划分,如将一个集合划分为子集,适用于通过进一步划分临床特征来划分临床上相似的群体。因此,我们可以用两种不同方式将“急性呼吸窘迫综合征(ARDS)”这一表型划分为亚表型。首先,我们可以说基于生物标志物模式的差异发现了亚表型(其中“亚”意为“临床表面之下”)[8]。或者,我们可以基于就诊临床特征的差异发现不同的亚表型(例如,肺外型与肺内型ARDS [9])。在实践中,研究者有时不清楚自己应用的是哪种命名法,并混合了两种方法。最后,其他人干脆使用“亚型”一词,从而避免任何特定的临床或机制推断[10]。

预后性、预测性或药物(器械)反应性特征

我们描述分组的方式也很重要,需要理解三个常用术语:预后性、预测性和药物反应性(或器械反应性)。这些术语涉及任何特定组别、表型、患者集合或此类组别的标志物集合的临床意义。“预后性”意为“预测或与随后发生的临床事件或结局相关”。并不总是清楚的是,该术语应用于结局时是否考虑该结局是否由所关注的疾病引起。例如,如果一个生物标志物识别出一组死亡风险更高的急性心肌梗死(AMI)患者,无论死亡是否由AMI引起(即所谓的“心源性死亡”),该标志物都可被描述为“预后性”。“预测性”与预后性相似,但实际上与“药物反应性”(或器械反应性)同义,是食品药品监督管理局(FDA)等机构使用的术语,特指根据患者对药物或器械产生应答的可能性对患者进行划分的方法[11]。因此,一个标志物可能是预后性的,即它预测发生所关注结局(如死亡)的可能性。另一个标志物可能是预测性的(或药物/器械反应性的),即它预测当给予特定药物或器械时,患者发生结局(如死亡)的风险是否会改变。

任何特定标志物可能仅为预后性、仅为预测性、兼具预后性和预测性,或两者皆非。例如,在ARDS中,严重低氧血症可能兼具预后性(与更高的死亡几率相关)和预测性(与从俯卧位通气中获益的更大可能性相关)。高龄也可能具有预后性,但不能预测俯卧位通气的获益。在治疗深静脉血栓形成时,细胞色素P450突变可能对随后血栓事件的自然病程没有影响(非预后性),却能精确预测给定剂量的华法林是否能改变随后血栓形成的风险(预测性)[12, 13]。将标志物或患者亚组标记为预后性或预测性更为复杂,因为其性质可能是推测性的、未知的或未预期的,且研究人员可能宽松地使用这些术语。

在研究过程中,具有“预测性/药物反应性”特征的分组或标志物,无论是已知的还是推测的,可以从三种互补的角度来考虑。首先,回顾性研究可以从现有数据中揭示治疗与亚组之间的交互作用,这些交互作用可能对应于不同的药物反应表型。这些仅仅是关联。另外,药物反应特征可以指导临床试验的入组标准(即所谓的“富集”策略),其目标是确保只有最可能对治疗产生应答的患者被纳入试验[14]。最后,它们可以在事后用于帮助在试验内解析药物似乎在某些患者中效果更好而在另一些患者中效果不佳的方式——即所谓的“治疗效果异质性”(HTE)[15]。理想情况下,对广泛入组试验进行HTE分析可以提供线索,指向能够预测药物反应的潜在生物标志物或患者表型。最后一种方法最接近于就治疗与亚组交互作用产生因果推断,尽管导致试验结论的统计检验通常反映的是各组具有不同效应的可能性,而非观察到的差异幅度。

将精准医学与当前实践相协调

许多人正确地指出,医学一直试图做到精准。临床医生和研究人员始终寻求做出具体诊断,尽可能将模糊的体征和症状转化为具体疾病,当无法做到时,至少转化为接近疾病的东西——“综合征”。此类努力旨在基于预期的行动对患者进行分组,例如是否给予特定治疗,或是否预测可能的预后。例如,“诊断性”生物标志物,如用于AMI的肌钙蛋白,被认为在确立急性心肌梗死诊断的努力中具有内在价值。然而,获得诊断的价值仅仅是确定和启动治疗方案、停止寻找其他诊断(和治疗方案)、以及向患者和家属提供预后咨询所获得价值的总和。

因此,在传统医学框架下,诊断性标志物被认为是有价值的,因为我们假设做出诊断是有价值的。然而,值得记住的是,做出诊断的价值是预后准确性和预测/药物反应准确性两方面所获得价值的总和,两者都是精准医学的核心要素。换句话说,精准医学仅仅是确保“诊断”准确性本身并非具有既定价值,而是与定制治疗和提供预后信息方面准确性的明确获益相关联。

当前最佳实践的另一个重要特征是使用协议。有些人可能认为越来越多地使用协议与精准医学背道而驰。协议旨在确保从业者在每次面对特定情况时都做同样的事情。然而,协议和精准医学很可能是互补的。例如,考虑以下协议指令:当收缩压 < 90 mmHg 时,如果 CVP < 8 cm H2O,则给予液体,否则增加血管升压药。这一指令实际上是在“精准”地根据额外的“个体”考量来定制低血压时液体或血管升压药的选择。与此同时,在试图确保精准管理的同时,它通过使用明确的指令来标准化实施。在重症监护的情况下,我们的证据水平通常不支持在临床实践指南或协议中使用精准策略——目前还不支持。例如,最新的拯救脓毒症运动指南中几乎没有纳入任何用于诊断或治疗的精准策略 [16]。但这并不意味着两者是互斥的诊疗方法。事实上,许多人认为复杂精准医学策略的实施将需要一种协议化的方法 [17]。

重症监护中实施精准医学的四个挑战

1. 寻找患者的离散组和亚组

我们在上文指出,传统医学一直试图将患者划分为不同组别,但这也是精准医学的一个关键要素。两者中常被忽视的是,将患者分配到特定组别并非易事。临床医生早已熟悉诊断挑战、鉴别诊断和模糊的综合征表现。遗憾的是,这一挑战并不容易通过精准医学解决。尽管精准医学的早期“胜利”依赖于非常独特和特定的基因异常,这些异常似乎解释了临床后果的全部谱系,但如果我们认为这种明确而确定性的答案是一切疾病表现的基础,那就太天真了。相反,在相当长一段时间内,精准医学的所有努力仍将不得不接受几个广泛、长期存在且可能令人不安的不确定性领域。

在试图将患者划分为离散组时,通常会出现三种类型的不确定性:缺失性、连续性和多重性。缺失性是一个常见问题,当我们未能测量所需内容时就会出现,原因要么是我们不知道需要测量什么,要么是我们无法做到。第二,即使我们测量了一个重要特征,它可能表达在一个连续谱上,但它必须触发一个离散行动:给予或不给予治疗 x。因此,我们需要确定分布上的断点。第三,所关注的问题可能有多个领域或维度。拥有更多维度表明我们可能更好地理解复杂问题,但不同维度的数据可能难以协调和缩减以指导离散决策。

因此,举例来说,假设我们希望阻断一条免疫检查点通路,例如程序性死亡受体1(PD1)。如果我们希望选择一名患者给予抗PD1治疗,我们可能会在问题1——缺失性——上受阻,即不知道或没有可快速部署的PD1表达检测方法或生物标志物。或者,我们可能有检测方法,但PD1表达在脓毒症中可能非常普遍且多变,我们可能难以确定“多少表达量”能使患者成为抑制该表达的合适候选者还是不合适候选者——问题2。最后,我们可能认识到抗PD1策略的潜在获益可能更为复杂,取决于对宿主免疫状态若干特征的测量以及对入侵病原体特征的测量。在测量这些特征时,我们可能获得潜在复杂且相互冲突的信息:一些免疫状态指标提示抑制是有益的,而一些则提示是有害的——问题3。这些问题因用于对患者进行分组的不同统计方法而进一步复杂化,这些方法可能并不总能返回相同的离散分组。

2. 纳入多病共存

研究者和临床医生日益认识到,患者进入医疗系统时并非在健康背景上存在单一问题,而是在多种既往合并症的背景上可能存在一个新问题。这些合并症的组合增加了相当大的复杂性,被称为“多病共存”[18]。

在重症监护中,患者也表现为多病共存,如高血压、糖尿病和慢性阻塞性肺疾病,但此时又合并一种或多种急性器官功能障碍而变得复杂。美国65岁以上人群中超过60%患有两种或以上合并症[18, 19]。而在入住ICU的患者中,多病共存患者占三分之一。多病共存患者产生高额费用、经历更多不良事件,并且对于给定的危重疾病,与无合并症的患者相比预后更差[20]。而且,既往慢性疾病也可能影响危重疾病的恢复。因此,这些患者的结局不仅取决于危重疾病期间哪些通路被激活,还取决于这些通路与慢性疾病之间的相互作用。

尽管多病共存负担沉重,我们对多病共存患者的了解与我们需要照护他们的频率并不相称。例如,虽然慢性疾病患者经常被纳入随机试验,但许多病情处于较严重端的多病共存患者通常会被“预后不良的基础疾病”等标准排除。在EDEN试验[21]中,在6968名经过筛查但被排除的患者中,约3300名(47%)患有某种形式的慢性疾病,因此未被纳入。

多病共存也可能对精准重症监护的发展构成挑战(图2)。首先,多病共存可能存在且可测量,但与可能指导精准治疗的离散聚类无关。其次,多病共存本身可能是识别离散分组时所评估的变量集合的一部分。在使用主成分分析对慢性阻塞性肺疾病(COPD)进行表型分型时,[22] 肥胖、心血管合并症和糖尿病的存在被纳入层次聚类算法,并最终被发现是死亡风险较高但气流受限较轻的亚组的关键特征。

最后,多病共存可作为表型变异的因果因素进行研究,或许通过表观基因组的变化。表观基因组是指调节基因表达的DNA和DNA相关蛋白的化学修饰[23]。常见的表观遗传变化包括DNA甲基化或组蛋白修饰,作为受环境或疾病影响的自然过程而发生。其结果是某些基因在各种细胞中以有时随机的方式被“开启或关闭”。表观遗传对疾病贡献的证据可见于双胞胎一致性研究,其中各种癌症的可遗传特征以可变比例存在于成对个体中[24]。因此,散发性癌症的大部分变异可归因于环境因素和体细胞事件。此类现象可普遍假设存在于危重病的免疫抑制特征中,其中表观基因组可能在免疫通路调节中起重要作用,如响应脂多糖的单核细胞分化过程中所报道的那样[25]。

图2 多病共存可在精准医学中以不同方式对聚类作出贡献的示例。在a中,所有深蓝色聚类具有相似的合并症模式,而多种蓝色表示合并症为贡献特征的聚类(b)。在c中,多病共存处于通向各种聚类的因果路径中,但其本身并非定义性特征 查看原图 ↗

3. 管理临床和生物学数据的规模

精准医学研究面临着巨大的信息负担(图3)。为了从探索表型或内型的大规模研究中开发新的科学知识,必须在许多层面上收集、分析和整合大量数据。一些估计表明,自2002年以来基因测序数据的量每年增长十倍[26],来源于日益可变的实验技术集合、数据维度和高通量分析的噪声。这些研究将不再使用在单一时间点测量500名患者中10至20个变量的病例报告表。相反,来自基因组、转录组或测序数据的任何种类数据可从单个细胞汇总,并进一步因各种因素而增加,如采样器官数(O)、采样受试者数c(公式1):

例如,一项旨在跨系统生物学数据类型平台收集数据的假设性研究,可能从单细胞基因组测序中产生超过一百万个SNP,在转录组分析中产生40,000–50,000个微阵列转录本,在蛋白质组分析中产生700个结果,以及4000–7000个命名和未命名的代谢物。精准医学研究提议入组超过一百万患者,而非1000名患者,可在多个时间点对这些患者进行多器官采样[27]。由此产生的数据规模——需要在其中搜索重要的亚组——将超过一万亿(2 × 10^12)个数据点。这种增长将直接影响即使在关系数据集中估计简单查询所需的计算时间。

对于精准重症监护中的规模问题,存在多种潜在解决方案。首先,计算系统生物学家需要处理这一海量数据,并使用最先进的软件来协调和索引组学数据集(例如,格式化、存储、校准)。从基因组组装到reads比对再到RNA测序数据的生物信息学分析,解读需要海量数据存储和复杂性[26]。其次,我们必须研究“相互作用组”,即蛋白质–蛋白质相互作用,及其网络如何协同工作[28]。这些工作将需要先进的图形和通路分析,并结合基因型、基因表达和其他数据来识别失调通路、推断机制,并可能解释疾病异质性。此类工作依赖于对构成相互作用组的未知分子的进一步表征和注释。

管理组学数据规模和复杂性的一种可能有用的概念性方法是聚焦于寻找涌现特性。涌现特性被认为是指那些无法完全由其各个组成部分解释的特性。历史上,Alexander将涌现称为不由基本实体或模式直接表达的高层次因果模式[29],被认为既不可还原也不可预测。例如,意识或人类认知是一种系统层面的特性,完全出乎单个神经元本身的预期。在其他领域,涌现特性可以解释复杂的热力学或鸟群中鸟类的行为。在重症监护中,精准医学研究产生的复杂数据也包含多个整合层面、随时间的变化以及重症监护病房(ICU)中的可变环境,并且来自通常没有金标准的患者亚组。在单核苷酸多态性或代谢物水平上的发现可能极难从数万亿个数据点中解析出来,并且仅揭示 underlying 疾病异质性的一小部分。相反,宏观层面的涌现特性在某种意义上可能就是我们所要寻找的广泛的共同表型。在此背景下“宏观”是什么可能存在争议,或许是电子数据中具有数千个随时间变化的相关测量的单个患者队列,或者是整合基因组、转录组和蛋白质组谱的小型队列。这两者都需要计算策略来揭示数据中的模式,从而导向其他方面临床上难以理解的表型。

另一种方法是寻找罕见表型,即单一突变在部分患者中导致独特的临床和生物学特征。一个典型例子是乳腺癌细胞中人表皮生长因子受体2(HER2)基因的单一基因突变。通过对具有乳腺癌遗传易感性的家系进行仔细研究,科学家最终确定了单克隆抗体曲妥珠单抗的药物反应表型,以及一种识别最适合治疗病例的有效方法。在重症监护中,一个推论可能是寻找对脑膜炎球菌血症的易感性,其来源可能是肿瘤坏死因子(TNF)突变−308或迁移抑制因子(MIF)。尽管这些突变与脓毒症易感性和死亡之间的关系尚未完全阐明,但此类突变需要关键步骤,即在数百万潜在脓毒症病例中进行梳理,以定位那些需要进一步考虑的病例。

最终,重症监护可能通过两种途径解决规模这一巨大问题:一是系统层面分析,在复杂的电子数据中寻找涌现特性;二是还原论方法,分离具有罕见表型的单一机制。

图3 精准医学中的规模挑战。a 对个体样本进行单细胞测序如何产生数千个数据点。b 患者体内多个器官如何被采样,同时 c 研究现在可能纳入数百万患者。d 当个体在多个时间点被采样时,精准医学数据的复杂性和体量急剧增加。G 基因组数据,T 转录组数据,P 蛋白质组数据,M 代谢组学或微生物组数据 查看原图 ↗

4. 获取“实时”数据

精准医学的许多显著进展发生在肿瘤学领域,在那里患者的临床信息和生物学样本可以被研究数天或数月以确定肿瘤表型。然而,在重症监护领域,我们面临脓毒症、休克或即将发生的呼吸功能受损等危及生命的紧急情况,所有这些都需要及时治疗以改善预后[30]。然而,及时性护理的需求对推进精准治疗构成了主要障碍,特别是如果靶向治疗所需的技术或检测需要数小时或数天才能完成。例如,在儿童脓毒性休克中,未来的治疗可能基于基因组表达模式。这些方法虽然前景广阔且日益及时,但仍可能需要数小时才能完成。如果这些延迟导致儿童脓毒症急诊科护理的延误,可能对器官衰竭的发生甚至死亡率产生后果。

然而,在所有障碍中,表型信息的及时周转可能是最容易解决的——特别是通过产业界的合作伙伴。例如,基于测序的微生物组分析方法(如454焦磷酸测序、Illumina MiSeq)需要批量处理大量标本,并需要数天至数周的测序和信息学分析。相比之下,利用纳米孔测序技术的最新进展(如Oxford Nanopore),标本可以单独测序和分析,可解读的微生物组数据可在一天内获得。

精准重症监护转化议程路线图

为实现惠及所有重症监护的精准医学,需要采取多学科协作的方法,涵盖三个研究领域:临床前研究、新型临床试验和实施科学(图1)[17]。下文我们将描述每个领域的转化路线图,并使用重症监护中的示例加以说明。

临床前科学:确定精准治疗的推定靶点

识别针对机制的有效治疗方法是精准策略中第一个具有挑战性的步骤。在重症疾病的生物学复杂性中,关于决定患者病程的疾病机制性因素存在很大的知识空白。重症疾病中多个相互关联的反应通路的参与以及治疗的影响,使得在尝试模仿其他疾病中发现的单基因靶向治疗时面临困难。因此,需要多个步骤的组合来为精准医学治疗建立充分的证据。这些包括用于表型发现工作的大型队列研究和通过整合系统建模识别候选靶点。后续工作将包括将临床和生物学表型转化为推定的生物学机制,在与人类密切相关的动物模型中对这些内型进行建模,以及候选治疗的体外临床前研究。

例如,旨在识别脓毒症推定药物靶点的临床前工作借鉴了风湿病学疾病范式[31]。临床研究表明,在感染得到充分控制的患者中,多达三分之一的病例可能发展为独特的炎症表型:血小板减少相关多器官衰竭(TAMOF)、序贯性多器官功能障碍(SMOF)、免疫麻痹或巨噬细胞活化综合征(MAS)[31]。这些炎症表型以铁蛋白或血小板减少等生物标志物为特征,具有不同的病理生物学和特定的危险因素以及在体内对治疗的生物标志物反应。一个更具决定性的转化步骤是对重组IL-1受体拮抗剂(阿那白滞素)III期试验的二次分析[32]。在符合类似巨噬细胞活化综合征标准(即弥散性血管内凝血和/或肝胆功能障碍)的脓毒症患者中——该综合征在风湿病中对IL-ra阻断反应良好——与安慰剂相比,治疗的绝对死亡率降低30%(65%降至34%)[33]。这在无MAS特征的患者中未见。

这些例子突出了内型指导重症疾病精准治疗的潜力。但需要更大规模的多学科临床前工作来理解起作用的基本机制、这些机制在疾病进展过程中如何相互作用,以及发现与临床相关的治疗内型。

临床试验:在临床人群中检验推定靶点

为了确定在临床前研究中识别出的药物是否适合患者,它们必须在人体临床试验中接受严格评估。然而,危重疾病常被描述为药物试验的墓地,部分原因是多项“一群体、一疗法、一疾病”的试验结果为中性或未能显示出获益。仅在脓毒症中,多项针对特定分子机制的治疗研究均未能发现获益[34, 35]。传统临床试验的若干特征使其在未来评估精准医学策略时存在问题:i)同质性人群,不伴有复杂的合并症;ii)通常为单一疗法与对照组比较;iii)停止规则与单一实验性治疗的疗效相关联;以及iv)固定的随机化策略,通常为一例对照对应一例病例[36, 37]。

另一种方法是考虑使用新型的所谓“适应性”试验特征,旨在帮助研究人员更高效地了解表现良好的药物和更好靶向的亚组。近来,已开发出整合性“平台”,试图同时利用若干设计特征——所有这些都有助于测试多种精准医学方法[36]。平台试验可在同一试验中跨多个组研究多种治疗,使用复杂的患者、治疗和站点分配规则。平台试验的一个特征是对多种不同实验性疗法采用共同对照臂进行多重比较。另一个特征是纳入应答适应性随机化规则,根据试验期间的表现优先将疗法分配给不同表型,从而最大限度地减少总体上或试验亚组内对可能劣效药物的暴露。另一个特征是试验可以跨越一个以上的传统分期。例如,不是分别进行2期和3期试验,预设规则可以允许从2期无缝过渡到3期。最后,平台试验通过持续和永久运行,提供了避免试验间停歇期的效率优势。乳腺癌中的I-SPY2项目是这些平台设计及其对精准医学适用性的标志性范例。I-SPY2在多个生物标志物定义的亚组中测试多种治疗,预设规则促进了高效学习和优先治疗分配[38]。自2010年开始入组以来,该平台已在八种患者亚型中评估了超过12种实验性治疗。例如,酪氨酸激酶抑制剂neratinib在适应性设计中入组不到200例患者后便推进至3期试验[39]。

除候选治疗药物外,平台试验还可测试现有疗法,同时利用电子健康记录(EHR)的效率优势。这种设计被称为REMAP(随机、嵌入、多因素、适应性、平台)[40]。REMAP可利用EHR筛选合格患者,并将患者随机分配至多种候选治疗药物。通过了解哪些患者在接受治疗A vs. B vs. C时结局更好或更差,EHR可用于富集更可能获益的表型合格队列——即所谓的反应适应性随机化。ICU本身已是数据丰富的环境,具有相当程度的电子数据采集能力,即使在尚未配备完整EHR的环境中也是如此。因此,一项REMAP已被设计用于测试重症肺炎救治的最佳策略——REMAP CAP——并已通过欧盟欧洲应对再发流行病防范平台(PREPARE)网络以及澳大利亚和新西兰政府获得资助。在该试验网络中,计划对ICU中因重症急性呼吸窘迫住院的患者开展多种治疗。这些干预措施包括多种抗生素、呼吸机策略和免疫调节,涵盖多种患者群体和欧洲100多个ICU。

综上所述,精准重症监护领域发现工作节奏的不断变化,将要求候选治疗药物的试验具备灵活性、可及性,并设计为在异质性患者中测试多种疗法。

实施科学:将精准医疗推向ICU实践

通过精准医学改善重症监护结局的新策略,需要与实施科学专家密切合作[17]。有些人可能认为,一项关于精准医学倡议的研究项目在其临床效用被严格实施和验证之前甚至不算完成。其次,精准医学研究与临床医疗已准备好共存,并且已在许多大型医疗系统中如此实践,例如Kaiser Permanente。这些系统协调病例发现、转诊、数据测量、绩效指标和试验入组——所有这些都是为精准医学生成证据的关键步骤。而当被确定为新的金标准证据时,精准医学策略将需要擅长整合入常规实践的方法学家。

实施精准医疗的一个关键在于真实世界环境中的可行性。有多种务实的步骤,包括:i)识别具有目标表型/内型/群体临床特征的病例;ii)测量与目标表型/内型/群体密切相关的特征;以及iii)提示临床医生给予机制靶向治疗。所有这些步骤均可采用“轻触式”方法实施,从而最大限度减少与床旁诊疗团队以外成员的接触[41]。例如,可利用EHR扫描源自生命体征或实验室结果的特征,同时可利用实验室储存的废弃血液、尿液和其他生物样本测量非标准诊疗的预后或预测性生物标志物。这些近乎实时的干预措施将构成识别和治疗的基本组成部分。

一旦建立,精准方法将需要多种策略才能持久。这些策略包括对临床团队进行有效教育、考虑适当的激励措施,以及新颖的质量改进框架来审核和提供反馈。除了将治疗提供给最可能获益的患者之外,投资于电子健康记录解决方案以测量表型患病率以及接受治疗和未接受治疗患者结局的卫生系统,将更有条件成为学习网络。此类数据可以贡献于跨系统的大型分布式网络,并为利益相关者提供跨中心更稳健的信息。

结论

重症监护中的精准医学是我们现在和未来的关键组成部分。然而,许多挑战限制了其在ICU中所有患者中的应用。多病共存患者的复杂急性疾病、范围和数据规模令人生畏的整合系统生物学数据,以及缺乏金标准标准的危重症综合征,只是新型精准策略面临的众多障碍中的一部分。为了超越分子靶向治疗的失败,新颖的试验设计将需要在2/3期评估中接纳并探索治疗异质性。未来精准医学的真实世界测试和实施还将需要与电子健康记录系统密切合作,以降低成本、提高患者筛查和治疗的及时性,并促进更广泛的学习型医疗网络。

参考来源

  1. Seymour CW, Gomez H, Chang CH, et al. Precision medicine for all? Challenges and opportunities for a precision medicine approach to critical illness. Crit Care. 2017. PMID: 29047353. doi:10.1186/s13054-017-1836-5
  2. 全文:PMC5648512(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC5648512/

供执业医师抢救与诊疗参考,不替代临床判断;剂量请结合体重、肝肾功能和本院药品规格复核,以指南原文为准。