中华急诊医学杂志  2016, Vol. 25 Issue (10): 1219-1223
中国精准急诊医学的应用体系规划探索
张晖, 弓孟春, 徐军, 于学忠, 朱华栋     
100032 北京,北京协和医院急诊科(张晖、徐军、于学忠、朱华栋) 中国医学科学院罕见病研究中心(弓孟春)
Application system of precision emergency medicine in China
Zhang Hui, Gong Mengchun, Xu Jun, Yu Xuezhong, Zhu Huadong     
Emergency Medicine Department of PUMC Hospital(Kong H, Xu J, Yu XZ, Zhu HD); CAAMS Rare Diseases Research Center Beijin 100032, China (Gong MC)
*Corresponding author: Zhu Huadong, Email:zhuhuadong1970@126.com.
Fund program: The National Key Research and Development Progam of China(2016YFC0901500)
1 精准医学:医学模式的变革

精准医学即充分考量患者在基因、环境及生活方式中存在的个体差异以达成最有效的疾病治疗和预防的医学模式[1]。精准医学核心理念是将多个与人体健康及疾病预防相关的度量模块的结果进行统合。这不仅仅涵盖临床数据和基因组数据,更包括环境暴露、日常生活习惯及其他多种多样的数据。藉此我们可以对人体的疾病状态和发展过程进行更相近的描绘和更为透彻的理解。在精准理解经过整合的来自各个模块的数据的基础上,我们可以明确患者所在的疾病的特殊亚组,从而制定更好的个体化治疗方案。对于精准医学的发展而言,将基因组信息整合入临床实践是核心问题。在这场医学模式的变革中,除了肿瘤学及遗传性疾病以外,精准急诊医学(precision emergency medicine)正成为重要的实践领域。近期发布的5项研究[2-6]对于如何在急诊及重症条件下从全基因组测序(whole genome sequencing, WGS)数据中提呈临床干预的信息(acutely actionable information, AAI)进行了探索。在3 587个病例中,使用WGS对原发病诊断率为27%~57%,在49%~100%的患者中提供了AAI,改变了其临床诊疗过程。同时,Kingsmore等[7]预测,依照目前的技术发展趋势及知识累积速度,全基因组测序的一个流程(患病子代加亲代)完成时间将在未来两年内从现在的50 h进一步降低至18 h,从而为其在急诊及重症条件下的应用创造了条件。但目前中国现状为,中国的急诊医学界目前尚无在精准医学方面的应用案例及体系架构,本文的主旨在于通过对目前国际上急诊及危重症领域研究的进展,对精准急诊医学体系的规划进行阐述,并结合中国急诊医学学科发展的特点对中国精准急诊医学的发展路线进行探讨。

2 从应用场景及其研究进展看精准急诊医学体系规划 2.1 基于组学信息的疾病易感性评估体系

急诊科是众多危重疾病及感染性疾病临床诊疗流程的首个关键节点,对疾病易感性进行个体化精准评估并进行预防是精准急诊医学的重要研究方向。侵袭性脑膜炎球菌病(invasive meningococcal disease, IMD)在非洲地区的高发和基于基因组学提出的预防策略就是这方面的范例。奈瑟脑膜炎球菌诱发的IMD是全球范围内脓毒血症及死亡的重要病因之一,其发病与进展与遗传易感性之间的关系很早就被证实[8],临床中观察到IMD在不同人种中发病率的显著差异(撒哈拉以南非洲人群发病率最高)的特点[9],包括乌干达、几内亚等数个非洲国家被WHO列入“脑膜炎带国家”。多项基因组范围内相关性研究(genome-wide association study, GWAS)证实:IMD的易感性与编码H因子及H因子结合蛋白的区域的位点变异有关[10-12]。这些位点上具有保护性的等位基因在人群中的分布频率存在明显的人种差异,其中亚洲裔人群中比例最高(日本人及汉族人49%),而非洲裔人种中比例最低(2.5%)[10]。功能研究则证实表达H因子结合蛋白的脑膜炎球菌在侵入人体后与H因子结合,从而逃脱替代补体途径介导的细菌杀伤。利用对菌株的全基因组测序数据,Pizza等[13]使用生物信息学技术预测出可能在细菌外膜表达的蛋白质,成功筛选出H因子结合蛋白(fHbp)作为抗原,后续研究的B型脑膜炎球菌疫苗于2013年和2015年分别在欧洲和美国上市[14]。使用基因组学数据进行病原微生物易感性的精准预测是制定精准急诊医学中疾病预防体系的有效手段,针对其他传染性病原微生物的研究也取得了重要的进展,如结核[15]

2.2 病原学诊断及爆发流行监控体系

急性感染性疾病是急诊最常见的病种之一,而病情本身的复杂性、检测技术的发展滞后、多维度临床信息整合技术的缺失等使得社区获得性肺炎等常见疾病的诊疗水平停滞不前。而不断出现的耐药性致病菌、新发流行的微生物等又不断挑战经验性治疗方案的地位。快速准确鉴定致病微生物是启动个体化治疗方案的关键,是精准急诊医学体系的核心组成部分。而基于基因组技术对病原微生物的遗传起源进行分析则是对于社区内或院内耐药性病原微生物爆发流行进行监测的理想手段。基于PCR技术实现对于致病微生物的鉴定及感染负荷量已经得到了临床的初步应用,涵盖肺炎链球菌[16]、流感嗜血杆菌[17]和各类经呼吸道传播的病毒等。致病微生物全基因组信息是了解其耐药性机制、遗传起源等方面信息的必要条件[18]。目前桌面式的DNA测序平台可以在1 d内为大量的细菌提供精确的全基因组测序。Reuter等[19]研究比较了WGS技术与传统的检验技术对于致病菌鉴定、抗生素耐药性预测、流行起源分析等之间的差别。结果显示WGS能够准确鉴别耐万古霉素的粪肠球菌和耐亚胺培南的屎肠球菌的爆发流行与非流行性感染,比传统的分型方法效力更强。此外,WGS还可以阐释不同的革兰阴性杆菌(包括鲍曼不动杆菌、屎肠球菌、大肠杆菌、肺炎克雷伯菌等)对亚胺培南的耐药机制[20],对耐药菌流的流行情况进行精准分析,指导抗生素治疗策略。

2.3 急危重症的病因诊断体系

急诊医学的重要任务之一是在可能的病因诊断未明确的前提下,利用尽可能多的临床信息为患者提供个体化的诊疗服务。但建立病因诊断是贯穿于整个急诊诊疗流程的核心任务之一。除了基于病原学标本(咽拭子、痰液、体液等)进行的分子病原学诊断外,基于组学信息的诊断技术也在快速发展,使得精准急诊诊疗服务成为现实。社区获得性肺炎是急诊患者出现呼吸衰竭及脓毒血症的主要病因。病因诊断的不确定性可能延误个体化的治疗。Scicluna等[21]对出现脓毒血症的患者的外周血白细胞进行转录组分析,结果发现CAP患者及非CAP患者存在明显不同的基因表达指纹,其中FAIM3: PLAC8基因表达的比值对于病因的鉴别效力最强(AUC 0.845, 95% CI 0.764~0.917),阳性预测值和阴性预测值分别为83%和81%,效力优于血浆降钙素原、IL-8及IL-6等指标。对于危急重症条件下病因的鉴别诊断,精准急诊医学在借助IT技术统合多维度数据及组学数据后,可以显著增强诊断效力,为实施个体化诊疗创造条件。

2.4 常见疾病的个体化风险评估体系

根据临床情况的严重程度进行分层并启动针对性诊疗方案是急诊医学的核心原则之一[22]。以急诊常见病种创伤为例,Rittirsch等[23]在一项前瞻性研究中对因严重创伤至急诊就诊的患者进行外周血白细胞转录组学分析,证实在临床指标的基础上加入基因转录组指标(SPHK1基因)可以改善对患者发生院内获得性感染、脓毒血症及21 d病死率的预测效力。Cuenca等[24]则对167例创伤患者在入急诊24 h内采集外周血并提取信使RNA标本,使用基因芯片技术检测不同mRNA的表达丰度,单次检测时间控制在12 h以内。将转录组数据进行简化得出的复合积分可以对是否出现并发症这一预后指标做出准确的鉴别(AUC=0.811, P<0.01),效力显著优于AⅡ或新创伤严重程度评分(ISS)系统。其检测时间短、效能优越,可以为精准急诊医学提供临床决策支持,与传统生物标记物相比优势明显。

社区获得性肺炎的诊疗中存在大量的风险分层的评分体系及生物学指标。然而,越来越多的证据显示基因组水平的个体差异会显著影响预后,临床评分类似的患者死亡风险可能大相径庭。近期,Rautanen等[25]使用GWAS技术对于基因变异与由社区获得性肺炎引起的脓毒血症的死亡风险之间的关系进行了分析。研究者使用了4个队列研究中的近600个单核酸多态性(SNPs),使用28 d病死率作为终点事件进行分析,结果发现一个位于5号染色体FER基因内含子区的C/T SNP在4个队列中呈现出一致的结果。该位点为CC型者死亡风险为9.5%,TC者为15.2%,TT者则高达25.3%,对死亡风险的预测效能优于临床指标及其组合,见图 1

图 1 FER SNP rs4957796表达在肺炎导致脓毒症患者中28 d病死率相关性的不同队列研究的Meta分析[25] Figure 1 Forest plot for FER SNP rs4957796 in separate cohorts and combined in the meta-analtsis of 28 day survival in patients with sepsis due to pneumonia

该研究首次在CAP患者中证实遗传水平的个体差异对于预后具有显著影响[26]。在构建精准急诊医学体系的过程中,需要对急诊常见疾病建立整合遗传学指标及及临床指标的病情严重程度分层体系,并基于分层结果指导个体化治疗[27]

2.5 常见疾病的精准治疗体系

鉴于急诊的临床环境,急诊常见疾病的诊疗体系多构建于标准化、经验性的框架下,对患者个体间差异的考量不足。这使得急诊常见疾病的病死率等质量评估指标无法得到显著改善,而大量的基于急诊患者的临床试验所得出的结论也是千差万别,甚至自相矛盾。近期,学术界及临床工作者对这样的个体差异给予越来越多的重视,希望能够进一步提升急诊的诊疗水平。例如,在Sepsis 3的概念中,明确纳入了“宿主出现失调的免疫应答”这一概念[28, 33-34],强调了感染性疾病过程中宿主免疫应答存在显著的个体间差异,而如果要达到有效的治疗就必须对这些差异有足够的认识。对人体某些细胞(如白细胞)的转录组信息进行分析可以帮助人们认识这种个体差异的显著程度,并最终取得这些差异与个体预后之间的联系。Davenport等[29]在英国进行的一项研究中,对265例因CAP合并器官功能障碍收入ICU进行治疗的成年脓毒症患者的外周白细胞进行全基因表达谱的测定。由表达谱的结果可以定义两类差别明显的脓毒症响应指纹(SRS1和SRS2)。其中108例患者存在SRS1(41%),呈现免疫抑制的表型,包括内毒素耐受性、T细胞耗竭及HLA-Ⅱ表达下调。与SRS2相比,SRS1群患者的14 dICU死亡风险显著升高(HR=2.4,95% CI: 1.3~4.5, P=0.005)。在另外106例验证人群中进行的验证研究也证实了该结论(HR=2.8,95% CI: 1.5~5.1, P=0.000 7)。该研究明确了由CAP引起的脓毒症的患者存在各不相同的免疫应答状态,而这样的状态与患者的预后相关。同时对于治疗策略的选择产生重大影响,例如糖皮质激素的使用就可能对这些已经处于免疫抑制状态的患者产生负面的影响。而近期出现的众多免疫激活治疗,包括GMCSF、IL-7、IL-15、干扰素-γ、抗程序性细胞死亡受体-1等可能使该群患者获益。使用基因表达指纹可以进行鉴别,获得传统检测方法无法提供的信息,为精准急诊医学的临床实践提供支持。

2.6 基于组学数据的急诊公共卫生体系

急诊公共卫生体系是疾病爆发流行监控的关键节点。大数据技术对于Ebola病毒流行的监测30及基因组学技术辅助Zika病毒[31]的管控等体现了精准急诊医学在公共卫生方面应用的广阔前景。急诊公共卫生领域对WGS等技术的应用目前主要集中在:菌种鉴定、分子分型、耐药性检测以及毒力基因的检测[32]。对于传统检测方法无法确定的菌种,WGS是重要的鉴定方法。英国的公共卫生部门自2015年4月开始使用WGS对沙门杆菌进行常规的分子分型,以替代传统的血清型分型方法。对比结果显示,6887个肠沙门杆菌菌株中,分子分型与传统分型一致的比例为96% (6 616株)。该结果证实WGS是高通量的精确高效地对肠沙门杆菌进行分型的工具。而联合血清型数据和基于序列的分型数据可以在传统的血清分型结果基础上提供菌株之间遗传起源的数据,为评估局部疾病流行爆发提供依据[33]

由耐药细菌引起的社区获得性肺炎因为治疗的复杂性增加、不良预后风险高、治疗费用高昂等引起越来越多的关注。Wilson等[34]使用全基因组测序的技术对于一例社区获得性肺炎患者中分离出的耐甲氧西林的金黄色葡萄球菌(MRSA)进行全基因组测序,发现了新的细菌超级抗原(Staphylococcal Entertoxin-like toxin X, SEIX)。超级抗原是诱发T细胞过度激活并导致重度炎症反应(如金黄色葡萄球菌毒性休克综合征)的主要原因。大部分的已知的超级抗原由可移动的基因片段编码,因而只在一部分毒株中产生。但新发现的SEIX则由基因组核心区域编码,在引起大流行的社区获得性MRSA(CA-MRSA USA300克隆)中亦存在。对于这一超抗原的基因组编码规则的认识对于经黄色葡萄球菌的致病机理得到了进一步阐释,也为有CA-MRSA USA300这一引起流行爆发的菌种诱发的严重感染提供了分子解释。在引起俄罗斯西伯利亚地区由MRSA引起的肺炎[35]和中国的MRSA引起的社区获得性坏死性肺炎36病例中分离出的菌株的全基因组分析也为MRSA的流行特点及在不同地区的基因组特点进行了研究。

3 总结

精准医学作为目前研究和医学发展的热点,2016年3月,科技部发布了国家重点研发计划,“精准医学研究”被评为科技部2016年国家重点研发计划的优先启动的重点专项之一,并于3月正式进入实施阶段。国家卫计委和科技部先后召开精准医学战略专家会议,拟到2030年前,合计投入600亿元,开展“精准医疗”这种新的医学模式的研究。通过查阅文献,我们发现,在急诊和危重症专业,已经有了大量应用精准医疗的案例,但缺乏一个系统的体系规划。目前精准急诊医学在社区获得性肺炎、创伤、传染性疾病的监控等方面取得的进展已经展现出对患者个体及公共卫生方面的巨大获益,前景广阔。通过本文对中国精准急诊医学的体系建设的初步探讨,希望可以推动国家及医院从政策方面支持推动二代测序、信息化建设、数据整合分析等在急诊的科研及临床工作的开展,从而完善急诊的大数据建设,进一步也有可能在精准治疗所需的靶向药物研制上实现突破,完成精准急诊医学的闭环服务,建立起中国精准急诊医学的学科体系。

参考文献
[1] Collins FS, Varmus H. A new initiative on precision medicine[J]. N Engl J Med , 2015, 372 (9) : 793-795 DOI:10.1056/NEJMp1500523
[2] Soden SE, Saunders CJ, Willig LK, et al. Effectiveness of exome and genome sequencing guided by acuity of illness for diagnosis of neurodevelopmental disorders[J]. Sci Trans Med , 2014, 6 (265) : 265r DOI:10.1126/scitranslmed.3010076
[3] Srivastava S, Cohen JS, Vernon H, et al. Clinical whole exome sequencing in child neurology practice[J]. Ann Neur , 2014, 76 (4) : 473-483 DOI:10.1002/ana.24251
[4] Yang Y, Muzny DM, Xia F, et al. Molecular findings among patients referred for clinical whole-exome sequencing[J]. JAMA , 2014, 312 (18) : 1870-1879 DOI:10.1001/jama.2014.14601
[5] Wright CF, Fitzgerald TW, Jones WD, et al. Genetic diagnosis of developmental disorders in the DDD study: a scalable analysis of genome-wide research data[J]. Lancet , 2015, 385 (9975) : 1305-1314 DOI:10.1016/S0140-6736(14)61705-0
[6] Lee H, Deignan JL, Dorrani N, et al. Clinical exome sequencing for genetic identification of rare Mendelian disorders[J]. JAMA , 2014, 312 (18) : 1880-1887 DOI:10.1001/jama.2014.14604
[7] Kingsmore SF, Petrikin J, Willig LK, et al. Emergency medical genomes: a breakthrough application of precision medicine[J]. Genome Med , 2015, 7 (1) : 82 DOI:10.1186/s13073-015-0201-z
[8] Brouwer MC, de Gans J, Heckenberg SG, et al. Host genetic susceptibility to pneumococcal and meningococcal disease: a systematic review and meta-analysis[J]. Lancet Infect Dis , 2009, 9 (1) : 31-44 DOI:10.1016/s1473-3099(08)70261-5
[9] Jafri RZ, Ali A, Messonnier NE, et al. Global epidemiology of invasive meningococcal disease[J]. Popul Heal Metr , 2013, 11 (1) : 17 DOI:10.1186/1478-7954-11-17
[10] Davila S, Wright VJ, Khor CC, et al. Genome-wide association study identifies variants in the CFH region associated with host susceptibility to meningococcal disease[J]. Nat Gen , 2010, 42 (9) : 772-776 DOI:10.1038/ng.640
[11] Bradley DT, Bourke TW, Fairley DJ, et al. Susceptibility to invasive meningococcal disease: polymorphism of complement system genes and Neisseria meningitidis factor H binding protein[J]. PLoS One , 2015, 10 (3) : e0120757 DOI:10.1371/journal.pone.0120757
[12] Biebl A, Muendlein A, Kinz E, et al. Confirmation of host genetic determinants in the CFH region and susceptibility to meningococcal disease in a central European study sample[J]. Pediat Iinfect Dis J , 2015, 34 (10) : 1115-1117 DOI:10.1097/INF.0000000000000823
[13] Pizza M, Scarlato V, Masignani V, et al. Identification of vaccine candidates against serogroup B meningococcus by whole-genome sequencing[J]. Science , 2000, 287 (5459) : 1816-1820 DOI:10.1126/science.287.5459.1816
[14] Seib KL, Scarselli M, Comanducci M, et al. Neisseria meningitidis factor H-binding protein fHbp: a key virulence factor and vaccine antigen[J]. Expert Rev Vacc , 2015, 14 (6) : 841-59 DOI:10.1586/14760584.2015.1016915
[15] Thye T, Vannberg FO, Wong SH, et al. Genome-wide association analyses identifies a susceptibility locus for tuberculosis on chromosome 18q11.2[J]. Nat Gen , 2010, 42 (9) : 739-741 DOI:10.1038/ng.639
[16] Hiller NL, Ahmed A, Powell E, et al. Generation of genic diversity among Streptococcus pneumoniae strains via horizontal gene transfer during a chronic polyclonal pediatric infection[J]. PLoS Pathog , 2010, 6 (9) : e1001108 DOI:10.1371/journal.ppat.1001108
[17] Hogg JS, Hu FZ, Janto B, et al. Characterization and modeling of the Haemophilus influenzae core and supragenomes based on the complete genomic sequences of Rd and 12 clinical nontypeable strains[J]. Gen Biol , 2007, 8 (6) : R103 DOI:10.1186/gb-2007-8-6-r103
[18] Rogers GB, Wesselingh S. Precision respiratory medicine and the microbiome[J]. Lancet Resp Med , 2016, 4 (1) : 73-82 DOI:10.1016/S2213-2600(15)00476-2
[19] Reuter S, Ellington MJ, Cartwright EJ, et al. Rapid bacterial whole-genome sequencing to enhance diagnostic and public health microbiology[J]. JAMA Intern Med , 2013, 173 (15) : 1397-1404 DOI:10.1001/jamainternmed.2013.7734
[20] Ehrlich GD, Post JC. The time is now for gene-and genome-based bacterial diagnostics: "you say you want a revolution"[J]. JAMA Intern Med , 2013, 173 (15) : 1405-6 DOI:10.1001/jamainternmed.2013.7042
[21] Scicluna BP, Klein Klouwenberg PM, van Vught LA, et al. A molecular biomarker to diagnose community-acquired pneumonia on intensive care unit admission[J]. Am J Resp Crit Care Med , 2015, 192 (7) : 826-35 DOI:10.1164/rccm.201502-0355OC
[22] Duke T. New WHO guidelines on emergency triage assessment and treatment[J]. Lancet , 2016, 387 (10020) : 721-4 DOI:10.1016/S0140-6736(16)00148-3
[23] Rittirsch D, Schoenborn V, Lindig S, et al. Improvement of prognostic performance in severely injured patients by integrated clinico-transcriptomics: a translational approach[J]. Crit Care , 2015, 19 : 414 DOI:10.1186/s13054-015-1127-y
[24] Cuenca AG, Gentile LF, Lopez MC, et al. Development of a genomic metric that can be rapidly used to predict clinical outcome in severely injured trauma patients[J]. Crit Care Med , 2013, 41 (5) : 1175-85 DOI:10.1097/CCM.0b013e318277131c
[25] Rautanen A, Mills TC, Gordon AC, et al. Genome-wide association study of survival from sepsis due to pneumonia: an observational cohort study[J]. Lancet Resp Med , 2015, 3 (1) : 53-60 DOI:10.1016/s2213-2600(14)70290-5
[26] Rello J, Perez A. Precision medicine for the treatment of severe pneumonia in intensive care[J]. Exp Rev Resp Med , 2016, 10 (3) : 297-316 DOI:10.1586/17476348.2016.1144477
[27] Flores C. Host genetics shapes adult sepsis survival[J]. Lancet Resp Med , 2015, 3 (1) : 7-8 DOI:10.1016/S2213-2600(14)70307-8
[28] Kaukonen KM, Bailey M, Pilcher D, et al. Systemic inflammatory response syndrome criteria in defining severe sepsis[J]. N Engl J Med , 2015, 372 (17) : 1629-1638 DOI:10.1056/NEJMoa1415236
[29] Davenport EE, Burnham KL, Radhakrishnan J, et al. Genomic landscape of the individual host response and outcomes in sepsis: a prospective cohort study[J]. Lancet Resp Med , 2016, 4 (4) : 259-271 DOI:10.1016/S2213-2600(16)00046-1
[30] Milinovich GJ, Magalhaes RJ, Hu W. Role of big data in the early detection of Ebola and other emerging infectious diseases[J]. Lancet Glob Health , 2015, 3 (1) : e20-21 DOI:10.1016/S2214-109X(14)70356-0
[31] Enfissi A, Codrington J, Roosblad J, et al. Zika virus genome from the Americas[J]. Lancet , 2016, 387 (10015) : 227-228 DOI:10.1016/S0140-6736(16)00003-9
[32] Kwong JC, McCallum N, Sintchenko V, et al. Whole genome sequencing in clinical and public health microbiology[J]. Pathology , 2015, 47 (3) : 199-210 DOI:10.1097/PAT.0000000000000235
[33] Ashton PM, Nair S, Peters TM, et al. Identification of Salmonella for public health surveillance using whole genome sequencing[J]. Peer J , 2016, 4 : e1752 DOI:10.7717/peerj.1752
[34] Wilson GJ, Seo KS, Cartwright RA, et al. A novel core genome-encoded superantigen contributes to lethality of community-associated MRSA necrotizing pneumonia[J]. PLoS Path , 2011, 7 (10) : e1002271 DOI:10.1371/journal.ppat.1002271
[35] Khokhlova OE, Hung WC, Wan TW, et al. Healthcare-and community-associated methicillin-resistant staphylococcus aureus (MRSA) and fatal pneumonia with pediatric deaths in Krasnoyarsk, Siberian Russia: Unique MRSA's Multiple Virulence Factors, Genome, and Stepwise Evolution[J]. PLoS One , 2015, 10 : e0128017 DOI:10.1371/journal.pone.0128017
[36] Qu T, Feng Y, Jiang Y, et al. Whole genome analysis of a community-associated methicillin-resistant Staphylococcus aureus ST59 isolate from a case of human sepsis and severe pneumonia in China[J]. PLoS One , 2014, 9 : e89235 DOI:10.1371/journal.pone.0089235