康 萌 綜述,曹 炬 審校
重慶醫科大學附屬第一醫院檢驗科,重慶 400016
膿毒癥被定義為機體對感染的反應失調而導致的威脅生命的器官功能障礙[1]。據統計,與膿毒癥相關的死亡占全球總死亡人數的20%,膿毒癥是危重癥患者死亡的重要原因[2]。早期識別膿毒癥及其嚴重程度,選擇有針對性的治療對提高膿毒癥的生存率非常重要。然而,目前沒有診斷膿毒癥的金標準,傳統的血培養方法通常需要大量時間,可能導致治療延遲。生物標志物是一種可以快速測量的生物觀測方法,可以幫助早期診斷膿毒癥,評估膿毒癥的嚴重程度和風險分層,指導治療,并評估患者對治療的反應[3]。目前,許多生物標志物已被證明有助于膿毒癥的診斷、預后和治療。本文旨在介紹膿毒癥宿主反應生物標志物的研究進展。
除了廣泛使用和研究的指標C反應蛋白(CRP)和降鈣素原(PCT)之外,目前所發現的膿毒癥診斷標志物中,有在超過300例患者的研究中評估了其診斷價值的標志物有10個,其中僅有3個生物標志物[α間抑制蛋白(IαI)、CD64、白細胞介素-6(IL-6)]經受試者工作特征(ROC)曲線評估顯示有較高的診斷價值[4]。以下介紹對膿毒癥診斷價值較高的宿主反應標志物見表1。

表1 膿毒癥診斷生物標志物
1.1CRP CRP是一種急性期蛋白,其水平在炎癥早期增加[17]。2019年的一項meta分析顯示,CRP在膿毒癥診斷中的總體受試者工作特征(SROC)曲線的AUC為0.73(95%CI:0.69~0.77),靈敏度和特異度分別為0.80(95%CI:0.63~0.90)和0.61(95%CI:0.50~0.72)[5]。這表明CRP對于診斷膿毒血癥具有較高的靈敏度,但特異度較低。2023年的一項回顧性觀察試驗肯定了CRP的診斷價值,結果顯示,CRP診斷膿毒癥的AUC為0.816(95%CI:0.744~0.887),高于PCT及IL-6[6]。但是該結果與文獻[5]的結論存在一定差異,需要進一步的驗證。
1.2PCT PCT是目前美國食品和藥物管理局(FDA)唯一批準用于膿毒血癥診斷的生物標志物[18]。與CRP相比,PCT在膿毒癥診斷中的SROC曲線的AUC為0.85(95%CI:0.82~0.88),其靈敏度和特異度分別為0.80(95%CI:0.69~0.87)和0.77(95%CI:0.60~0.88)[5],PCT在診斷膿毒癥方面更具特異性,但PCT在許多非感染性疾病中也可能升高,這限制了其用于膿毒癥的診斷價值。盡管如此,有研究指出細菌性膿毒血癥患者的血清PCT水平顯著高于無癥狀且不伴膿毒癥的細菌感染者,特別是當血清PCT≥4.25 ng/mL時,血清PCT可作為序貫性器官功能衰竭(SOFA)評分的替代指標,對于快速篩查膿毒癥具有一定幫助[7]。
1.3IαI IαI是一類抗炎相關蛋白,CHAABAN等[8]在2008年指出,IαI對新生兒膿毒癥的診斷有極高的價值,其診斷新生兒膿毒癥的AUC達0.94。膿毒癥會導致全身炎癥反應,也會引起患者血管內皮細胞損傷,有研究發現,在人類膿毒癥患者中,血液IαI水平與血管細胞黏附分子1(VCAM-1)和細胞間黏附分子-1(ICAM-1)水平呈負相關,而VCAM-1和ICAM-1水平升高可反映內皮炎癥的發生[11],提示IαI水平降低或許可以反映膿毒癥的發生。近幾年較少出現相關的文章驗證IαI是否能夠有效辨別成人膿毒癥,但由于其在診斷新生兒膿毒癥存在較高的價值,這一問題值得更多的研究去驗證。
1.4CD64 CD64是一種高親和力受體,感染時會被激活并上調。2021年的一項meta分析對比了nCD64、PCT及IL-6在診斷膿毒癥中的效能,結果顯示nCD64對膿毒癥的診斷價值最高,其次是PCT和IL-6[9],表明nCD64具有診斷膿毒癥的潛力。2023年的一項橫斷面研究顯示,nCD64診斷膿毒證的AUC為0.920,高于PCT的0.872、WBC的0.637、nCD64聯合WBC的0.906、nCD64聯合WBC和PCT的0.919,低于nCD64聯合PCT的0.924,表明nCD64可作為ICU患者膿毒癥診斷的標志物,且其與PCT聯合使用,對膿毒癥的診斷效果更好[10]。以上研究顯示,CD64對于膿毒癥的診斷價值較高,但目前還尚缺乏關于CD64診斷膿毒癥的多中心研究,需要更多的大型研究去驗證CD64的診斷價值。
1.5IL-6 IL-6是一種介導免疫系統對損傷和感染的炎癥細胞因子[19]。有研究收集確診為膿毒癥或感染性休克等患者在臨床診斷后6 h內的血樣,測量血清IL-6、PTX3和PCT水平,結果顯示,IL-6診斷膿毒癥的AUC為0.83~0.94(P<0.001),大于PTX3及PCT[19]。同時,一項近期的歷史隊列研究結果顯示IL-6能很好地區分血流感染及局部細菌感染(P<0.05)[12],其對于診斷膿毒癥具有一定的意義。
1.6presepsin presepsin是CD14的可溶性N末端片段,可以刺激先天免疫應答[20]。presepsin水平在細菌感染后2 h內增加,是檢測感染和診斷膿毒癥的有前途的早期指標[21]。2022年的一項系統評價指出presepsin是新生兒早發性膿毒癥(EOS)的準確生物標志物[18]。在納入的研究中有10項研究報道了presepsin診斷膿毒癥的AUC為0.76~0.99,其合并靈敏度和特異度分別為0.93(95%CI:0.89~0.96)和0.91(95%CI:0.85~0.95),合并診斷比值比(DOR)為 131.69(95%CI:54.93~310.94)[13]。同時,也有學者納入了40項研究進行meta分析,結果顯示在診斷膿毒癥方面,presepsin的AUC為0.90(95%CI:0.87~0.92),具有較高的準確性[14]。
1.7其他生物標志物 suPAR能識別是否發生感染,這能夠幫助臨床區分膿毒癥與SIRS。2020年的一項系統評價顯示,與既往meta分析確定的PCT對于膿毒癥的診斷特異度的70%相比,suPAR對于診斷膿毒癥具有更高的特異度(78%)[15]。因此,suPAR在膿毒癥診斷中或許具有較高的潛力。
2021年一項包括11項研究的meta分析表明,MR-proADM在膿毒癥診斷中具有很高的靈敏度和特異度[16],提示它是診斷膿毒癥的優秀生物標志物。2023年的一項系統評價也驗證了這一結論[14]。但目前可用的數據較少,需要進一步研究以驗證該結論。
膿毒癥病死率極高,早期預測膿毒癥患者的死亡風險,從而更有針對性地分診對于降低膿毒癥病死率有一定幫助。在膿毒癥預后方面有積極作用的宿主反應標志物也有很多,一些較有應用前途的生物標志物見表2。

表2 膿毒癥預后生物標志物
2.1PCT 通過連續測量入住ICU后5 d內的PCT水平發現PCT水平較第1天的測量值降低80%及以上的患者,將會大大改善其生存率,并COX回歸分析證實,無法將降鈣素原降低 80% 以上是膿毒癥死亡的重要獨立預測指標[22]。此外,血清PCT、CRP與急性生理學與慢性健康狀況評分(APACHEⅡ)評分均呈正相關,APACHEⅡ評分是血流感染膿毒癥28 d內死亡的獨立危險因素,這說明血流CRP與PCT的水平均能反映膿毒癥的不良預后[23];通過Pearson相關性分析發現,CRP和PCT水平與疾病嚴重程度呈正相關(r=0.456、0.670,均P<0.001),且較高的PCT往往代表較高的膿毒癥病死率,CRP和PCT是預測血流感染膿毒癥28 d內死亡的獨立危險因素[23]。
2.2presepsin presepsin不僅可以用于診斷膿毒癥,還可以用于分層膿毒癥患者的預后。一項研究顯示,presepsin水平與SOFA評分呈正相關(r=0.396,P<0.001),ROC曲線分析表明,presepsin水平對膿毒癥患者不良結局具有較高的預測準確性[24]。2020年一項單中心前瞻性研究顯示,膿毒癥患者的presepsin水平顯著升高(2 047 ng/mL),膿毒性休克患者的水平更高(2 538 ng/mL),非幸存者的水平最高(3 138 ng/mL),差異均有統計學意義(P<0.001);presepsin對膿毒癥的死亡風險(AUC=0.861,95%CI:0.784~0.919)有較高的預測價值[25]。MIN等[26]的研究驗證了presepsin作為膿毒癥預后指標的價值,結果顯示,presepsin預測膿毒癥導致死亡的AUC為0.764,WBC為0.744;血清presepsin對膿毒癥死亡預測的靈敏度和特異度分別為75.0%和87.5%,對膿毒癥的預測準確性較高。presepsin對于膿毒癥的死亡風險預測價值較高,但在不同的研究中AUC相差較大,或許需要多中心、大規模的研究驗證presepsin的預后價值。
2.3IL-6 2013年的一項研究使用結扎盲腸和穿刺(CLP)誘導小鼠膿毒癥的模型確認了IL-6對于膿毒癥的預后價值[31]。2019年的一項前瞻性對照研究比較了IL-6、PTX3和PCT在預測膿毒癥不良結果方面的價值,發現IL-6能更好地鑒別更具危險性的膿毒癥休克,當與PTX3結合使用時,效果更佳[19]。2023年的一項前瞻性研究也肯定了IL-6的預后價值,研究結果顯示,入住ICU的第1、3、7天所測量的血清IL-6水平對于膿毒癥死亡的預測具有一定價值[32]。
2.4MR-proADM ADM是一種52個氨基酸的肽鏈,在各種組織和器官中廣泛表達[33]。ADM非常不穩定,難以檢測,MR-proADM可反映ADM水平[34]。MR-proADM由ADM的45~92氨基酸序列組成,比ADM更穩定。2021年的一項前瞻性試點研究雖然否認了MR-proADM與ICU入院時微血管血流指數(MFI)的直接相關性,但也肯定了MR-proADM、MFI和其他微血管變量的良好相關性,確認了MR-proADM具有良好的預后價值[35]。2023年的一項研究也證實了這一結論[27]。此研究回顧性納入了301例膿毒癥受試者(其中124例伴感染性休克)和126例局部感染受試者,該研究的數據顯示MR-proADM的水平與器官損傷的嚴重程度呈正相關,能較好地預測膿毒癥患者的不良預后[27],但該研究缺乏外部的驗證隊列。因此,需要進一步的驗證以推進該研究結論應用于臨床。
2.5其他生物標志物 一項2020年的系統評價顯示suPAR在預測膿毒癥病死率方面具有中等準確性,優于PCT[15]。NASR EL-DIN等[28]也證實了suPAR水平能夠預測膿毒癥患者的不良預后,對膿毒癥患者28 d病死率的預測結果較為可靠。循環血中可溶性髓樣細胞觸發受體1(sTREM-1)在預測膿毒癥28d病死率方面表現出很高的靈敏度(0.80,95%CI:0.66~0.89)和中等的特異度(0.75,95%CI:0.69~0.81)[36]。一項研究驗證了sTREM-1、可溶性生長刺激表達基因2蛋白(sST2)及聯合診斷因子(CDF)及其聯合檢測對膿毒癥預后的影響,結果顯示sTREM-1、sST2及CDF均對膿毒癥的預后有較為有效的預測能力,二者聯合判斷結果更為可靠[29]。
一項前瞻性隊列研究結果顯示,入院時的nCD64和SOFA評分呈中度正相關(r=0.31,P=0.004),在幸存者組,nCD64水平在入院后的48 h內顯著下降,這表明nCD64能夠預測膿毒癥的病死率,通過監測nCD64的水平變化也可以知曉患者的病情變化,從而改進治療方式[30]。然而,目前關于CD64預測膿毒癥不良結局的研究仍然有限,需要更多的研究去確認CD64在膿毒癥預后中的作用。
生物標志物不僅可以幫助診斷膿毒癥,預測膿毒癥的死亡風險,對于膿毒癥的治療,例如指導抗菌藥物的使用,尋找治療靶點以提高治療效率等均有重要意義。
3.1PCT 研究顯示,入院后連續測量血清PCT水平或許能夠指導抗菌藥物的使用[22],然而,在臨床實踐中,出于對經濟和成本效益的考慮,拯救膿毒癥運動(SCC)不建議使用PCT來指導抗菌藥物的開始使用,但可以用于指導抗菌藥物的停止,這有助于減少臨床中抗菌藥物的不當使用[37]。
3.2presepsin presepsin水平降低可以表示治療的有效性,利用對presepsin的持續測量來評估患者病情的變化,這或許對于臨床決定抗菌藥物的停止時間有幫助[20]。
3.3TREM-1 TREM-1和Toll樣受體4的聯合激活可導致多種促炎細胞因子和趨化因子的釋放,阻斷TREM-1或可幫助減少炎癥[38]。因此,通過研究TREM-1的結構和其信號通路,可能會得到一個新的膿毒癥的治療靶點[38]。
3.4IL-6 2023年的一項孟德爾隨機化研究發現阻斷IL-6受體(IL6R)或許能降低膿毒癥發病率,需要進一步加大研究樣本量以驗證該結論[39]。同年,一項歷史隊列研究,通過建立血流感染小鼠模型發現:與革蘭陽性菌感染小鼠對比,革蘭陰性菌感染小鼠的IL-6水平顯著升高,這一發現或許能夠指導臨床及時進行針對性的抗菌藥物治療[12]。
3.5BMP9 最近有研究在2個獨立的膿毒癥患者隊列中量化了循環血中骨形態發生蛋白9(BMP9)的水平,與健康對照組相比,入院時膿毒癥患者血清BMP9水平降低,進一步建立小鼠膿毒癥模型,證實了補充BMP9能夠對膿毒癥小鼠發揮免疫治療作用,該研究為膿毒癥的精準治療提供了免疫診治靶點,可以作為膿毒癥的定向療法開發[40]。見表3。

表3 用于膿毒癥診斷、預后與治療的組學
近年來,越來越多的學者開始關注組學研究,以準確診斷、分層和治療膿毒癥。組學旨在通過對分子水平上的復雜數據集進行分析來區分患者的異質性。它包括基因組學、表觀遺傳學、轉錄組學、蛋白質組學和代謝組學。到目前為止,在轉錄組學方面取得了較多的研究成果,其次是蛋白質組學。
4.1轉錄組學 轉錄組學是對RNA水平上基因表達的研究,并尋找與病理生理學相關的轉錄標志。例如,SeptiCyteTMLAB 在區分膿毒癥和SIRS方面具有優勢。它是一種實時熒光定量PCR檢測,可定量4個基因(CEACAM4、LAMP1、PLAC8、PLA2G7)的相對表達水平,其診斷膿毒癥的AUC為0.88(95%CI:0.81~0.93),與PCT合并使用的AUC更大[41]。DENNY等[42]的研究驗證了SeptiCyteTMLAB的診斷效能,其區分膿毒癥及SIRS的AUC為0.80(95%CI:0.68~0.93)。SeptiCyteTMLAB已獲得FDA的批準,是第一個被批準用于臨床診斷的基因表達檢測[49]。Sepsis MetaScore也可以判斷膿毒癥的發生,其診斷膿毒癥的AUC為0.80(95%CI:0.67~0.92)[43]。MAYHEW等[44]開發了名為IMX-BVN-1的神經網絡分類器,使用了29個預選宿主mRNA,可用于在入院時評估懷疑為感染或膿毒癥的患者,對于判斷有無細菌或病毒感染有較大價值。更新版本的IMX-BVN-2在區分有無細菌感染的患者方面的AUC為0.90(95%CI:0.85~0.95),略優于PCT(AUC為0.89,95%CI:0.84~0.94),此外,其對于排除病毒感染也有一定價值[45]。在膿毒癥預后方面,轉錄組學也發揮著重要作用。一項前瞻性驗證試驗證明,包含29個宿主mRNA分類器的IMX-SEV-2能夠評估感染的嚴重程度,在預測病死率方面的AUC為0.84(95%CI:0.76~0.93),高于乳酸(AUC=0.76,95%CI:0.64~0.87)、qSOFA評分(AUC=0.68,95%CI:0.57~0.79)和NEWS2評分(AUC=0.75,95%CI:0.65~0.85)[46]。研究顯示,小兒膿毒癥生物標志物風險模型(PERSEVERE)已被用于成人,以預測膿毒癥的病死率[50]。PERSEVERE-XP將PERSEVERE與18種死亡風險評估基因網絡相結合,在預測死亡方面的AUC優于PERSEVERE,為0.91(95%CI:0.87~0.95)[47]。基于轉錄組譜可以對細菌或病毒感染患者進行分類,相比于血細胞計數,在指導抗菌藥物的使用中能發揮更大的作用[51]。最近的一項研究對單細胞RNA測序(scRNA-seq)進行了分析,鑒定發現了一類S100A家族基因高表達和人白細胞抗原 DR (HLA-DR)低表達的單核細胞亞群,這類細胞在膿毒癥患者體內顯著表達,可抑制免疫反應[52]。通過小鼠模型驗證了該發現,同時使用帕奎莫德(paquinimod)阻斷 S100A9 可以部分逆轉膿毒癥誘導的免疫抑制[52]。這或許是膿毒癥治療的新靶點。如今,PCR技術已得到迅速發展,轉錄組學或許會發展為一種更便捷且更具性價比的工具。
4.2蛋白組學與代謝組學 蛋白組學指的是對于基因組表達的全部蛋白質的研究,而代謝組學則指的是對于生物體內的所有代謝物的研究。借助色譜和質譜等技術的發展,通過蛋白組學和代謝組學,已經發現了幾種用于膿毒癥診斷和預后的新生標志物。一項研究表明酰基肉堿(C10:1)和甘油磷脂酰膽堿(PCaaC32:0)的水平在膿毒癥中顯著升高,這兩種生物標志物可能有助于區分感染性膿毒癥和非感染性全身性炎癥[48]。同時,有研究鑒定了501種糖肽,其中66種是膿毒癥幸存患者特有的,60種是膿毒癥非幸存患者特有的,該研究結果提示了膿毒癥患者存活的關鍵在于補體和凝血級聯反應通過外在途徑還是內在途徑發揮作用[53]。另一項研究發現了73種不同表達的代謝物,可以幫助膿毒癥的診斷和預后[54]。此外,該研究表明磷酸戊糖途徑與膿毒癥相關腦病有關,苯丙氨酸代謝產物可以預測膿毒癥相關急性腎損傷[54]。這些代謝產物可以提示患者的不良預后,以便得到及時治療。目前有發現血管炎癥的幾種代謝物標志,如纖連肽A、丙氨酸和組胺,它們的水平在左卡尼汀治療的膿毒癥非幸存者患者中升高,這提示可以使用特定代謝物來預測患者對治療的反應,從而實現更精確的治療[55]。總的來說,蛋白組學和代謝組學在膿毒癥研究中也顯示出巨大的潛力。
近年來,大量有關于膿毒癥的宿主反應生物標志物被發現,然而,大多數生物標志物需要進一步得到驗證,只有少數已被批準應用于臨床實踐,例如PCT與SeptiCyteTMLAB[18,43]。但在目前的研究中,在超過300例患者的研究中評估其診斷價值的生物標志物中,只有IαI、CD64、IL-6的AUC超過0.8,其中IαI診斷膿毒癥的AUC最高,為0.94[4]。評估膿毒癥預后的生物標志物中,目前發現的在入院后第7天收集的suPAR水平對于膿毒癥病死率的預測價值最大,其預測膿毒癥病死率的AUC已達0.998[29],但目前該結論沒有在大型多中心隊列研究中驗證。在超過300例患者中驗證了預后價值,并且AUC>0.8的僅有presepsin[4]。單個生物標志物在幫助診治膿毒癥時不能發揮最理想的作用,生物標志物的組合能夠更好地輔助膿毒癥的預后,例如,presepsin+SOFA評分預測膿毒癥病死率的AUC大于presepsin或SOFA評分單獨預測[24]。接下來,尋找更多的生物標志物的組合以確認最優組合或許能夠提升膿毒癥診治的準確度。在治療方面,目前研究有發現補充BMP9能夠對膿毒癥小鼠發揮免疫治療作用,為開展基于生物標志物的膿毒癥治療提供了免疫治療靶點。組學技術快速發展,基于分子生物學的研究能更好地辨別同質患者群,并實現個體化治療。研究發現使用paquinimod阻斷 S100A9 可以部分逆轉膿毒癥誘導的免疫抑制[53],這或許是膿毒癥治療的新靶點。組學技術目前在膿毒癥領域具有極大潛力,能夠幫助區分膿毒癥的異質性,實現個體化治療。此外,將組學技術與機器學習算法相結合用于預測特定類型的膿毒癥以實現精準醫療,有助于膿毒癥的及早診斷及治療。