彭海倫，趙月麗，徐崇孝，林國東，潘志國,

1南方醫(yī)科大學第一臨床醫(yī)學院，廣東 廣州 510515；2廣州中醫(yī)藥大學研究生院，廣東 廣州 510006；3南部戰(zhàn)區(qū)總醫(yī)院重癥醫(yī)學科，廣東 廣州 510010

膿毒癥是重癥監(jiān)護室（intensive care unit，ICU）中的高發(fā)疾病，其病死率、致殘率居高不下。據(jù)統(tǒng)計，ICU 中因膿毒癥致死的人數(shù)占所有ICU 病死人數(shù)的30%～50%，而膿毒癥相關(guān)死亡病例占全球所有死亡病例的比例高達19.7%[1-3]。目前膿毒癥的治療仍存在諸多問題，也是ICU 醫(yī)師面臨的一個重要挑戰(zhàn)。臨床上膿毒癥的高度異質(zhì)性是其救治困難的重要原因之一。宿主的不同狀態(tài)（年齡、性別、基礎疾病、營養(yǎng)狀態(tài)、遺傳背景、生活環(huán)境等）、不同的病原體（細菌、真菌、病毒等）或同一病原體在相同或不同部位感染、宿主免疫反應過度增強或麻痹、不同的器官相繼出現(xiàn)或多個器官同時出現(xiàn)不同程度的功能障礙等，這些差異均會導致膿毒癥的臨床表現(xiàn)呈多樣性[4]。其次，患者對膿毒癥治療方案的敏感性、治療時間軌跡等方面也表現(xiàn)出高度異質(zhì)性，如部分患者在膿毒癥休克早期對類固醇激素治療敏感，但部分患者使用類固醇激素后病死率增高[5]。膿毒癥以上各方面的高度異質(zhì)性決定了其預后存在巨大差異，同時不同預后也是其高度異質(zhì)性的一種體現(xiàn)。一項量化膿毒癥治療異質(zhì)性的研究發(fā)現(xiàn)，膿毒癥的治療異質(zhì)性在患者個體及群體水平上表現(xiàn)明顯，機器學習方法可捕捉到膿毒癥早期住院治療患者及人群水平的顯著異質(zhì)性[6]。

面對居高不下的病死率，臨床醫(yī)師們不得不重新審視膿毒癥指南“一刀切”的綜合治療方案。膿毒癥患者的高度異質(zhì)性決定了其治療方案的差異，故而針對具備某一特征的個體或群體進行個性化治療具有重要意義。在基于機器學習方法實現(xiàn)精準醫(yī)療的大趨勢下[7]，針對膿毒癥異質(zhì)性進行分型，識別高危患者及對靶向治療有良好反應的高概率患者，進而更好地指導個體化、精準治療，進行預后預測，對于降低膿毒癥患者病死率、改善預后具有重要意義。

1 膿毒癥亞型的相關(guān)定義及研究方法

1.1 膿毒癥亞型的相關(guān)定義 目前國際上關(guān)于膿毒癥分型研究的術(shù)語尚未形成共識。Reddy等[8]在其研究中提出，表型是指具有共同綜合征或癥狀的一組臨床特征；亞表型是指具有相同表型患者的一組共同特征，如共同的危險因素、診斷特征及對治療的反應結(jié)果等；內(nèi)型則是指疾病特有的生物學機制。當合理的治療可使某一內(nèi)型人群獲得治愈或明顯緩解，則該內(nèi)型將有望成為一種可治療的特征。

1.2 膿毒癥分型的研究方法 富集方法指根據(jù)共同特征或相似程度將研究對象分為若干組的方法，如生物學家通過富集方法來識別在給定的基因中明顯過多的基因特性。機器學習法指基于大量數(shù)據(jù)或經(jīng)驗，優(yōu)化計算機算法，實現(xiàn)類人工智能，可大致分為監(jiān)督學習、無監(jiān)督學習及強化學習三類，監(jiān)督學習用于解決回歸分類問題等，無監(jiān)督學習用于降維、聚類等。機器學習在分析大量復雜的高維數(shù)據(jù)方面具有明顯優(yōu)勢，目前已廣泛用于醫(yī)療數(shù)據(jù)的深度分析及挖掘，如疾病預測、影像學分析及醫(yī)學數(shù)據(jù)特征挖掘等領(lǐng)域[7，9-11]。機器學習是研究膿毒癥分型的重要方法，現(xiàn)已被廣泛應用。

2 膿毒癥亞型的分型

2.1 基于分子組學的膿毒癥分型 宿主基因組變異在膿毒癥患者的異質(zhì)性中起重要作用，研究發(fā)現(xiàn)存在與膿毒癥易感性及預后相關(guān)的基因[12-13]。由于全血基因表達反映了循環(huán)白細胞的時間狀態(tài)，較多回顧性或前瞻性研究將無監(jiān)督聚類應用于膿毒癥患者的全血轉(zhuǎn)錄組譜，通過分析膿毒癥患者的全血基因組來確定亞型。Davenport 等[14]發(fā)現(xiàn)兩種轉(zhuǎn)錄型膿毒癥反應信號（sepsis response signatures，SRS）與膿毒癥患者的免疫功能及預后相關(guān)，SRS1 表現(xiàn)為免疫抑制，而SRS2 表現(xiàn)為具有免疫活性[15-16]。同時，研究表明在膿毒癥休克患者中，SRS 內(nèi)型與氫化可的松治療之間存在明顯的交互作用，具有免疫活性的SRS2 內(nèi)型患者在服用皮質(zhì)類固醇時病死率明顯升高[5，17]。在Sweeney 等[18]研究得到的3 個膿毒癥亞型中，當給予皮質(zhì)類固醇時，對凝血功能障礙亞型（coagulopathic endotype，CE）有生存益處，而適應性亞型（adaptive endotype， AE）及炎癥性亞型（inflammatory endotype，IE）沒有明顯的生存獲益。還有研究發(fā)現(xiàn)CE患者的病死率最高（40%），AE患者的病死率最低（5%）[19]。盡管《拯救膿毒癥運動：膿毒癥與膿毒癥休克治療國際指南（2021）》（以下簡稱“2021 版SSC 指南”）推薦所有膿毒癥休克均使用氫化可的松治療[20]，但根據(jù)Sweeney 等[18]的分型方法，不同膿毒癥亞型對激素的反應不盡相同，或許上述這兩種膿毒癥分型可用于未來糖皮質(zhì)激素治療膿毒癥休克的引導試驗。另外，針對新型冠狀病毒肺炎（corona virus disease 2019，COVID-19）危重患者的研究再次證實了AE、CE、IE內(nèi)型的存在及其與病死率的關(guān)系[21]，將細菌性膿毒癥的亞型建立方法應用于病毒性膿毒癥患者也能得到類似的臨床表型[22]。

通過基因組學、轉(zhuǎn)錄組學特征結(jié)合臨床數(shù)據(jù)、死亡風險及器官功能障礙的傳統(tǒng)臨床評估，如序貫器官衰竭評分（sequential organ failure assessment，SOFA）、急性生理學和慢性健康狀態(tài)評價Ⅱ（APACHE Ⅱ）等評分方法，或許能夠加強識別具有不同病理生理學特征的膿毒癥患者并對其進行分層。進一步根據(jù)這些亞型的死亡率進行風險分層，可增加個體化死亡風險分層的精度，進而改善患者對治療干預的反應性。一項前瞻性研究通過無監(jiān)督共識聚類及機器學習分析膿毒癥患者全基因組血液基因表達譜，共識別出4 種分子內(nèi)型：膿毒癥分子診斷和風險分層（molecular diagnosis and risk stratification of sepsis，MARS）1－4[23]。其中，MARS1因固有免疫及獲得性免疫功能的基因表達明顯減少，導致免疫麻痹，生存結(jié)果最差，病死率最高，對不良預后的預測具有穩(wěn)健性。在最近一項研究中，Baghela 等[24]通過結(jié)合膿毒癥患者全血RNA序列及臨床數(shù)據(jù)分析發(fā)現(xiàn)了5 個與發(fā)病機制相關(guān)的內(nèi)型，在膿毒癥患者出現(xiàn)臨床表現(xiàn)的初期識別這5 個內(nèi)型可預測病情進展的嚴重程度，使臨床醫(yī)師能夠識別最危險的患者群體并給予恰當?shù)闹委?。然而，基因及轉(zhuǎn)錄組學檢測不是臨床常用的檢測手段，其更多的臨床應用有待進一步研究。

2.2 基于病理生理機制的膿毒癥分型 由于大多數(shù)膿毒癥患者均涉及相似的病理生理過程，2016 年波哥大（BOGOTA）共識[25]歸納了膿毒癥的病理生理機制并將其對應于5個分型，分別為線粒體功能障礙、血管生物學異常（包括內(nèi)皮功能障礙及凝血功能障礙）、上皮功能障礙、免疫抑制及免疫失調(diào)。部分學者進一步根據(jù)膿毒癥患者某方面的特征（如免疫特征、凝血功能障礙）將其分為不同的內(nèi)型。如Zhang等[15]通過分析轉(zhuǎn)錄組學數(shù)據(jù)建立免疫模型，將膿毒癥分為免疫麻痹內(nèi)型及免疫活性內(nèi)型；Cummings等[26]通過機器學習方法在膿毒癥患者中識別出病原體驅(qū)動的高炎癥亞型及低免疫亞型；Kudo等[27]通過機器學習方法分析凝血功能障礙的膿毒癥患者，得到A～D 共4 種特征重疊的內(nèi)型。此外，近年來在炎癥失衡、神經(jīng)內(nèi)分泌免疫網(wǎng)絡異常、內(nèi)質(zhì)網(wǎng)應激及自噬等方面的研究也加深了對膿毒癥發(fā)病機制的認識[28]。

膿毒癥的病理生理演變是一個復雜的動態(tài)過程，病原體、宿主反應的特異性及宿主反應的組成和方向可能會隨著時間的推移而變化，導致每個病例的病理生理過程差異很大。臨床上，實現(xiàn)基于病理生理機制的膿毒癥分型困難重重，但亦尤其重要。這類分型可指導臨床醫(yī)師早做決策，及時干預膿毒癥的發(fā)生發(fā)展過程，進而降低病死率。

2.3 基于臨床數(shù)據(jù)的膿毒癥分型

2.3.1 基于體溫變化軌跡的膿毒癥分型 體溫是臨床上易獲得的無創(chuàng)數(shù)據(jù)，可能揭示患者潛在的免疫狀態(tài)，體溫異?？赡芴崾靖腥净颊叩念A后信息。Bhavani 等[29]通過分析急診科膿毒癥患者的動態(tài)體溫變化將其分為4 個溫度軌跡組（亞型），各組間人口統(tǒng)計學數(shù)據(jù)、生理狀態(tài)及病死率等方面均存在明顯差異?！暗腕w溫組”的平均、最低及最高體溫在4個組中均最低，患者年齡最大，合并癥最多，炎性標志物水平最低，住院病死率最高（9.5%）；“正常體溫組”中約79%的患者無發(fā)熱，病死率（5.3%）僅次于“低體溫組”；“高熱，快速消退組”的患者多為高熱，但體溫下降最快，病死率最低（2.9%）；“高熱，緩慢消退組”的平均、最低及最高體溫在4 個組中均最高，患者最年輕，并發(fā)癥最少，炎性標志物水平最高，病死率為5.1%。Bhavani 等[30]進一步研究驗證了體溫軌跡亞型與持續(xù)細胞因子亞型之間的相關(guān)性，通過在床邊使用體溫軌跡亞型對患者進行免疫表型分析，對膿毒癥進行個性化的免疫調(diào)節(jié)治療。由于體溫軌跡具有良好的可獲得性，有望成為鑒定膿毒癥亞型的輔助工具。

2.3.2 基于SOFA 評分的膿毒癥分型 膿毒癥患者在合并的臟器損害及其嚴重程度方面存在明顯差異，這提示多器官功能障礙綜合征（multiple organ dysfunction syndrome，MODS）在膿毒癥患者分型中可能起重要作用。Knox 等[31]采用Kohonen 自組織映射算法（self organizing maps，SOM），根據(jù)SOFA 評分對嚴重膿毒癥/膿毒癥休克患者進行分型，確定了4個不同的MODS 組（分型）：休克伴肌酐升高組、輕度MODS 組、休克伴低氧血癥及精神狀態(tài)改變組、肝病及凝血功能障礙組（凝血功能障礙與肝功能障礙同時發(fā)生，包括慢性肝病及各種原因引起的膿毒癥急性肝損傷患者）。某些器官功能障礙在特定分型中占主導地位，被單獨列為導致嚴重膿毒癥/膿毒癥休克病死率升高的原因，治療上對這些亞型的特定器官應有針對性地加強支持力度，或許能降低膿毒癥患者的病死率。Ibrahim 等[32]使用機器學習算法對MIMIC-Ⅲ（Medical Information Mart for Intensive CareⅢ）數(shù)據(jù)庫中的膿毒癥患者進行分型，得到了與Knox等[31]相似的分型結(jié)果，但其分型結(jié)果與膿毒癥的嚴重程度或病因無關(guān)，而是與生命體征變化密切相關(guān)。

2.3.3 其他基于常規(guī)臨床數(shù)據(jù)的膿毒癥分型Seymour等[33]通過對膿毒癥患者的常規(guī)臨床數(shù)據(jù)進行分析得到4 種（α、β、γ、δ）衍生表型。其中α 表型最常見，病死率最低；β 表型多存在慢性疾病及腎功能不全；γ 表型炎性因子水平較高，存在肺功能障礙；δ 表型腹腔內(nèi)感染比例最高，多出現(xiàn)肝功能障礙及循環(huán)障礙，病死率最高。Zhang等[34]通過分析MIMIC-Ⅲ數(shù)據(jù)庫中膿毒癥患者的臨床變量亦得到相似的4個分型。這些多維的表型在人口統(tǒng)計學數(shù)據(jù)、實驗室指標異常、器官功能障礙模式方面有別于傳統(tǒng)的膿毒癥患者分組（如感染部位、器官功能障礙模式或疾病嚴重程度）。這4種膿毒癥表型與宿主免疫反應模式、病死率及其他臨床結(jié)果密切相關(guān)，可通過識別不良結(jié)果的風險來預測患者對特定治療（如拮抗內(nèi)毒素的依立托侖及早期目標導向性治療）的反應。在患者到急診室就診時即識別膿毒癥表型可能有助于早期治療及臨床試驗登記。同時，亞型的早期識別可能有助于決策是否使用預防性抗生素、是否早期干預及確定目標導向治療的較低閾值，從而改善膿毒癥患者的預后。

在使用臨床數(shù)據(jù)對膿毒癥分型的回顧性研究中，多通過人口統(tǒng)計學數(shù)據(jù)、疾病急性程度、臨床表現(xiàn)及感染特征等對膿毒癥患者進行聚類分析[35]。但最近有學者將電子病歷數(shù)據(jù)的時間因素、患者基礎多病組合狀態(tài)等應用于膿毒癥分型及治療效果的研究中[36-37]。使用臨床數(shù)據(jù)進行分型的益處是方便研究結(jié)果服務于臨床，但分型是否有利于治療仍有待大型的多中心前瞻性研究確定。

2.4 基于感染部位及微生物群的膿毒癥分型

2.4.1 基于感染部位的膿毒癥分型 由于每個解剖學部位的保護屏障及防御機制相對獨特，不同感染部位對免疫反應、器官功能障礙進展的影響尚不明確，導致感染部位在膿毒癥中的作用目前仍不清楚。Stortz 等[38]根據(jù)腹部、肺部、皮膚/軟組織、血管及泌尿生殖系統(tǒng)5 個常見的感染部位對外科膿毒癥患者進行分型。其中，大部分腹型膿毒癥患者的腹部感染出現(xiàn)在入院時，有更長時間的持續(xù)炎癥、免疫抑制及持續(xù)性器官功能障礙，患者的長期預后不良，37%發(fā)展至慢性危重?。╟hronic critically ill，CCI）。肺型膿毒癥患者多為醫(yī)院獲得性肺炎，有相似的長期促炎及器官功能障礙，雖然免疫抑制不明顯，但長期結(jié)果較差。皮膚/軟組織型膿毒癥多發(fā)生在年輕患者，共病較少，免疫抑制較輕，器官功能障礙恢復較快，一般治療的效果可，預后好。血管型膿毒癥患者多為老年男性，合并癥多，基線免疫抑制及持續(xù)的器官功能障礙減弱了促炎作用，長期結(jié)果最差。而泌尿生殖系統(tǒng)型膿毒癥在5 個類型中的長期結(jié)果最好。這5 個臨床表型在感染部位的基線易感性、宿主反應及臨床結(jié)果方面有明顯差異。針對膿毒癥或膿毒癥休克患者，2021 版SSC 指南亦推薦快速識別或排除需要緊急控制感染源的特定解剖診斷，以盡快實施任何所需的感染源控制措施[20]。同時，國內(nèi)一項前瞻性研究表明，感染部位可能是膿毒癥異質(zhì)性的原因之一，未來在關(guān)于膿毒癥分型的研究中，感染部位或許是不可忽視的重要因素[39]。

2.4.2 基于微生物群的膿毒癥分型 微生物的類別、數(shù)量、分布等是導致膿毒癥異質(zhì)性的重要因素。Prescott等[40]研究發(fā)現(xiàn)，腸道菌群紊亂與膿毒癥存在強烈且一致的劑量-反應關(guān)系。失血性休克動物模型研究也證實腸道中的微生物含量決定了多器官衰竭的嚴重程度及死亡風險[41-44]。在微生物層面，Dickson[44]認為微生物群是預防及治療危重疾病的關(guān)鍵目標，是危重疾病生物學的核心，或許未來關(guān)于膿毒癥分型的研究應以微生物群為重點。

Mellhammar 等[45]基于是否為社區(qū)或院內(nèi)獲得性感染、是否檢出病原體，同時結(jié)合感染部位確定了8個亞表型，各表型間器官功能障礙發(fā)生率及病死率等都有明顯差異，而且膿毒癥的嚴重程度與血液中的細菌負荷有關(guān)。但在膿毒癥患者中，細菌培養(yǎng)的陽性率較低，只有15%～30%，該研究中30%的患者為無菌膿毒癥（所有微生物樣本均為陰性），但其病死率高達44%。無菌膿毒癥作為重要的發(fā)病原因，隨著膿毒癥的高發(fā)病率及新出現(xiàn)的抗生素耐藥性，需要進一步完善檢查來發(fā)現(xiàn)。微生物陰性是膿毒癥亞表型的一個重要因素，具有降低膿毒癥人群異質(zhì)性及治療異質(zhì)性并改善試驗結(jié)果的潛力。

無論是感染部位還是微生物學本身都不應該單一地用于分型，合并感染、免疫抑制及乳酸性酸中毒對分型及結(jié)果都很重要。

2.5 膿毒癥休克的分型

2.5.1 基于乳酸水平的膿毒癥休克分型 膿毒癥休克定義為盡管對膿毒癥患者進行液體復蘇仍存在持續(xù)的低血壓或高乳酸血癥[46]。Ranzani 等[47]根據(jù)血漿乳酸水平及血壓對膿毒癥患者進行分型研究，根據(jù)其預后分為4組：嚴重膿毒癥組、隱匿性休克組（高乳酸血癥而無持續(xù)性低血壓）、血管麻痹性休克組（持續(xù)性低血壓，無高乳酸血癥）及缺氧性休克組（以高乳酸血癥、持續(xù)性低血壓為特征；病情最嚴重，APACHEⅡ評分及SOFA評分最高，存活率最低，病死率最高）。乳酸水平可反映機體的缺氧程度，評估危重患者的組織灌注情況，已有證據(jù)表明靶向降低血清乳酸濃度可用于指導復蘇，且已得到2021 版SSC 指南推薦[20]。乳酸水平升高的預后價值可能反映患者病情的內(nèi)在嚴重性，但高乳酸血癥并非組織低灌注獨有的特征[48]。此外，迄今為止發(fā)表的研究還沒有發(fā)現(xiàn)一個可以直接影響血清乳酸濃度的治療方案。

2.5.2 基于常規(guī)臨床數(shù)據(jù)的膿毒癥休克分型G?rdlund 等[49]在對膿毒癥休克的基線數(shù)據(jù)、臨床表現(xiàn)及實驗室變量的分析中發(fā)現(xiàn)了6 個膿毒癥休克亞表型，分別是無并發(fā)癥型、肺炎并成人呼吸窘迫綜合征（acute respiratory distress syndrome，ARDS）型、術(shù)后腹部感染型、嚴重型、肺炎伴ARDS+MODS 型及晚期型，病死率最高的為肺炎伴ARDS+MODS 型及晚期型。這6個亞表型最顯著的差異是感染部位、器官衰竭及嚴重程度評分。該研究中嚴格定義了主要感染部位并將其作為納入標準，然而肺部感染發(fā)生在幾個亞型中，可見僅根據(jù)感染部位將膿毒癥患者細分為不同的組似乎是一種過于簡化的方法。由于膿毒癥休克時循環(huán)衰竭的機制常常錯綜復雜，目前通過對膿毒癥休克進行亞型分型以指導治療的研究較多，如Geri 等[50]發(fā)現(xiàn)結(jié)合臨床常規(guī)變量及超聲心動圖參數(shù)對膿毒癥休克進行分型能夠表征5 種不同的血流動力學亞型，只有一種亞型對靜脈輸液有反應，并將其定義為持續(xù)低血容量狀態(tài)。

3 各亞型的互補性、不穩(wěn)定性及重疊性

現(xiàn)有的分型存在互相重疊且普遍不穩(wěn)定，重疊方面如炎癥型與內(nèi)型B 及SRS1、適應型與SRS2、SRS2內(nèi)型與MARS3高度相關(guān)，凝血功能障礙亞型與多器官功能障礙亞型出現(xiàn)重疊，適應性亞型等同于基線型；在臨床特征方面，δ表型與炎癥型、SRS1、MARS2 極為相似，α 表型與MARS3、SRS2 內(nèi)型相似[14，18，23]。兒童膿毒癥分型的內(nèi)型A 與成人膿毒癥分型SRS1相結(jié)合可能識別出免疫抑制程度較高的人群，提示這兩種分型方法結(jié)合似乎可以提供互補的、年齡相關(guān)的生物學及預后方面的信息[18]。識別這些亞型有助于確定最可能受益于特定免疫調(diào)節(jié)策略的膿毒癥人群，在治療上側(cè)重加強免疫支持或使用糖皮質(zhì)激素抗炎。理想的膿毒癥分型應特征明顯，各型辨識度高，在臨床患者中識別度高，其生物標志物可通過臨床上常規(guī)的檢測獲得，各型均存在敏感的治療方案，均可預測預后，且各分型應該具有穩(wěn)定性。

綜上所述，膿毒癥因其高度異質(zhì)性，導致傳統(tǒng)的膿毒癥治療方案在不同患者身上展現(xiàn)的療效存在明顯的差異，目前使用較多的分類方法如機器學習可以實現(xiàn)基于其異質(zhì)性的膿毒癥分型。此外，由于膿毒癥診斷標準的變遷，在篩選膿毒癥患者數(shù)據(jù)時，即使用同一個數(shù)據(jù)庫，使用不同的診斷標準也會增加數(shù)據(jù)異質(zhì)性；同樣的數(shù)據(jù)通過不同統(tǒng)計方法得到的分型結(jié)果差異之大，以至于實現(xiàn)分型的統(tǒng)計學方法其實也是一種異質(zhì)性；不同研究者對統(tǒng)計分析得到的聚類個數(shù)的選擇會增加主觀影響等，這些因素都不可避免地給膿毒癥分型增加了阻礙。盡管實現(xiàn)膿毒癥分型如此困難，但由于其有助于快速識別膿毒癥患者，綜合評估患者的病情及預測預后，實現(xiàn)分型而治，對提高臨床治愈率、降低病死率及減輕經(jīng)濟負擔具有重要意義。

未來的膿毒癥分型應更多地基于臨床疾病特征展開，需具備高度一致性、強穩(wěn)定性、低重疊性及普遍適用性等特點，從宿主免疫反應、病理生理機制、分子組學、代謝組學、感染微生物群、臨床數(shù)據(jù)等方面綜合形成復合的膿毒癥分型模型可能是一種新的分型方向，并最終構(gòu)建“臨床數(shù)據(jù)匯總-快速分型-個性化方案”的一體化診療規(guī)范。