儿童脓毒症的诊断进展

林小飞 顾小海 于春琳 朱红利 吴云朵 张 军 王玉美

1.徐州医科大学淮安妇幼临床学院儿科，江苏淮安 223002；2.徐州医科大学淮安妇幼临床学院新生儿疾病筛查中心，江苏淮安 223002

脓毒症（sepsis）定义为宿主对感染的反应失调引起的危及生命的器官功能障碍而导致的疾病[1]，国际上儿童脓毒症定义于2005 年创立，该定义为：从正常情况下无菌的儿童体液分离出病原体，或具有病原体严重感染所致促炎性因子诱导的全身炎症反应综合征（SIRS）表现的临床综合征。患者的早期识别和其后的数个小时内积极的治疗可能会阻止无法改变的进展和不良结局[2-3]。最近的一项研究评估认为，脓毒症每年可导致全球530 万人死亡[4]。严重脓毒症在美国每年可导致6500 多例儿童患者死亡[5]。在我国，儿童脓毒症年病死率约为3.5%[6]。此外，幸存者还会承受短期影响[7]和长期影响[8]。从1991 年开始，共有3 个成人脓毒症定义指南（Sepsis 1.0、2.0、3.0），4 个拯救脓毒症运动（SSC）诊疗指南[9]，2005 年发布了第一个儿童指南，2020 年美国重症医师学会（SCCM）和欧洲危重病学会（ESICM）提出了新的《拯救脓毒症运动国际指南：儿童脓毒性休克和脓毒症相关器官功能障碍管理》[10]，对儿童脓毒症的管理提供了新的推荐。但要将其转化为集束化标准还需要充分考虑当地医疗资源的可及性。所以目前迫切需要一种能有效进行早期诊断并充分评估病情严重程度的方法，许多临床及科研人员从多种生物学标志物、多维评分方法、生理参数与变量以及脓毒症预测系统等方式来进行综合分析，取得了不错的进展，现特作综述如下：

1 生物标志物

有研究报道目前已经有170 种以上的生物标志物应用于脓毒症的评估，包括C-反应蛋白（CRP）、降钙素原（PCT）、肿瘤坏死因子α（TNF-α）、白细胞介素-6（IL-6）等指标[11]。王承娟等[12]将CRP、PCT、细胞因子（IL-6、IL-8、IL-10 等）、肾上腺髓质素前体中间片段（mid-regional proadrenomedullin，MR-proADM）、细胞表面标记和可溶性受体、微小RNA（microRNAs，简称miRNAs）、血浆游离DNA 等生物标志物进行了综合分析，认为尽管生物标志物在儿童脓毒症的评估与诊断中都具有重要价值，但是单独应用某一特定指标时特异性和敏感性均不高，因此选用组合生物标志物并使用动态、连续的检测方法并综合其临床特点，可能对儿童脓毒症的临床诊断、病情及预后评估提供较好的支持。曹露露等[13]对CRP、PCT、炎症因子、CD64、白细胞计数、中性粒细胞计数及形态、血小板等生物标志物进行了分析，认为PCT、CRP、中性粒细胞计数及形态、炎症因子、白细胞计数等有利于脓毒症的早期诊断，但任何一个特定的生物标志物都无法精准实现。张芳等[14]研究发现长链非编码RNA（lncRNA）不仅对脓毒症的早期诊断有较好的临床意义，而且根据其对脓毒症相关炎症因子等表现出来的调控作用，很可能使其成为治疗脓毒症新的分子切入点。其选取的与NF-κB 途径相关的lncRNA，在健康儿童与脓毒症患儿的血清表达比较中，差异有统计学意义（P ＜0.05），而且还能较好地鉴别严重脓毒症与脓毒症，与传统指标白细胞计数、CRP、PCT 计数比较，特异性与敏感性均有显著的优势。肖婷等[15]研究提示，全血可溶性白细胞分化抗原-14（sCD14-ST）对儿童脓毒症早期诊断有一定的优势，并较白细胞计数、CRP 更敏感。曾萍等[16]研究发现正常儿童内生吗啡几乎检测不到，仅个别感染患儿可能轻微增加，但脓毒症的患儿检测水平明显提升，且提升的程度与病情严重程度及预后有明显关联，提示不远的将来很可能会把内生吗啡作为脓毒症诊断、病情评估及预后判断的一种新的生物标志物。最新有研究首次报道了血清载脂蛋白A-V（ApoA5）水平可以作为儿科脓毒症患者稳定和有效的预后预测因子，是一种新的诊断和预后指标[17]。目前有越来越多的生物标志物被应用于儿童脓毒症的早期诊断，但是大家都一致认为在实际工作中不可依靠单一指标来诊断，需要对相应生物标志物进行动态监测、多指标联合并结合临床症状、体征等早期诊断评估脓毒症病情进展及预后，因此，应该更合理的结合相应的生物标志物来进行脓毒症的诊断及病情判断。

2 多维评分方法及具有诊断意义的生理参数与变量

如何准确、客观地评估脓毒症患者病情的严重程度和预后，已经引起了大家越来越多的关注。2000 年以来，针对危重疾病患者的病情判断及预后评估不断开展了多种量化的多维评分方法，在改善重症监护病房（ICU）患者的预后方面，目前常用的临床多维评分系统和生理参数提供了重要的支持与帮助[18]。传统上，广义疾病严重程度评分系统可用于脓毒症检测；然而，这些对于儿童脓毒症来说缺乏特异性。SIRS 标准已被用于儿科患者并纳入此前儿童脓毒症定义，旨在评估炎症感染和其他全身原因引起的炎症反应[19]。APACHEⅡ评分系统经过大量研究证实与危重疾病的严重程度呈正向关联，因此被认定为相关患者病情评估的经典的参考指标，常作为儿童脓毒症病情变化的估计、疗效评估以及一些新的指标评估的对照[20]。2001 年国际血栓和出血学会（ISTH）提出的弥散性血管内凝血（DIC）评分系统分别对血小板、纤维蛋白原、凝血酶原时间、纤维蛋白部分标志物进行量化评分，综合评定为非显性DIC 或显性DIC，从而判断凝血功能的调节是否处于可控水平，对预测脓毒症预后的真实性提供了一定的依据[21]。在某些情况下，非特定儿童疾病的严重程度或死亡率适用于对小儿脓毒症加强认识，如小儿逻辑器官功能障碍评分（PELOD-2）[22-23]。PELOD-2 是一个连续的允许评估多器官功能障碍综合征（MODS）病例严重程度的量表，包括10 个变量[格拉斯哥昏迷评分、瞳孔反应、乳酸血症、平均动脉压、肌酐、氧合指数（PaO2/FiO2）比值、动脉血二氧化碳分压（PaCO2）、通气、白细胞计数和血小板计数]，包括5 个器官功能障碍（神经系统、心血管、肾脏、呼吸系统和血液学）。于航等[24]在脓毒症急性期小儿危重病例评分（PCIS 评分）与血清PCT、超敏C 反应蛋白（hs-CRP） 水平的相关性研究中发现，PCIS 评分与血清PCT、hs-CRP 水平呈负相关，PCIS 评分越高，血清PCT、hs-CRP 水平越低。李娟珍等[25]在研究中发现，在脓毒症不同严重程度分组间以及死亡组和存活组间进行小儿多器官功能障碍评分（P-MODS）比较，差异有统计学意义（P ＜0.05），P-MODS 最高为脓毒性休克组，最低为脓毒症组；死亡组较存活组明显增高。依据P-MODS 评分与PCIS 评分以及28 d 结局预后描绘的受试者工作特征曲线显示，P-MODS 评分与PCIS评分和对死亡风险的贫富均具有中等程度的预测价值。孙世心等[26]通过分析患儿的年龄、生命体征、感染指标、电解质、肝肾功能、心肌酶、PCIS 评分以及是否存在休克、凝血功能障碍、代谢性酸中毒、高乳酸血症等，对其高危因素进行探讨，发现儿童发生脓毒症相关性脑病（sepsis associated encephalopathy，SAE）的独立危险因素分别为PCIS 评分≤80 分、凝血功能障碍与肝功能不全。2016 年成人脓毒症定义中引入了序贯器官衰竭评分（sequential organ failure assessment，SOFA），重点强调是由感染诱发产生失控的宿主反应和致死性的器官功能障碍[1]。所以在积极纠正严重感染状态的同时需要准确对脏器功能进行评估，今早进行相应脏器功能支持，从而在有效降低死亡率的同时减少其他功能障碍的新发。虽然2016 年后也有尝试将“Sepsis 3.0”的标准应用于儿童，提出将儿童快速序贯器官衰竭评分（qSOFA）作为诊断依据之一，但金林梅等[27]也认为单纯依赖qSOFA 评分标准对儿童脓毒症进行诊断时可能对不伴有血压下降的脓毒症及脓毒性休克儿童识别不够及时，因此，在应在接纳“Sepsis 3.0” 新观点的同时更要关注其他有助于临床判断的指标。

3 自行开发的机器脓毒症预测系统

由于脓毒症患者感染微生物的具体类型和感染途径、来源存在差异，机体不稳定的宿主反应也存在复杂多变的特点，同时包含了机体炎症、组织损伤、凝血、免疫等众多环节，因此脓毒症病情的进展不是固定不变的，因此从个体来说其异质性很高，个性化的治疗策略难以寻找。因此，由于没有专门用于儿童的脓毒症评分，部分医院自行开发了一些电脑智能化的脓毒症预测系统，电脑智能化的预测系统和常规应用的广义评分系统比较，具有令人信服的优势。预测系统利用脓毒症患儿丰富的临床表型数据，结合先进的医学知识，以及通过自编码降维、语言处理和无监督聚类方法等对脓毒症进行准确的分型，从而结合不同亚型的临床和药物反应特点来确定特定的治疗方案，最终呈现更优质更精确的治疗效果。基于机器学习（ML）的方法具有潜力通过脓毒症训练来提高敏感性和特异性患者的数据[28-30]，并且可以使用相关网站轻松进行自定义或了解特定人群的数据，从而相对于通用评分系统提高性能[31-33]。Le 等[34]在研究中发现基于ML 的脓毒症预测系统在这些实验中检查的结果优于传统的表格评分系统并展示出卓越的性能，可预测小儿严重脓毒症的发作。刘广建等[35]通过深度自编码器、自然语言处理与K-meaas 聚类，成功地在6708例脓毒症患儿中识别出4 个亚型，各个亚型临床特征鲜明，最后也体现了与临床特征相一致的结局，将聚类结果的可靠度和合理性进一步增强。陈潇等[36]同上海儿童医学中心重症监护病房（PICU）合作，建成了一个具有实际临床指导意义并充分贴近临床实际的脓毒症患儿数据库，提出了一种基于因子分解机和神经网络相结合的脓毒症诊断框架NN&FM，该算法框架能够充分合理利用脓毒症患儿电子病历中的相关隐含信息，对患儿的临床化验指标结果和化验指标的参考范围的相互关系进行有序的处理，将患儿的诊断结果准确率明显提高，尤其是在各类别间的诊断准确率上提升显著，将医学知识（正常参考范围）通过稀疏编码的方式与该模型进行相互结合与补充，提升了模型的可解释性。因此这些自行开发的机器脓毒症预测系统有效投入临床后有望能够协助减轻医生负担，加快完成脓毒症患儿的诊断尤其是早期诊断，使患者及时得到精准的治疗，从而达到最终改善疾病预后、降低死亡率的目的。

4 小结

脓毒症是儿科重症监护病房里众多患儿的主要死亡原因之一，来势凶险，死亡率高，对家庭和社会都造成了极大的经济负担及不良后果，尤其是儿童有其独特的病理生理特点，部分患儿早期症状并不典型，相应的生物标志物等检查结果也难以第一时间提供明确诊断的证据，因此就需要临床医生具有一双发现脓毒症的火眼金睛，对脓毒症能做到早发现、早诊断、早治疗，所以进一步寻找敏感的早期诊断指标并实现对脓毒症儿童的早期干预就特别重要，生物标志物对儿童脓毒症的诊断及病情评估、预后判断都具有重要的临床价值，但是单独应用时特异性与敏感性均不高。因此需选用组合生物标志物并使用动态、连续的检测方法并综合其临床特点，才能更好地做出儿童脓毒症诊断、病情评估和预后判断。常用的临床多维评分系统如PELOD-2、PCIS 评分、P-MODS 等和患儿的部分生理参数及变量相结合来进行分析评估将有助于改善PICU 脓毒症患儿的预后。近些年以来，随着人工智能的推进及大数据研究的推广，电脑化的脓毒症预测系统较之手动应用广义评分系统也为临床医生提供了令人信服的替代方案，提示此类预测系统优于传统的表格评分系统并展示出卓越的性能，可预测小儿严重脓毒症的发作。因此使用以上这些工具并将之有机地结合，会给临床医生提供更多的帮助，临床医生将能更好地分配有限的临床资源，在小儿患者病情恶化之前尽早诊断与发现，采取积极的干预措施，以避免严重不良后果的产生。