宋振举 童朝阳
作者单位：200032 上海，复旦大学附属中山医院急诊科
通讯作者：童朝阳, Email: tong.chaoyang@zs-hospital.sh.cn
基金项目：国家自然科学基金 (81171837, 81000023)
 

.专家论坛.
严重脓毒症免疫调节的新策略：个体化评估和治疗
宋振举 童朝阳
作者单位：200032 上海，复旦大学附属中山医院急诊科
通讯作者：童朝阳, Email: tong.chaoyang@zs-hospital.sh.cn
基金项目：国家自然科学基金 (81171837, 81000023)

近年来，尽管对脓毒症的发病机理和治疗研究均有了明显的进步，但其死亡率并无实质性改善。目前研究已证实，严重脓毒症发病的本质是机体过度释放的炎症介质引起免疫反应的失控，导致免疫功能紊乱。因此，如何调节严重脓毒症患者的免疫功能，一直是研究的热点。上世纪90年代，学者们认为大量释放的炎症介质介导的全身炎症反应综合征 (SIRS) 是脓毒症发病的主要原因；且动物实验证实炎症介质的单克隆抗体能够改善脓毒症大鼠预后；但抗炎症治疗的临床实验均已失败而告终 [1,2]。近年来发现严重脓毒症患者的免疫反应是一个复杂的网络系统，不是简单的线性模型；而且具有明显的个体差异[3,4]。因此，只有正确的监测和评估患者的免疫状态，根据免疫状态的类型进行个体化的调节治疗，才能改善严重脓毒症患者的预后。
1 严重脓毒症免疫反应的复杂性和非线性
严重脓毒症免疫调节治疗的成功依赖于对脓毒症发病机理的正确理解和免疫状态的正确评估。传统观念认为，严重脓毒症是由炎症/抗炎症介质介导的一种失控的、持久性炎症反应。但随着临床上大量抗炎治疗脓毒症的失败和基础研究的进展，使人们逐渐认识到，在脓毒症的发病过程中，并非总是处于一成不变的炎症激活状态 (SIRS)。机体在炎症反应启动的同时，会生成大量的抗炎症介质抵消过度增强的炎症反应，如果抗炎症反应的过度增强即代偿性抗炎症反应综合征 (CARS)，则处于免疫麻痹状态，主要表现为淋巴细胞增殖能力下降和凋亡。更为复杂的是有些脓毒症患者或脓毒症的某一阶段机体表现为SIRS和CARS并存，即混合抗炎症反应综合征 (MARS) [5,6]。1996年美国学者Bone指出脓毒症患者的免疫功能状态呈现出动态性变化，即病程早期因促炎症反应占优势，因此呈现过度的炎症反应即免疫亢进；在病程中、后期则转化为抗炎症机制占优势而导致免疫麻痹[7]。但有研究发现大部分严重脓毒症患者免疫反应变化没有明显的时效性。2007年Osuchowski等学者研究发现大部分晚期脓毒症死亡大鼠炎症介质IL-6和TNF-α 的浓度明显升高，仅少部分大鼠炎症介质的浓度降低[8]。也有研究发现即使严重脓毒症早期机体也不一定表现为SIRS，部分患者表现为MARS状态。临床上脓毒症患者的病情变化复杂，各种创伤性操作均可能影响患者的免疫反应。因此，如果没有监测和评估患者的免疫状态而进行免疫抑制或免疫增强治疗，很难改善患者的免疫功能紊乱。
2 严重脓毒症患者免疫反应的易质性
严重脓毒症患者免疫状态的复杂性与免疫反应的易质性相关。研究发现免疫反应的程度与年龄、伴随疾病、营养状态、致病病原体的种类、感染部位及遗传背景密切相关。老年、营养不良以及伴有慢性心、肺、肝脏和肾脏功能衰竭的脓毒症患者，机体的免疫功能下降，炎症介质生成减少，长期处于免疫麻痹状态[3]。有研究发现G＋细菌感染的患者与G－细菌感染患者相比，外周血中CD4+、CD8+ 、NK细胞和T淋巴细胞数量明显减少，并且免疫功能的恢复也较慢。也有研究发现，患者免疫损伤与感染部位有关，肺部感染导致的严重脓毒症患者与腹部感染相比，外周血中CD4+、CD8+、NK细胞和B淋巴细胞明显减少 [9]。近年来发现在感染性疾病发病的高危因素中基因变异具有重要的作用。基因变异在人群中普遍存在，位于基因功能区域的变异能够影响mRNA的表达和稳定。国内外学者相继发现一些编码炎症/抗炎症介质如IL-10、DEFB1、IL-1、TNF-α和TOLLIP等基因的变异与严重脓毒症的易感性相关 [10-12]。这些基因变异通过影响炎症介质的表达和生成，从而导致机体的免疫反应不同。
3. 严重脓毒症免疫状态的监测和评估
脓毒症免疫调节治疗的关键在于正确监测和评估患者的免疫状态。近年来，脓毒症患者免疫状态的监测和评估成为研究的热点，也取得了一定的进展。
3.1 免疫状态监测和评估的传统方法
早期研究发现脓毒症患者血清中炎症/抗炎症介质的浓度与患者的病情程度和预后相关。如果炎症介质如TNF-α、IL-1、IL-6、IL-8、MIF、MCP-1和HMGB1等明显升高，则机体处于SIRS状态；如果抗炎症介质如IL-10、IL-4和IL-1Ra浓度明显升高，则诊断为CARS状态；如果炎症和抗炎症介质均明显升高则处于MARS状态[13]。近年来也有学者发现，CD4+、CD8+、NK细胞和B淋巴细胞数量及炎症细胞表面HLA-DR的表达与患者的免疫状态密切相关[14]。但脓毒症时炎症介质的合成和释放具有明显的时效性，而且有数百种炎症/抗炎症介质或细胞因子参与了免疫发应 [15]。因此，单独或静态分析某个炎症介质/因子的变化不能正确的评价严重感染患者的免疫状态。
3.2 运用系统生物学的理念监测和评估患者的免疫状态
随着基因组和蛋白组学技术平台的发展和完善，近年来研究发现约数百种细胞因子/蛋白参与了严重脓毒症患者免疫反应的不同阶段，且它们表现为网络化、交互式、具有明显时效性的非线性模式[15-17]。进一步认识和整合这些细胞因子/蛋白，深入研究其功能以及与免疫状态的相关性，是正确监测和评估严重脓毒症患者免疫状态的关键。系统生物学的理念和技术可为我们提供新的策略。
系统生物学借助基因组学、转录组学、蛋白质组学、代谢组学、相互作用组学和表型组学等平台，在细胞、组织、器官和生物体整体水平研究结构和功能各异的各种分子及其相互作用，并通过计算生物学来定量描述和预测生物功能、表型和行为[18]。近年来，有学者运用系统生物学理念，借助计算生物学方法，构建了两种用于脓毒症免疫状态评估和免疫反应监测的数学模型即基于Agent的模型 (agent-based modeling, ABM)和基于方程式的模型 (equation-based modeling, EBM) [19-21]。这些模型已经在创伤、休克和脓毒症中得到了进一步的验证，并且用于临床实验的设计和指导[22]。但所有的数学模型都存在着一定的缺点，距离运用到临床还有很长的路要走，尚需要不断的完善。
4. 严重脓毒症免疫调节治疗的新策略：个体化治疗的探索
随着严重脓毒症患者免疫状态评估生物标志物的发现和不断完善，准确的进行免疫状态的评估，进行个体化的免疫调节治疗，将有可能改善脓毒症患者的预后。近年来，已有脓毒症免疫调节治疗个体化的研究报道。2009年，Meisel等采用以mHLA-DR生物标志物为指导，对严重脓毒症患者进行GM-CSF免疫增强治疗取得了成功。研究者对严重脓毒症合并免疫麻痹状态的患者（mHLA-DR<8000 mAb/细胞×2d）分别用GM-CSF和生理盐水作为对照治疗。结果发现，两组患者在治疗前mHLA-DR水平没有显著性差异，但GM-CSF治疗组治疗24小时后所有的患者mHLA-DR水平均明显上升，而对照组仅有15.8%的患者上升；治疗组患者免疫反应增强，呼吸机使用时间减少，APACHE II评分显著下降，住院时间和ICU入住时间明显缩短[23]。然而，以往按照传统入组方法进行的GM-CSF治疗严重脓毒症的研究大部分均为阴性结果。2012年Remmelts等将275例社区获得性肺炎患者根据血清中炎症介质和皮质醇浓度，分成4个亚组 (高炎症反应、高皮质醇浓度组；高炎症反应、低皮质醇浓度组；低炎症反应、高皮质醇浓度组；低炎症反应、低皮质醇浓度组) 评估地塞米松治疗社区获得性肺炎的有效性。研究结果发现地塞米松能够显著改善高炎症反应、低皮质醇浓度组患者的预后，而对其它3组患者无明显的疗效[24]。目前也有利用数学模型选择最佳抗炎治疗人群和治疗剂量的报道[25]。以生物标志物和计算(数学)模型为指导的临床实验成功，为严重脓毒症免疫调节的个体化治疗带了新的希望。
总之，严重脓毒症的免疫反应是复杂的、非线性的，要利用总体、综合的理念即从系统生物学角度认识患者的免疫紊乱过程和特点；借助生物信息学和计算生物学的技术平台，进行精确的、动态的评估患者的免疫状态。在此基础上，根据患者的免疫状态进行个体化的调节治疗；然后再不断的评估治疗后的反应，给予最恰当的剂量和疗程。只有严格遵循危重病医学“评估－治疗－再评估和再治疗”和个体化的原则，才能改善严重脓毒症患者的预后。
参 考 文 献
[1] Fisher CJ Jr, Agosti JM, Opal SM, et al. Treatment of septic shock with the tumor necrosis factor receptor:Fc fusion protein. The Soluble TNF Receptor Sepsis Study Group [J]. N Engl J Med, 1996,334(26):1697-1702.
[2] Opal SM, Fisher CJ Jr, Dhainaut JF, et al. Confirmatory interleukin-1 receptor antagonist trial in severe sepsis: a phase III, randomized, double-blind, placebo-controlled, multicenter trial. The Interleukin-1 Receptor Antagonist Sepsis Investigator Group [J].Crit Care Med, 1997, 25(7):1115-1124.
[3] Hotchkiss RS, Karl IE. The pathophysiology and treatment of sepsis [J]. N Engl J Med, 2003, 348(2):138-150.
[4] Kumpf O, Schumann RR. Genetic variation in innate immunity pathways and their potential contribution to the SIRS/CARS debate: evidence from human studies and animal models [J]. J Innate Immun,2010, 2(5):381-394.
[5] 姚咏明. 重视对脓毒症患者免疫状态的监测与评估 [J]. 中华急诊医学杂志,2007,16(8):795-796.
[6] 宋振举, 郦珊珊, 童朝阳, 等. 脓毒症患者血清促炎和抗炎细胞因子的变化[J]. 中华急诊医学杂志,2008,17(11):1191-1194.
[7] Bone RC. Sir Isaac Newton, sepsis, SIRS, and CARS [J].Crit Care Med,1996, 24(7):1125-1128.
[8] Osuchowski MF, Welch K, Yang H, et al. Chronic sepsis mortality characterized by an individualized inflammatory response [J]. Immunol, 2007,179(1):623-630.
[9] Gogos C, Kotsaki A, Pelekanou A, et al. Early alterations of the innate and adaptive immune statuses in sepsis according to the type of underlying infection [J]. Crit Care, 2010, 14(3):R96.
[10] Chen QX, Lv C, Huang LX, et al. Genomic variations within DEFB1 are associated with the susceptibility to and the fatal outcome of severe sepsis in Chinese Han population [J].Genes Immun,2007,8(5):439-443.
[11] Gu W, Zeng L, Zhou J, et al. Clinical relevance of 13 cytokine gene polymorphisms in Chinese major trauma patients [J]. Intensive Care Med, 2010,36(7):1261-1265.
[12] Song ZJ, Yin J, Yao CL, et al. Variants in the Toll-interacting protein gene are associated with the susceptibility to severe sepsis in the Chinese Han population [J]. Critical Care, 2011,15: R12.
[13] Osuchowski MF, Welch K, Siddiqui J, et al. Circulating cytokine/inhibitor profiles reshape the understanding of the SIRS/CARS continuum in sepsis and predict mortality [J]. J Immunol, 2006,177(3):1967-1974.
[14] Yang HM, Yu Y, Chai JK, et al. Low HLA-DR expression on CD14+ monocytes of burn victims with sepsis, and the effect of carbachol in vitro [J]. Burns, 2008,34(8):1158-1162.
[15] Calvano SE, Xiao W, Richards DR, et al. A network-based analysis of systemic inflammation in humans [J]. Nature, 2005,437(7061):1032-1037.
[16] Wong HR, Cvijanovich N, Allen GL, et al. Genomic expression profiling across the pediatric systemic inflammatory response syndrome, sepsis, and septic shock spectrum [J]. Crit Care Med, 2009,37(5):1558-1566.
[17] Buhimschi CS, Bhandari V, Han YW, et al. Using proteomics in perinatal and neonatal sepsis:hopes and challenges for the future [J]. Curr Opin Infect Dis, 2009, 22(3):235-243.
[18] Vodovotz Y, Csete M, Bartels J, et al. Translational systems biology of inflammation [J]. PLoS Comput Biol, 2008, 4(4):e1000014.
[19] Vodovotz Y, Clermont G, Chow C, et al. Mathematical models of the acute inflammatory response [J]. Curr Opin Crit Care, 2004,10(5):383-390.
[20] Dong X, Foteinou PT, Calvano SE, et al. Agent-based modeling of endotoxin-induced acute inflammatory response in human blood leukocytes [J]. PLoS One, 2010, 5(2):e9249.
[21] Vodovotz Y, Chow CC, Bartels J, et al. In silico models of acute inflammation in animals [J]. Shock, 2006,;26(3):235-244.
[22] An G.. In silico experiments of existing and hypothetical cytokine-directed clinical trials using agent-based modeling [J].Crit Care Med, 2004,32(10):2050-2060.
[23] Meisel C, Schefold JC, Pschowski R, et al. Granulocyte-macrophage colony-stimulating factor to reverse sepsis-associated immunosuppression: a double-blind, randomized, placebo-controlled multicenter trial [J]. Am J Respir Crit Care Med, 2009 ,180(7):640-648.
[24] Remmelts HH, Meijvis SC, Heijligenberg R, et al. Biomarkers define the clinical response to dexamethasone in community-acquired pneumonia [J]. J Infect, 2012, 65(1):25-31.
[25] Clermont G, Bartels J, Kumar R, et al. In silico design of clinical trials: a method coming of age [J]. Crit Care Med,2004,32(10):2061-2070.