急性呼吸窘迫综合征（acute respiratory distress syndrome, ARDS）是由感染、创伤、烧伤、中毒等多种因素引起的严重危及生命的一类临床综合征，其病理特征主要是气道弥漫性炎症损伤，肺泡-毛细血管屏障的破坏以及非心源性的肺水肿，最终导致严重的低氧血症和呼吸窘迫等临床症状^[1]。目前重症患者中ARDS的发病率和病死率仍然居高不下，造成了严重的医疗负担和社会经济负担。一项大型多中心的流行病学调查显示，入住重症监护室的患者中，ARDS的发病率约为10%，医疗机构内ARDS总体病死率则高达35%~45%^[2]。1994年的AECC制定的ARDS标准得到了广泛认同。此后，随着十余年的临床实践对ARDS的认知不断进步，ESICM/ATS/SCCM于2012年对AECC标准进行了修订，提出了ARDS的柏林定义^[3]。2023年5月份《Am J Respir Crit Care Med》在线发布了ARDS全球新定义，引起了广泛关注^[4]。因此可以看出，临床综合征的定义不是一成不变的，而是根据临床医生和研究人员对疾病认知的不断深入而更新。尽管如此，临床上ARDS的治疗策略仍然有限，病死率居高不下的情况未能得到显著改善，多数在临床前期被认为很有前景的药物在临床研究多以失败告终^[5-6]。令人遗憾的是，到目前为止，无论病因或严重程度如何，ARDS患者基本上均以同质方式进行治疗。临床医生及研究人员也越来越清晰地意识到ARDS这一综合征所具备的异质性特征在其发病机制、临床表现、对治疗的不同反应性等方面发挥了重要作用，因此也产生了不同的临床结局。

1 基于生物学特征进行ARDS亚型分类

既往的临床实践及研究多局限于对ARDS的病因、发病时间、影像学、临床严重程度等差异的分析，这些亚表型的分析试图帮助临床医生理解ARDS的复杂性，但在最终的临床实践中，患者并没有明显的显示出基于上述的个体化或精准治疗的获益情况^[7-8]。因此，其很有可能是因为疾病潜在的生物学异质尚未完全理解，这些研究并没有体现出疾病内在的差异。近年来，随着组学技术、大数据、生物信息学的快速发展，关于ARDS生物学亚型的研究取得了一定的进展，建立了亚型区分模型，加深了临床医师对ARDS异质性的认知，并有望可以进一步指导疾病的临床治疗。

1.1 潜在类别分析（Latent class analysis，LCA）

LCA是一种用于识别异质人群亚组的统计方法，基于观测到的多个变量，并试图将个体划分为不同的潜在类别，使得每个类别内的个体在这些变量上的表现相似，而不同类别之间的表现则有所不同。LCA是一种有效的统计方法，可以用于识别异质人群亚组，可以帮助研究人员更好地理解不同个体之间的差异。2014年起，Calfee等多个团队对ARMA、ALVEOLI这两项随机对照研究的数据进行了LCA分析^[9-11]。ARMA研究中，将人群分为高炎症亚型（P2）和低炎症亚型（P1），其主要区分生物标志物为P2亚型中高表达的炎症标志物如IL-6和IL-8、可溶性肿瘤坏死因子受体1（sTNFR-1）、纤溶酶原激活剂抑制剂-1（PAI-1）、细胞间粘附分子-1（ICAM-1）、血管性血友病因子（vWF），以及低水平的碳酸氢盐、蛋白C（PC）、血小板、白蛋白和葡萄糖。关于ALVEOLI研究的LCA分析也得出了非常相似的结果。值得注意的是，按照氧合指数（PaO₂/FiO₂）进行区分的ARDS严重程度、肾肝功能衰竭的严重程度都无法区分上述基于LCA分析的这两种亚表型。这也说明，生物学异质性同以往分类标准并不完全契合，有其特有的性质。Famous等^[12]回顾性分析了FACTT研究相关数据，再次证实了二分类模型（two-class或two-subphenotype）能够最理想地描述ARDS人群。P2亚型的血浆IL-8、IL-6和sTNFR-1水平较高，但其血清碳酸氢盐和蛋白C水平较低，这与之前的研究结果一致。这一研究同时还发现，P2亚型的Ang-2和RAGE血浆水平也较高。源自FACTT数据的3变量模型（IL-8、碳酸氢盐、sTNFR-1）具有最佳的敏感度和特异度。脓毒症是P2亚型中发生ARDS的最主要危险因素，而在P1亚型中则为创伤、误吸和肺炎。这些发现也在ARMA和ALVEOLI队列数据中得到了验证。HARP-2试验与SAILS试验分别是对ARDS患者应用HMG-CoA还原酶抑制剂辛伐他汀或瑞舒伐他汀治疗效果的前瞻性队列研究。前者数据的二次分析发现，二分类模型最佳区分变量是sTNFR-1、肌酐、IL-6、胆红素、血小板、血管活性药物的使用^[13]。后者进行LCA回顾性分析后发现，高炎症表型的血浆IL-6、IL-8、sTNFR-1、ICAM-1和PAI-1表达显著升高，蛋白C水平明显降低^[14]。此外，Sinha等^[15]利用LCA对已发表的随机对照研究进行了回顾性分析。ARMA、ALVEOLI和FACTT研究被用作推导数据集，SAILS研究被用作验证数据集，最后在START和HARP-2这两个外部ARDS临床试验数据集中测试了模型的预后有效性。该研究发现，在6个最重要的分类变量如IL-6、IL-8、蛋白C、sTNFR-1、碳酸氢盐以及血管活性药物的使用之中，3变量模型（IL-8、碳酸氢盐、蛋白C）与4变量模型（3变量加血管加压药的使用）能够准确识别ARDS的高炎症表型（hyper-inflammatory）与低炎症表型（hypo-inflammatory）。基于对两个前瞻性脓毒症队列研究进行潜在类别分析发现，二分类模型（two-class model）最为合适，类似的可区分为高炎症表型（hyper-inflammatory）与低炎症表型（hypo-inflammatory）^[16]。在高炎症表型中，VALID研究的患者表现出较高水平的IL-6、IL-8、sTNFR-1、ICAM-1，EARLI研究的患者表现出较高水平的IL-6、IL-8、sTNFR-1、ICAM-1、PAI-1，两者均表现为较低水平的碳酸氢盐、蛋白C水平以及血小板计数。LIPS-A是一项以阿司匹林试验预防急诊室高危患者的ARDS的临床试验，在对其LCA二次分析中，作者发现，高炎症亚型组患者IL-1β、TNF-α、IL-2、Ang-2、IL-4显著升高，而葡萄糖、SP-D、WBC、血小板和Hb显著下降。更为有意义的是，高炎症表型患者进展为ARDS的风险更高，并且在整个研究期间保持可识别性^[17]。这也提示了基于生物学指标的炎症分群可能有助于ARDS高危患者的早期识别。在儿科ARDS中也有类似的研究。通过LCA分析RESTORE以及BALI研究的儿科ARDS（PARDS）数据，得到了与成人ARDS相似的分类结果，即高炎症反应型与低炎症反应型^[18]。其中，sTNFR-1、IL-6和IL-8是表型之间差异最大的变量。将成人分类算法应用到PARDS队列中能够得出较为理想AUC值，但其敏感度较差。这些差异表明，尽管PARDS和ARDS表型之间存在许多相似之处，但差异仍然不可忽视。Yehya等^[19]在费城儿童医院和加州大学旧金山分校的一项多中心研究的两个儿科队列中，在ARDS诊断后24 h内收集血浆检测生物标志物，通过LCA确定了反映炎症的生物标志物差异来定义的两种ARDS亚表型，即高炎症亚型与低炎症亚型，这与之前报道的炎症分型一致，并且这两个队列都表现出与成人亚表型的重叠。在高炎症ARDS中，非肺源性的脓毒症是其主要病因，病情更严重，病死率更高，而低炎症ARDS中肺炎为主要病因。两个队列共有的LCA生物标志物包括Ang-2、IL-6、MMP8、sRAGE以及SP-D。此外，作者证实甲基强的松龙在低炎症性ARDS中可能有益，而对高炎症性ARDS可能存在负面的影响。这一研究提示了低炎症和高炎症ARDS的亚型分类在成人和儿童中的普遍性，而且不同亚型的ARDS患者对治疗存在不同的反应。

1.2 聚类分析（Cluster analysis）

Bos等^[20]采取层次聚类（hierarchical clustering）的方法分析了MARS这一脓毒症的分子诊断和风险分层前瞻性队列研究的数据。该研究仅根据炎症、凝血和内皮活化等生物标志物进行聚类而不考虑临床结果。其中一组的患者被称为“非炎症型，uninflamed phenotype”表型；另一组患者被认为属于“反应型，reactive phenotype”表型，其血浆中有高水平的炎症、凝血和内皮激活标志物。两种亚表型之间进行区别的主要生物标志物是IL-6、IL-8、IL-10、干扰素γ（IFNγ）、血管生成素（Angiopoietin，Ang）-1/-2和PAI-1，其中，由IL-6、IFN-γ、Ang-1/2和PAI-1组成的5因素模型可用于亚型的区分。“反应型”亚型中与中性粒细胞功能、氧化磷酸化和线粒体功能障碍相关的基因表达增加，且与急性低氧血症性呼吸衰竭患者的不良临床结果相关。在这一研究中，与LCA所分类的表型一样，通过氧合指数（PaO₂/FiO₂）的严重程度区分的亚群与该研究的分群并不一致。对一项因低氧血症接受经鼻高流量吸氧（high-flow nasal cannula, HFNO）支持的非气管插管ARDS患者的前瞻性多中心观察性研究进行聚类分析（K-means cluster analysis）^[21-22]。确定了两组患者（Cluster 1, 2），其中Cluster 2被定义为高炎症表型，这组患者的IL-33、sST2、IL-8、SP-D和Ang-2水平显著升高，IL-6、高糖基化终产物受体（receptor for aGE, RAGE）和碳酸氢盐水平无统计学差异。而且，使用IL-8和sST2能够准确预测两种亚表型，其ROC曲线下面积结果亦较理想。可以看出，这些生物标志物与机械通气的ARDS患者亚群分类所依赖的生物标志物类似，进一步扩展了依据患者的内在生物学差异就行分类的范围。Liao等^[23]收集了MIMIC-Ⅳ数据库（version 1.0）所登记的ARDS患者数据进行了回顾性研究，该研究主要采用LPA（latent profile analysis）进行数据分析，这是一种类似于LCA的方法学。在二分类的区分中，class-2类ARDS患者的阴离子间隙、乳酸、肌酐水平明显高于class-1类患者，而剩余碱、碳酸氢盐和二氧化碳水平显著低于class-1类；此外，class-2类患者使用血管活性药物比例、住院时间、病死率也明显高于class-1类，预示着更差的临床结局。更为重要的是，两类患者对激素治疗存在不同的反应，class-2类患者中，接受糖皮质激素治疗的患者28 d生存率显著低于未接受糖皮质激素治疗的患者，但在class-1类患者中，糖皮质激素的治疗没有观察到差异。这也预示不同炎症类型对糖皮质激素治疗反应的差异。

在一项关于儿童ARDS的前瞻性队列研究中，将患儿全血样本进行转录组学测序，通过对数据进行k-means clustering将患者分类^[24]。亚型被指定为ARDS的转录组亚型（CATS-1，2，3），并且在疾病严重程度、ARDS病因或发病时ARDS严重程度方面差异无统计学意义。最终转录组分型分别富集于适应性免疫应答和T细胞通路（CATS-1）、补体途径（CATS-2）、G蛋白受体信号上调（CATS-3）。CATS-3免疫功能低下的患者人数最少，有较低的病死率和较高的拔管脱离呼吸机概率，CATS-1则显示出明显的细胞炎症因子调节，以及更为严重的24 h时的低氧血症。说明基于转录组学的分类在生物途径、临床症状及结局方面存在差异。也可以发现，依据转录组学的差异的分类与疾病的严重程度并不完全一致，因此，从多个维度的分析是必要的。但遗憾的是这一研究结果没有进行进一步的外部验证。ARDS长期以来被认为是一种以中性粒细胞浸润为主的疾病，但是在该研究中，最主要的免疫调控通路在适应性免疫应答和T细胞通路方面存在差异，这为进一步理解ARDS的病理生理机制提供了新的思路。

总体而言，通过对ARMA研究、ALVEOLI研究、FACTT研究、SAILS研究、HARP-2研究、Yehya等^[19]的研究的LCA分析，MARS研究、Garcia-de-Acilu^[22]、Yehya等^[24]的研究的聚类分析，以及Liao等的LPA分析，ARDS可被区分为“炎症型”与“非炎症型”，或者“高炎症型”与“低炎症型”，说明基于生物学指标的亚型分类在不同ARDS人群中具有普遍意义。例如，在“炎症型”或“高炎症型”亚群中高表达的IL-6、IL-8、sTNFR-1、ICAM-1、Ang-2、PAI-1以及低表达的蛋白C，似乎具有一定的共性。此外，由于组学技术所具备的高通量、集成性、自动化、灵敏性等优势，通过转录组学、基因组学、蛋白质组学、代谢组学等新技术，探索ARDS患者在炎症指标、免疫过程、代谢途径、细胞通讯等方面的差异。但是由于检测成本、特异性等困扰的存在，组学技术在临床的普遍应用尚存在一定的问题，但是可以作为科学研究的方法学。基于上述研究，可结合其他临床理化指标构建ARDS的亚型分类标准，为不同群体患者的治疗提供更为精准的指导。

2 生物标志物在ARDS亚型中的作用

如上文所示，多种血浆生物标志物可用于进行ARDS亚型的区分。炎症因子IL-6、IL-8、IL-18、sTNFR-1，内皮损伤标志Ang-2、ICAM-1、vWF，上皮损伤标志RAGE（晚期糖基化终末产物受体）、SP-D，以及凝血相关指标PAI-1、蛋白C等，均被认为具有一定程度的诊断价值，可用于预测ARDS的发病或其临床结局。其中，Ang-2可以提高临床预测评分并识别急性肺损伤的高风险患者，较高的基线和第一天血浆sRAGE水平与ARDS风险增加独立相关，并且可以识别那些更有可能发生ARDS的患者^[25]。除此之外，肿瘤坏死因子-α（TNF-α）、Clara细胞分泌蛋白（CCSP或CC16）、血栓调节蛋白、D-二聚体、基质金属蛋白酶-9（MMP-9）等生物标志物被证实具有诊断和预测ARDS预后的潜力，包括在COVID-19引起的ARDS中亦是如此^[26-27]。例如，IL-6不仅仅是ARDS的标志物，而且与病情严重程度相关，同时，IL-6也是ARDS治疗靶点。在COVID-19感染患者中，IL-6抑制剂可以减轻细胞因子释放综合征并减少病毒载量^[28]。IL-6受体拮抗剂托珠单抗（Tocilizumab）的应用已被证明可以改善COVID-19患者的预后^[29]。笔者此前对托珠单抗治疗重症COVID-19感染患者的临床研究进行了系统性评价，结果也证实托珠单抗治疗能够明显减少重症COVID-19感染患者的病死率^[30]。此外，IL-6能够调节急性期蛋白如α-1抗胰蛋白酶（AAT），COVID-19相关ARDS患者循环和肺组织中的蛋白酶-抗蛋失衡，而IL-6参与了此过程^[31]。因此，IL-6或其相关通路也可能成为间接治疗靶点。关于生物标志物的动物模型研究和临床研究已有较多的文献报道，在此不做赘述。但是需要注意的是，精确定位生物标志物和临床应用之间仍然存在明显的差距。

除过分析传统的炎症因子等标记之外，通过多种新兴技术如组学方法，探索新的生物学途径成为目前的研究热点，肿瘤研究中的应用尤其为明显^[32-34]。在一项脓毒症相关ARDS的回顾性研究中，研究者通过代谢组学发现，区分脓毒症引起的直接ARDS和间接ARDS的最显著的途径是鞘脂代谢、甘油磷脂代谢、精氨酸和脯氨酸代谢、脂肪酸生物合成、苯丙氨酸/酪氨酸/色氨酸生物合成，以及苯丙氨酸代谢^[35]。其中，表现出最显著差异的代谢物是lysoPC，包括lysoPC（17∶6）、lysoPC（18∶0）和lysoPC（16∶0）。与非ARDS对照组相比，脓毒症诱导的ARDS患者中lysoPC的浓度显著降低，而直接ARDS组的水平高于间接ARDS组。LysoPC是一种源自膜磷脂酰胆碱的脂质介质，已被认为可以调节免疫反应。LysoPC通过增加趋化因子的产生并激活内皮细胞、中性粒细胞、单核细胞、巨噬细胞和淋巴细胞而导致炎症^[36]。但lysoPCs在ARDS中的作用尚不明确。此外，鞘脂代谢是区分脓毒症引起的直接和间接ARDS患者的重要途径，在相关代谢物中，1-磷酸鞘氨醇（S1P）具有显著的差异。因此，基于在直接或间接肺损伤后表现出代谢差异，甘油磷脂代谢的lysoPC（17∶6）、lysoPC（16∶0）和lysoPC（18∶0）以及鞘磷脂代谢的S1P表现出作为亚表型区分的重要标记物的潜力。这一研究具有较好的提示意义，研究者可以通过代谢、免疫、信号转导等多个方面探索ARDS的生物学异质性。

需要指出的是，尽管某些炎症介质显示出了与ARDS临床预后之间的相关性，或者具备一定的疾病诊断价值，但是由于ARDS本身作为一种综合征具备的复杂程度，在临床实践中不能依赖于单一的生物学指标指导疾病的诊断和治疗。结合与ARDS相关的多种生物标志物，例如炎症、上皮或内皮损伤、凝血、纤溶、氧化应激等多方面因素，探索不同人群、不同病因ARDS生物学异质性，构建多个因素相结合的多变量模型指导疾病的亚型鉴别、诊断、治疗，可以为未来ARDS的相关基础研究和临床实践提供新的思路。

3 ARDS生物学亚型分类的临床意义

ARDS的病理生理过程涉及到了内皮和上皮功能障碍、免疫细胞招募的先天免疫激活、凝血功能异常以及肺泡的纤维化等多个生物过程。但是每个患者具体的致病途径中占主要作用的因素是不同的，甚至是可变的。因此，可以通过对生物学异质性的识别达到对ARDS内在差异的认识，可用于评价其对不同治疗策略对反应性和预测临床结局。如上文所述的LCA分析或聚类分析中，高炎症表型往往意味着较差的临床结局。例如，Calfee^[13]、Famous^[12]、Sinha^[16]、Bos^[20]等团队的分析中，高炎症表型的ARDS患者亚群无器官衰竭和无呼吸机使用的天数更少，病死率更高。而且Famous等^[12]对FACTT研究的分析发现，患者对液体管理策略也存在异质性，当随机采用保守策略时，P2患者病死率较低，而当随机采用相同方法时，P1患者病死率较高。在高炎症亚表型中，辛伐他汀治疗相较于安慰剂而言患者的生存率更高，在低炎症亚表型患者中没有观察到这种效应^[13]。但是关于SAILS的分析中没有观察到高炎症表型和低炎症表型对瑞舒伐他汀治疗反应的差异^[14]。其结果差异的原因可能是因为HARP-2与SAILS两项研究的受试者相比，PaO₂/FiO₂或者导致ARDS的病因等方面存在差异。在非插管以HFNO支持的ARDS患者中，高炎症亚型中对机械通气的的需求高于低炎症亚型，且高炎症亚型的患者气管插管的频率更高，ICU住院时间更长，病死率更高^[21]。这一研究与接受机械通气的ARDS患者其炎症表型与临床预后之间的相关性一致。但是这一结果需要进行外部验证，以明确其结果的稳定性和适用性。在对COVID-19相关ARDS的患者通过二分类（two-class）LCA分析发现，class-2类的患者，促炎标志物、肌钙蛋白、肌酐和乳酸较高，碳酸氢盐较低，同时病死率也较高。而且不同类别患者对激素治疗的反应不同，高炎症表型的病死率有所改善，低炎症表型的病死率有增加的趋势^{[34, 37]}。但需要注意的是，在该研究中应用激素治疗不是随机分配的。Liao等^[23]对MIMIC-Ⅳ数据库ARDS患者的回顾性研究提示，class-2类患者中接受糖皮质激素治疗可能存在导致病死率增加的情况，但class-1类患者对于糖皮质激素的治疗反应没有差异。Yehya等^[19]在一项关于儿童ARDS的研究指出，甲基强的松龙在低炎症性ARDS中可能有益，相反对于高炎症性ARDS可能有害。在后续的研究中可以通过构建多变量模型达到上述目的。关于激素在严重COVID-19感染患者中的有效性的临床试验，目前最主要的有CoDEX研究、REMAP-CAP研究，以及氢化可的松对COVID-19危重患者的随机临床试验。中重度COVID-19相关ARDS的CoDEX研究中，静脉用地塞米松能够显著增加不使用呼吸机的天数，但是28 d时的全因病死率差异无统计学意义^[38]。对于重症COVID-19感染患者的REMAP-CAP研究中，使用氢化可的松在21 d内无器官支持天数改善方面存在优越性，但该试验由于提前终止，使得结论的确定性有待商榷^[39]。在针对COVID-19合并急性呼吸衰竭的危重患者中，低剂量氢化可的松并未显著减少第21天的死亡或者减少持续呼吸支持^[40]。遗憾的是这几个大型临床试验未能基于患者的不同类型进一步分析，这可能部分解释了激素治疗的不同反应。通过上述研究可以发现，ARDS亚型的分析在一定程度上有助于评估患者的疾病进展，临床结局，甚至是指导治疗方案的选择，例如液体管理、他汀类药物的使用、呼吸机支持策略以及激素的应用。

目前诸多关于ARDS相关临床试验不甚理想，其原因之一是未能充分认识到疾病的内在异质性。不同的亚型可能对治疗有不同的反应，因此，将内在表型或其亚型纳入临床试验可能会进一步提高ARDS临床试验的可行性^[41]。例如，PROSEVA研究基于氧合损害的严重程度而纳入受试者评价俯卧位的治疗效果或预后证实了这一观点^[42]。如前文所述，多个血浆生物标志物可用于ARDS病情评估，亚型的分类。因此，笔者推测在后续关于ARDS的临床试验中，可以考虑纳入生物学异质性的评估，根据患者所属的群体以及当前从干预中受益的可能性，研究药物或治疗策略在最有可能使得患者获益的群体中测试。

4 结论与展望

急性呼吸窘迫综合征具有显著的生物学异质性，这也导致了患者在发病机制、临床表现、治疗效果方面的差异性。已有研究证实了多个生物标志物与ARDS的病情严重程度、临床预后的相关性，且有文献报道了基于生物学指标构建了ARDS临床亚型的分类模型（见附表 1）。因此，需要进一步的研究和临床实践，探索出ARDS在生物学方面的共性与特性，结合病因、病理、影像学、临床特征，构建出ARDS亚群分类的标准模型，实现患者的个体化精准治疗。

利益冲突  所有作者声明无利益冲突

本文附录请登录中华急诊网（www.cem.org.cn）浏览（Html格式全文）