表型组学检查助您摆脱“心病”

来源:上海国际人类表型组研究院 发布时间:2021-06-17

心血管疾病作为中国最普遍的疾病,有超过3亿中国人受其困扰。其中动脉粥样硬化是心血管疾病的重要标志,具体体现常为血管中出现斑块,不同病变部位会出现不同程度的缺血。但由于其本身的隐秘性,想要在早期检测出动脉粥样硬化是较为困难的。该疾病始于血管壁,随后在动脉内显现,最终随着心血管疾病发作而出现。下图反映了血管中胆固醇与低密度脂蛋白的共同作用下,出现炎症反应,最终发展为动脉粥样硬化的过程。

图1:血管中胆固醇与低密度脂蛋白的共同作用下,出现炎症反应,最终发展为动脉粥样硬化的过程。

“心病”风险评估的“老方法”与“新方法”

通常识别心血管疾病高危人群的方法是使用患者风险评分表,评分越高,则此人罹患心血管疾病的风险越大。该风险评估工具是通过大众的流行病学数据进行分析计算后推测得出的,但该方法的可靠性较低,患者漏检的情况屡见不鲜。

图2:目前已出现的新型检测方法

上图展示了目前已出现的新型检测方法,例如运用大数据病患统计、血液标志物检测、遗传风险评分系统检查高危人群等,都可以在一定程度内提高检测精度。不过由于模型的内部链接模糊与诊断阈值不明确,方法还需要进行更多的独立验证。

2020年底心血管领域顶级杂志Circulation上刊登了伦敦国王学院Anthony S.Wierzbick教授的意见:表型组学对心血管疾病的预测能力更强。该教授担任英国国家医疗服务体系NHS代谢/化学病理顾问长达25年,同时还担任了英国国家卫生和临床技术优化研究所高血压指南发展组主席,在心血管领域享有较高的学术声誉。目前表型组学检查中针对动脉粥样硬化表现形式之一的冠状动脉钙化的检查已有明确、可直接预见的影像学方法。

表型组学检测改善“心病”治疗方案

近些年影像技术的可靠性和超声系统的便携性与日俱增,这些都为表型组学检测中影像技术的推广提供了坚实基础。优质的影像学数据阐明了可探测的血管斑块与患者未来出现的心血疾病间具有强关联性。

对于单基因家族性高胆固醇血症的患者们,若其低密度脂蛋白含量处于较低的水平,则患者们的影像学结果并不会出现动脉粥样硬化的趋势。因此患者基因型诊断上的高风险与患者实际表型体现出的低患病风险出现了不匹配的情况,说明仅凭基因诊断的结果开具处方可能会出现诊疗上的疏漏。这或许也能解释为什么目前体内脂蛋白含量高的人群会出现过度治疗的趋势。尽管脂蛋白中存在高密度脂蛋白,可促进胆固醇代谢,抑制动脉粥样硬化,但是在有问题基因出现的情况下,参考生物标志物的情况后,医生为保险起见往往会对大部分的患者给出“一刀切”的治疗建议。运用表型组学检查中的影像技术,可诊断出或排除动脉粥样硬化结果来为治疗提供依据,提高患者服药的依从性,摆脱目前过度治疗的困境。

表型组学数据分析与“心病”预防

图3:大队列数据;个体层面的心电图数据;患者胸痛时展现出急性心肌梗死的心电图变化

对人群进行系统的表型组学检测,可以更好地记录下潜在心血管疾病高风险患者的临床体征和创立详细电子信息档案。如上图从宏观层面的大队列数据,到个体层面的心电图数据,再到患者胸痛时展现出急性心肌梗死的心电图变化。心电图变化可以理解为心房心室各部分动作电位变化整合的产物,因此表型组学中对各部分动作电位的深度检测结合基于大数据的机器学习算法,可以为后续精确诊疗提供良好基础。此前有团队在CALIBER研究平台中连接了四个大型临床数据库,以研究患者首次出现心肌梗死后如何合理使用抗血小板药物的策略,从而预防应对服药后出血的风险。该研究表明在心肌梗死后的一年内存在再次发病的动态风险,建议进行抗血小板治疗的持续风险评估。

图4:用于分析疑似患者的冠状动脉CT血管造影的机器学习方法

机器学习方法可以用于识别影像学CT图中的细微差异,由此来预测急性冠心病患者群体的死亡风险。例如,上图体现了该方法应用于分析疑似冠心病患者的冠状动脉CT血管造影,预测超过一万名患者5年内存活率的情况(红线),其预测潜能力优于传统的Framingham队列风险评分机制(蓝线)。这些技术在表型组学检测方法中的应用可能有助于提高疾病检测的准确率。

结论

综上,心血管疾病,作为困扰超过3亿中国人的“心病”,需要给予特殊的关注。在近8成的心脏病发作可预防的背景下,表型组学中的深度、多层面的人体检查和数据收集意义深远。表型组学中系统性的影像数据对心血管标志性事件有较强的预测能力,可以为患者提供更合理的治疗方案。与此同时,表型组学数据在使用大数据、机器学习等方法分析后在心肌梗死、冠心病患者风险评估中体现了优于传统方法的性能。基于人类表型组学研究形成的心血管健康大数据,将极大地推动未来精准病因预防和个性化健康管理的实现。

近期新闻