怎么判定心脏骤停患者的预后？

心脏骤停，一种毁灭性的疾病

心脏骤停是指心脏的所有机械活动停止，是一种常见病，对患者及其家属来说是毁灭性的。有些患者神经诊断结果显示存在不可逆转的严重脑损伤，最终停止维持生命的治疗而死亡。

重症医学科中意识不清的心脏骤停患者需要通过神经监测来预测他们的结果。目前的指南建议采用多模式方法，该方法应在患者恢复自主循环至少72小时后进行。这包括反复进行临床检查、电生理学、血液生物标志物和神经影像学。在血液生物标志物预后方面，建议连续测量神经元特异性烯醇化酶（NSE），其数值越高表明神经元细胞受损越严重，预后越差。脑功能分类量表（CPC）是一种广泛使用的临床医生评分工具，旨在评估脑损伤后的神经状态。

心脏骤停后对新预后生物标志物的需求尚未得到满足

美国食品和药物管理局将生物标记物定义为“正常生物过程、致病过程或生物对某种暴露或干预（包括治疗干预）的反应的可测量指标”。要在临床上应用，生物标记物必须具有疾病特异性（特异性）、易测量性（灵敏性）、对疾病进展或治疗反应的指示性（预测性）、评估快速、简单且成本效益高（稳健性）、全天持续可检测性（稳定性）以及非侵入性可测量性（如在血液、尿液、唾液等体液中）。 新型生物标记物必须能提供附加值，经过全面验证和标准化流程，具有高准确性和成本效益。医护专业人员和研究人员可采用多组分方法，综合运用组学（omic）生物标记物、临床检查、成像和电生理技术，全面了解导致心脏骤停后神经功能受损的分子和细胞机制。 这种整合有望促进早期预后和个性化患者管理（图 1）

当前和新出现的心脏骤停组学生物标记物及其评估

•表观基因组学

环境和生活方式可形成表观遗传模式，其修饰包括 DNA 甲基化等，相互作用能调节基因表达，失调可致疾病。研究发现中性粒细胞胞外诱捕网相关标志物与心脏骤停幸存者神经预后有关，组蛋白去乙酰化酶抑制剂可改善预后。此外，miRNAs 水平与心脏骤停后神经功能预后等有显著关联，虽分析表观基因组数据有挑战，但相关标记有助于预后预测。

•转录组学

转录组学可全面剖析 RNA 分子，细胞、体液含多种 RNA，具生物标记物价值。高通量技术虽能监测大量 RNA，但检测有局限；RNA 测序更全面，却受测序深度等限制，另有补充性检测方法。研究发现心脏骤停患者体内部分环状、信使等 RNA 有异常，预后潜力待在大样本中进一步验证，人工智能可助力。

•表观转录组学

表观转录组学涉及 RNA 共转录和转录后修饰，影响基因表达和生物过程（RNA 加工、核输出、稳定性、翻译......）。目前已发现 170 多种 RNA 修饰，RNA 测序方法为研究核苷酸修饰提供了可能。最常见和最常研究的 RNA 修饰被命名为 N6-甲基腺苷（m6A），它已成为心血管疾病中的新角色。腺苷到肌苷的 RNA 编辑目前也在研究之中。

迄今为止，在心脏骤停后的预后判断中还没有涉及到 RNA 的改变。表 1 总结了研究（表）转录组学的常用高通量方法的优缺点。

•蛋白质组学

基于质谱技术的蛋白质组学在发现生物学背景下的蛋白质方面越来越受欢迎。它发现了神经元特异性烯醇化酶（NSE）和S100-B等生物标志物，这些标志物与CA后不良的神经功能预后有关。最近，串联液相色谱质谱法（LC-MS/MS）已成为描述各种疾病蛋白质组情况的强大方法。表2总结了这些研究的特点。此外，表 2 中的研究队列规模相对较小，这也会限制蛋白质的可靠鉴定。 在提高质谱蛋白质组学的定量深度的同时促进高通量，可以更大规模地发现心脏骤停的新生物标记物。

•代谢组学

心脏骤停是急性代谢紊乱最极端的情况。代谢组学是对生物液体中低分子量分子（代谢物）的全面测量。表3总体而言，心脏骤停背景下的代谢组学研究尚处于早期阶段。一个重要的观察结果是，与对照组相比，院外或院内心脏骤停复苏患者血浆中三羧酸循环代谢物水平的早期升高。 

• 影像与神经生理学

除了生物标志物和临床检查外，影像学研究和神经生理学也是昏迷的心脏骤停患者多模式神经诊断策略的一部分。表4列出了目前可用的成像和神经电生理检查的优缺点。

多组学分析，机器学习和人工智能的附加值

包括基因组学、转录组学、蛋白质组学、代谢组学和本手稿中涉及的其他各种组学领域在内的技术的出现和广泛应用，以及计算能力的进步，为探索心脏骤停的分子机制开辟了新的途径。“一刀切 "的方法未能考虑生活习惯、环境、遗传等个体因素，从而降低了干预的效。这些因素突出表明，有必要在这一领域采用多组学或大数据方法，并考虑数据整合建议。

最近的研究趋势表明，在应用多组学方法时，已从还原法转向全局法，目的是利用已经广泛存在的大量 "单组学 "数据集。数据科学的出现和生物信息学工具的进步促进了多个 组学领域数据的整合。人工智能和机器学习不仅能在特征选择过程中提供帮助，还能通过持续的学习过程达到最佳预测效果。这种方法可实现全面的表型分析和临床可操作性发现 。

挑战和未来建议

多模态组合方法利于个性化无创医疗，设备成本降低等使其可行性提升，多组分方法有望应用于临床改善预后，但多组学数据使用面临数据异质性等挑战，需标准化整合方法。处理多组学数据融入病历也有挑战，要开发 FAIR 方法等。预测心脏骤停预后与治疗效果是未满足需求，多组件方法或可改善，不过生物标记物从发现到应用复杂耗时，需多领域合作及研究资助者支持来应对挑战、推动转化研究应用。

以下是全文

心脏骤停后的多组学生物标志物

摘要

心脏骤停是指心脏功能突然停止，导致重要器官突然失去血流和氧气。这种危及生命的紧急情况需要立即进行医疗干预，否则可能导致严重的神经损伤或死亡。目前已有预测神经预后的方法和生物标志物，但缺乏准确性。这些方法可以实现个性化医疗保健，帮助临床决策。目前已经开展了广泛的研究来确定心脏骤停预后的多组学生物标志物。随着可组合不同级别组学数据技术的出现，在人工智能和机器学习的帮助下，有可能使用多组学特征作为心脏骤停后的预后生物标志物。本文综述了目前对不同组学领域的心脏骤停生物标志物的了解，并提出了未来的研究方向，旨在整合多个组学数据层，以改善结果预测和心脏骤停患者的治疗。

心脏骤停，一种毁灭性的疾病

心脏骤停是指心脏的所有机械活动停止，是一种常见病，对患者及其家属来说是毁灭性的。虽然最初的抢救工作通常能有效恢复心脏活动，但复苏病人随后的发病率和死亡率很高。这很大程度上源于长时间全身缺血导致心脑功能障碍。由于神经诊断结果显示存在不可逆转的严重脑损伤，这些患者中有相当一部分会因停止维持生命的治疗而死亡。

重症监护室中意识不清的心脏骤停患者需要通过神经预后来预测他们的结果。目前的指南建议采用多模式方法，该方法应在患者恢复自主循环至少72小时后进行。这包括反复进行临床检查、电生理学、血液生物标志物和神经影像学。在血液生物标志物预后方面，建议连续测量神经元特异性烯醇化酶（NSE），其数值越高表明神经元细胞受损越严重，预后越差。然而，NSE受年龄、溶血和产生该蛋白的肿瘤的影响。此外，S100B、神经丝蛋白轻链、胶质纤维酸性蛋白和血清Tau蛋白也被认为是潜在的生物标志物，但目前还未被推荐用于神经预后。

生存期和长期神经功能状态通常被用来评估心脏骤停患者的神经系统后遗症。 脑功能分类量表（CPC）是一种广泛使用的临床医生评分工具，旨在评估脑损伤后的神经状态。 CPC 分为五个表现类别，从 CPC 1（无/极少神经系统残疾）到 CPC 5（死亡）。另一种常用的功能结果测量方法是改良Rankin量表（mRS），范围从 mRS 0（无症状）到 mRS 6（死亡）。 CPC 量表和mRS均可分为良好（CPC 1-2；mRS 0-3）和预后差（CPC 3-5；mRS 4-6）。国际复苏联络委员会（International Liaison Committee of Resuscitation）的最新声明建议使用mRS而不是CPC，因为mRS可同时体现身体和认知障碍。

心脏骤停后对新预后生物标志物的需求尚未得到满足

上一章所述的现有标记物往往存在很大的局限性，包括预测准确性不稳定、灵敏度和特异性不理想、成本高以及可能出现分类错误等，这就凸显了探索新型互补生物标记物的必要性。

美国食品和药物管理局将生物标记物定义为“正常生物过程、致病过程或生物对某种暴露或干预（包括治疗干预）的反应的可测量指标”。高通量方法有助于生物标记物的发现，识别基于基因（DNA 和 RNA）、蛋白质（蛋白质、肽、抗体）、代谢（脂质、碳水化合物、酶、代谢物）的生物标记物，以丰富组织学、放射学或生理学标记物所提供的信息。要在临床上应用，生物标记物必须具有疾病特异性（特异性）、易测量性（灵敏性）、对疾病进展或治疗反应的指示性（预测性）、评估快速、简单且成本效益高（稳健性）、全天持续可检测性（稳定性）以及非侵入性可测量性（如在血液、尿液、唾液等体液中）。 新型生物标记物必须能提供附加值，经过全面验证和标准化流程，具有高准确性和成本效益。医护专业人员和研究人员可采用多组分方法，综合运用组学（omic）生物标记物、临床检查、成像和电生理技术，全面了解导致心脏骤停后神经功能受损的分子和细胞机制。 这种整合有望促进早期预后和个性化患者管理（图 1）

当前和新出现的心脏骤停组学生物标记物及其评估

•表观基因组学

随着时间的推移，环境和生活方式会形成表观遗传模式，充当过去环境影响的一种细胞记忆。这些模式会因细胞类型而异，而且是可逆的，有可能会通过长期改变基因活性来影响疾病风险。表观遗传修饰包括DNA甲基化、组蛋白变化和微 RNA（miRNA）等非编码RNA。MiRNAs在调节关键表观遗传因子（如DNA甲基转移酶和HDACs）的同时，也受DNA甲基化和组蛋白修饰的控制，从而形成一个反馈回路。这种相互作用虽然不是严格意义上的表观遗传，但却能调节基因表达，其失调可导致疾病。

    Mauracher等人研究了中性粒细胞胞外诱捕网如何影响院外心脏骤停幸存者的神经预后。他们发现，中性粒细胞胞外补诱捕生物标志物瓜氨酸组蛋白H3水平较高，尤其是入院12小时后，与30天后较差的神经功能相关。这表明，中性粒细胞胞外诱捕网，尤其是瓜氨酸化组蛋白H3，可能会导致脑损伤，并成为心脏骤停恢复的潜在治疗目标。 组蛋白去乙酰化酶抑制剂可针对多类HDAC（组蛋白去乙酰化酶）（非特异性）或单类 HDAC（同工酶特异性），通过抑制核心组蛋白 NH2 端尾赖氨酸残基上乙酰基的清除，从而诱导整体过度乙酰化并暂时改变基因转录。一项在大鼠窒息性心脏骤停模型中进行的研究表明，在自发循环恢复后立即静脉注射大剂量（300 毫克/千克）丙戊酸（一种非特异性 HDAC 抑制剂）可显著提高存活率和神经功能预后。

就miRNA 而言，一项初步研究提供的证据表明，神经系统预后不佳的患者体内循环 miR-21-5p 和 miR-122-5p水平升高。随后，其他研究（主要在 TTM 试验中进行）也报告了（脑富集）miRNAs的循环和细胞外囊水平与心脏骤停后的神经功能预后和存活率之间的显著关联。由于细胞和组织的特异性、工作流程的多样性、分析方法缺乏共识以及表观基因组的动态性质，分析和解释表观基因组数据具有挑战性。尽管存在这些挑战，迄今为止进行的研究提供了令人信服的论据，即miRNAs及其他表观基因组标记可能有助于心脏骤停后的预后预测。

•转录组学

转录组学可对 RNA 分子的结构、组成、功能和调控进行全面分析。几乎所有类型的细胞和体液（血液、血浆、血清、脑脊液、尿液、唾液、泪液等）中都表达多种 RNA，包括蛋白质编码RNA（信使 RNA）和非编码 RNA（长非编码 RNA、环状 RNA、miRNA......）。这表明它们具有生物标记物的价值。RNA测序和芯片等高通量技术可同时监测生物样本中成千上万的 RNA分子，然而，检测范围有限，与非特异性靶标的交叉杂交以及表达水平的定量有时并不准确。另一方面，RNA 测序可以更全面、更定量地了解转录组，包括单细胞分析 。然而，测序深度、通量错误率、低丰度转录本检测和成本是限制因素。测序还需要特定且相对复杂的数据分析方法和综合解决方案。其他有针对性的方法包括定量 PCR、印迹杂交和荧光原位杂交，它们是高通量转录组学方法的补充，有助于 RNA 生物标记物的发现、验证和功能研究。

Stefanizzi等人利用 RNA 测序技术发现，在神经系统预后较差的心脏骤停患者中，环状 RNA circNFAT5上调，结合临床数据和已确定的心脏骤停生物标志物，这表明环状RNA circNFAT5具有潜在的预后价值。Chen等人利用小鼠心脏骤停模型，发现了海马中受调控的1162个信使RNA和1920个长非编码 RNA，它们可能参与了神经元凋亡和炎症等重要通路。Li等人利用机器学习重新分析了可公开获得的数据集，发现了RNA相互作用网络，该网络可用于识别心脏骤停的潜在 RNA 生物标记物。有趣的是，在一小群心脏骤停患者中，一些信使 RNA（包括冷休克蛋白 RNA 结合表3）的表达水平在目标温度管理下出现波动，这表明循环 RNA 可能受到动态调控。总之，心脏骤停后循环 RNA（尤其是长 RNA）的预后潜力需要在规模适当的患者群中进行进一步测试。人工智能和机器学习可以帮助实现这一目标。

•表观转录组学

表观转录组学涉及 RNA 共转录和转录后修饰，影响基因表达和生物过程（RNA 加工、核输出、稳定性、翻译......）。目前已发现 170 多种 RNA 修饰，RNA 测序方法为研究核苷酸修饰提供了可能。最常见和最常研究的 RNA 修饰被命名为 N6-甲基腺苷（m6A），它已成为心血管疾病中的新角色。腺苷到肌苷的 RNA 编辑目前也在研究之中。

迄今为止，在心脏骤停后的预后判断中还没有涉及到 RNA 的改变。表 1 总结了研究（表）转录组学的常用高通量方法的优缺点。

•蛋白质组学

一个多世纪以来，质谱技术一直被用于分析化学中分子的鉴定和定量，多年来，基于质谱技术的蛋白质组学在发现生物学背景下的蛋白质方面越来越受欢迎。它发现了神经元特异性烯醇化酶（NSE）和S100-B等生物标志物，这些标志物与CA后不良的神经功能预后有关。

最近，串联液相色谱质谱法（LC-MS/MS）已成为描述各种疾病蛋白质组情况的强大方法。因为它以发现为基础，能客观地了解样本中的蛋白质组成。与其他生物样本类型不同，人体血浆或血清具有广泛的定量动态范围。据估计，含量最低和含量最高的蛋白质相差9至13个数量级。大多数常见的质谱仪能可靠地检测到4个数量级的蛋白质，因此检测血浆中含量较低的蛋白质具有挑战性。迄今为止，基于发现的LC-MS/MS研究在心脏骤停领域还相当匮乏，但有几项研究旨在探索蛋白质组的情况，以便早期预测神经系统的预测。表2总结了这些研究的特点。

此外，表 2 中的研究队列规模相对较小，这也会限制蛋白质的可靠鉴定。 在提高质谱蛋白质组学的定量深度的同时促进高通量，可以更大规模地发现心脏骤停的新生物标记物。 此外，将大型队列研究与新兴的机器学习方法相结合，可以加速临床生物标志物的发现，并提高对心脏骤停的生物学认识。

•代谢组学

心脏骤停是急性代谢紊乱最极端的情况。由于供氧突然停止，三磷酸腺苷的产生和水平迅速下降。虽然再灌注会引发活性氧的产生，但同时损害了细胞膜的调节功能，导致活性氧的产生、细胞水肿、凋亡和坏死。

  代谢组学是对生物液体中低分子量分子（代谢物）的全面测量。

根据最新的人类代谢组数据库5.0更新版，已鉴定出217,290种代谢物，其中3408种在血液中被检测到。代谢物的化学特性各异，浓度范围广泛，这意味着没有一种技术或平台能有效地检测和量化所有代谢物。研究人员主要采用两种代谢组学方法：非靶向和靶向。非靶向代谢组学通常用于生物标记物的发现，在不预先了解的情况下对多种代谢物进行剖析，但面临着代谢物身份未知和潜在错误结果等挑战。靶向代谢组学对特定代谢物进行量化，提供精确的途径分析，但可能会错过新生物标记物的发现。

表3总体而言，心脏骤停背景下的代谢组学研究尚处于早期阶段。一个重要的观察结果是，与对照组相比，院外或院内心脏骤停复苏患者血浆中三羧酸循环代谢物水平的早期升高。 鉴于在有氧条件下，三羧酸循环在能量生成中起着关键作用，这些变化很可能反映了心脏骤停期间的缺血性损伤。此外，血浆中酰基肉碱水平升高也凸显了线粒体的重要性，这表明游离脂肪酸的β-氧化作用受损导致线粒体损伤。关于几种氨基酸的报道结果相互矛盾。在致编辑的信中，Tsai等人发现丙氨酸水平越高，存活几率越大。这与后来的研究形成了鲜明对比。在后来的研究中，院内心脏骤停患者的氨基酸（包括丙氨酸）水平高于对照组，而非存活者的氨基酸水平明显更高。在最近的一项研究中，60种代谢物的一个子集描述了与死亡率密切相关的不同早期代谢表型，补充了已确定的早期预测指标。很少有研究报告患者治疗对代谢特征的影响。与36℃的低温相比，33℃的定向低温降低了复温后支链氨基酸（如缬氨酸和亮氨酸）的水平，而吸入氙气不会影响循环代谢物。

•影像与神经生理学

除了生物标志物和临床检查外，影像学研究和神经生理学也是昏迷的心脏骤停患者多模式神经诊断策略的一部分。表4列出了目前可用的成像和神经电生理检查的优缺点。

原位脑计算机断层扫描可在入院时或心脏骤停24-48小时后进行，并可进行皮质-皮质下灰质/白质分化比率分析。灰质/白质分化比率降低具有高度特异性（接近100%），灵敏度低于50%。

磁共振成像对插管和通气的患者更具挑战性，因此通常在48小时后对未恢复意识的患者进行磁共振成像。磁共振成像主要侧重于扩散加权成像和流体衰减反转恢复信号（特异性高达95%，灵敏度为70%）。使用更先进的弥散张量成像技术显示出良好的效果（特异性 100%，敏感性 89%）。此外，测量皮质厚度的灰质形态测量也可用于预后（特异性 100%，敏感性 91%）。后一种技术受限于数据分析的复杂性，依赖于专业的研究团队和进一步的验证。

电生理学研究包括脑电图和体感诱发电位。脑电图描记可分为连续背景、恶性甚至高度恶性模式，以及是否对刺激有反应。使用这种分类方法可获得较高的相互间一致性和 90.6%至 100%的特异性。最近，一项针对高度恶性脑电图模式的前瞻性研究得出的特异性高达97%。 在体感诱发电位中，N20峰波的缺失或低振幅预示着神经系统的不良预后，特异性高达99%（敏感性高达49%）。

自动瞳孔测量法是一种床旁工具，用于评估瞳孔光反射产生的指数，可在重症监护室入院早期用于预后判断（特异性高达100%，敏感性为30%）。

最近的努力旨在确定不同预后指标的组合，以识别最终将获得良好预后的患者。

随着对神经损伤生物标志物研究的不断深入，有可能确定电生理和成像结果的基质，从而进一步加强这些测试的有效性，并阐明潜在的病理生理过程。

尽管上述大多数检测都是重要的结果预测指标，但绝不能将其作为唯一的检测方法。 对它们的解释需要结合一般临床情况，排除所有混杂因素，并考虑临床检查和其他（多组学）生物标志物。

多组学分析，机器学习和人工智能的附加值

包括基因组学、转录组学、蛋白质组学、代谢组学和本手稿中涉及的其他各种组学领域在内的技术的出现和广泛应用，以及计算能力的进步，为探索心脏骤停的分子机制开辟了新的途径。“一刀切 "的方法未能考虑生活习惯、环境、遗传等个体因素，从而降低了干预的效。这些因素突出表明，有必要在这一领域采用多组学或大数据方法，并考虑数据整合建议。

最近的研究趋势表明，在应用多组学方法时，已从还原法转向全局法，目的是利用已经广泛存在的大量 "单组学 "数据集。数据科学的出现和生物信息学工具的进步促进了多个 组学领域数据的整合。包括心脏骤停在内的心血管疾病为综合分析多组学数据以确定风险预测模型提供了机遇和需求。人工智能和机器学习不仅能在特征选择过程中提供帮助，还能通过持续的学习过程达到最佳预测效果。这种方法可实现全面的表型分析和临床可操作性发现 。

挑战和未来建议

在临床上，多模态组合方法为更加个性化和无创的医疗提供了可能，使患者更容易和更舒适地进行检测（基于血液、尿液和唾液的生物标记物）。随着设备成本的降低和便携性的提高，可行性也得到了改善，简化了临床医生的测量，并允许在床边进行测量。此外，在成像测试已经广泛普及的情况下，提高了测量多个组学参数的速度，减少了进行冗长分析的需要。临床、成像和多组学的多组分方法很快就能在临床实践中应用，以支持决策、个性化医疗服务，并最终改善患者的预后，同时为家属提供及时的信息。然而，多组学数据的使用包含与数据异质性和整合相关的若干挑战，其中之一就是数据的高维性。因此，需要稳健、标准化的整合方法来应对这一挑战。

将处理过的多组学数据整合到病历中对精准医疗提出了挑战。高数据量、异构数据集和有限的资源需要创新的解决方案，需要准确、经济高效的诊断和预后方法以及可操作的解释，以简化患者治疗。开发、测试和验证可查找、可访问、智能化和可重现（FAIR）的方法将促进精准医学的成功实施。需要标准化的数据整合流程来确保研究成果的可重复性。

预测心脏骤停后的预后和治疗效果仍是尚未满足的临床需求。目前的预后标志物和方法存在局限性。将多个全息数据层、成像、神经生理学、临床评估和机器学习结合起来的多组件方法可能会改善预测效果（图 1）。要将新型预后生物标记纳入临床工作流程。

尽管有无数的希望，但从生物标记物的发现到临床应用是一个复杂、昂贵和耗时的过程。 它涉及转化研究的各个阶段，如发现、验证、临床前研究、临床试验、监管审批、审查和安全监测。这需要研究人员、临床医生和企业投入大量资源、专业知识和资金。为了应对挑战，开发准确的方法来预测心脏骤停后的预后，需要不同专业领域和公私合作伙伴之间的合作。 研究资助者的激励和投资对于跨越国界以确保转化研究在全球范围内的应用十分必要。