炎症性腸病治療成功的關鍵生物標誌物出爐

並非每個人對炎症性腸病（IBD）的治療反應都同樣良好。對於個別患者來說，哪種治療方法有效需要在治療過程中不斷嘗試和摸索。

在《胃腸病學》雜誌上發表文章，研究人員指出，這將使得該療法的使用更具針對性。

炎症性腸病（IBD）有多種形式，包括克羅恩病和潰瘍性結腸炎。它是由胃腸道過度活躍的免疫反應引起的。患有這種疾病的人會出現腹部絞痛、腹瀉和疲勞。目前尚無治癒方法；到目前爲止，唯一的治療方法是緩解症狀和控制炎症。

“作爲一名臨牀科學家，我積極參與患者護理，”夏裡特胃腸病學、傳染病學和風溼病學系的艾哈邁德·赫加齊教授說。

“這種疾病存在被稱爲發作的階段，這些發作通常難以預測，所以治療方案也在不斷調整。”

一種副作用很小的高效治療方案被稱作整合素阻斷療法。它能阻止某些免疫細胞進入胃腸道並在那裡引發炎症過程。維得利珠單抗，一種針對特定整合素的專門抗體，具有阻斷的功效：它與 T 輔助細胞結合，阻止它們進入胃腸道。

“整合素阻斷療法在約三分之二的患者中非常有效。但對於另外三分之一的患者，它根本不起作用。以前，要弄清楚誰會對這種治療有反應，得靠反覆試驗。這既繁瑣、耗時又昂貴，而且對患者來說往往非常令人沮喪，”赫加齊說。

“要是有一種生物標誌物能提前表明治療有沒有希望，那就太好了。這正是我們在研究中着手尋找的。”

研究人員所進行的廣泛研究是以 47 名患有慢性 IBD 的患者爲基礎的。在他們開始使用維得利珠單抗治療前和治療開始後六週採集血樣。研究人員使用了先進的分析方法，如質譜流式細胞術、單細胞 RNA 測序和血清蛋白質組學來檢查樣本。

“我們聚焦於不同種類的免疫細胞和某些蛋白質，並尋找治療引起的潛在變化，”赫加齊解釋道。“這產生了大量數據，然後我們使用機器學習加以分析。

“機器學習屬於人工智能的一個領域，它運用算法和統計模型，能讓計算機從數據裡學習和識別模式，用不着事先明確編程。這使我們能夠識別有助於預測哪些患者更有可能對這種治療形式有反應的模式。”

這個由醫學、生物信息學、數學和生物學領域的研究人員組成的跨學科團隊，其中還有來自柏林夏裡特健康研究所（BIH）、柏林德國風溼病研究中心（DRFZ）和波恩大學的研究人員，在對另一組患者的研究中發現了相同的模式。這 26 名參與者助力研究人員驗證了他們的研究結果。

一種特別有意義的分子是一種稱爲 Ki67 的細胞分裂蛋白，當 T 輔助細胞分裂時，它的產生水平會升高。在治療前血液中這些細胞水平高的患者對維得利珠單抗無反應。

“我們能夠弄清楚這背後的分子現象：這些輔助性 T 細胞沒有維得利珠單抗的結合位點，因此它們能夠不受阻礙地進入胃腸道並繼續引發炎症，”赫加齊解釋道。

“這些細胞具有不同的轉運分子，使它們能夠進入胃腸道。這使得 Ki67 成爲維得利珠單抗耐藥性輔助性 T 細胞存在的良好指標。”

研究人員打算藉助大型多中心研究來驗證他們的發現，還會詳細探究他們所確定的生物標誌物的可靠性。同時，計劃進一步開發其檢測和測量方法，以將之納入常規臨牀實踐。

“可靠的生物標誌物是爲我們患有慢性炎症性腸病的患者提供個體化治療從而實現更好的治療的關鍵，”該部門主任布里塔·西格蒙德教授說。