一项仅需一滴血左右的量即可早期诊断终末期肾衰竭患者移植排斥反应的技术问世。
首尔峨山医院9日表示,融合医学科教授金俊起与肾·胰腺移植外科教授申成的共同研究团队,将表面增强拉曼光谱法与人工智能(AI)判别技术相结合,成功在肾移植患者血清中早期诊断移植排斥反应。肾移植是提高终末期肾衰竭患者生存率和生活质量的治疗方法。即使透析也难以保住肾脏功能的患者,会将接受健康者或脑死亡者肾脏移植的手术作为最后手段考虑。随着医学技术发展成功率有所提高,但移植后仍存在发生排斥反应的风险。
肾移植排斥反应主要表现为体内负责免疫的T细胞和抗体攻击移植肾脏。此前要诊断这一情况,器官组织活检是必需的。手术结束后,用直径约1.5毫米、长9~12厘米的针刺入,取出部分器官组织进行组织染色化学分析,然后依据Banff分类法评级。Banff分类被评价为整合形态学与分子学所见、使移植排斥反应诊断标准化。但从患者角度看,需要反复接受侵入性检查,还要承担出血等并发症风险,负担较大。此外,在因排斥反应等导致肾脏受损、功能下降的状态下,采血并通过肌酐、血尿素氮等准确掌握肾功能也并不容易。
研究团队着眼于即使分析物浓度较低,只要通过局部表面等离子共振模式提高灵敏度也可检出这一点,着手开发高灵敏度早期诊断技术。在此过程中,金教授团队使用了自主研制的金-氧化锌纳米颗粒基“表面增强拉曼光谱法(SERS,Surface-Enhanced Raman Spectroscopy)”。此前金教授团队曾以机器学习算法分析多种纳米生物标记物产生的光谱模式,并在动脉硬化和癌症诊断实验中验证了较高的可靠性与灵敏度。
申教授将肾移植患者样本分为无移植排斥反应组、抗体介导排斥反应组、T细胞介导排斥反应组三组,进行了基于SERS及AI的判别分析。结果显示,AI分析算法线性判别分析(PC-LDA)与偏最小二乘判别分析(PC-PLS-DA)的准确率分别为93.5%和98.8%。研究团队还进一步发现,通过该技术也可对两种排斥反应并存的患者进行监测。这意味着借助基于AI的高灵敏度技术,在最大限度减少侵入过程的同时更精确诊断移植排斥反应的可能性已被打开。
金教授表示:“患者血液中存在由多种因素产生的生物标记物,标记物之间的比例也十分多样”,“通过自主技术研制的SERS芯片与AI算法分析,在临床患者样本中找到诊断肾移植排斥反应的模式,是相当令人鼓舞的”。申教授期待道:“若今后经过追加研究和验证过程,肾移植患者将能通过简单的血液检查诊断排斥反应”。
本次研究获得了韩国保健福祉部保健医疗技术研究开发事业与韩国科学技术情报通信部的支持,并发表于化学及生命医学领域国际学术期刊《生物传感器与生物电子学》最新一期。






