中國附醫大數據中心副院長、醫學研究部副主任，擁有美國約翰霍普金斯大學(The Johns Hopkins University)流行病學研究所博士學位，郭錦輯醫師獲邀即將於5月19~22日在巴黎舉行的「2022 歐洲腎病醫學年會」上，發表其最新的臨床研究。
該臨床研究首創以大數據分析模型結合創新型生物標記，能在一般門診以醫院電子病歷及健保雲端資料搭配非侵入性之尿液檢測，就能篩檢出隱性的急性腎臟病(AKD)患者，並及時進行腎臟維穩照護，減少病患未來進入透析的風險。其從臨床驗證、新疾病模式、創新生物標記驗證到門診數位化診療，一條龍的嚴謹臨床實驗，有望開啟了未來腎病治療的數位新模式。
本刊因此特別專訪了郭錦輯醫師，請他深入分享此一臨床試驗成果。

撰文/王柏豪、李林璦

三點腎臟醫學界突破 開啟未來腎病新治療模式機制

Q：請問本次在歐洲腎病醫學年會上發表的研究內容，以及有哪些重要發現？

郭錦輯：我認為有三點是臺灣腎臟醫學界的突破。首先是，我們充分利用臺灣醫療大數據的優勢，也是全球第一次，我們可以在門診 (Outpatient Settings)就了解到哪些病人發生了急性腎損傷(Acute Kidney Injury, AKI)，我們稱為急性腎病(Acute Kidney Disease, AKD)。

其實，中國附醫的大數據中心 (Big Data Center)已經從門診大數據中持續觀察AKD患者一陣子了，因此，在我們腎臟科門診中，就部署了專屬的數據智能系統來篩檢這類的病人。這樣子的診察方式是在教科書上完全不會看到的表現型。

第二點是，我們透過醫療資訊架構，結合數據智能系統執行一個實務性質的臨床試驗 (Pragmatic Clinical Trial)，在2019年時拿到科技部三年計畫，正式進入臨床試驗的階段。

我們希望從臨床試驗了解藉由數據智能系統於門診篩檢到的急性腎病病患，是不是可以讓這群患者將來變成慢性腎病(Chronic Kidney Disease)，或是進入透析的可能性減少。初步結果也確實證實了我們的假設，這個針對急性腎病開發的數據智能篩檢系統，大幅降低病人進入透析的風險。

第三點是，很幸運、也是第一次，利用一個創新性的生物標記(Biomarker)――新穎生醫的DNlite-IVD103檢測急性腎損傷狀態，可以將以數據智能標註疾病表現型跟精準的生物標記做結合，互為驗證。

這在臨床研究上是一個很好的結合，能從產學研的觀點，看到大數據智能與生物標記結合後的綜效，如何的改變現有之腎病照護模式。

這是我們最需要讓全球腎臟學界知道的事情：在臺灣，我們優越的基礎醫療建設，讓我們能從臨床數據收集，新的腎病表現型驗證、創新的生物標記開發與實證，到打造新的腎病治療平台與服務模式，這樣一條龍的作法，開啟了未來腎病數位治療模式的新契機。

大數據偵測急性腎損傷潛在門診病患

Q：是否請醫師進一步說明整個臨床試驗的設計？

郭錦輯：先從我們在門診中診斷AKD患者的演算法(Algorithm)開始說起。

臺灣健保數據在2017年上雲端，同年的11月，我們就運用這些數據，開發專屬AKD的演算法拿到了健保署當年度的電子病歷應用金獎。

當健保署把健保資料數據上雲端後，我們與中國附醫的資訊室寫了一套程式，讓我們醫院可以直接去雲端抓病人到診前180天的所有腎功能數據、以及前90天用藥的數據。兩個相結合後，再利用我們獨特的演算法偵測病人在來診前的180天內，是不是有急性腎損傷的變化，同時也能篩檢六大類腎毒性藥物包含止痛消炎藥、顯影劑、化療藥物、及免疫治療藥物等。

這是一個非常大的突破，因為，以往我們在診斷急性腎損傷，只能針對住院病人，很難在門診病人的情境之下診斷急性腎損傷與急性腎病。

2017年底完成開發的整個急性腎病診察系統稱為Acute Kidney Injury Detection System (AKIDS)。2018年後，就正式在中國附醫的後台持續上線。

我們從程式的撰寫走進臨床資訊的後台，到2019年拿到科技部計畫後，正式進行臨床試驗。在臨床試驗中，我們將AKIDS系統隨機開放給醫師與病人使用，病人如果被篩檢到有門診型的急性腎損傷，就會轉介到腎臟科門診做進一步治療。對照組的病人則遵循傳統的腎病篩檢跟轉介。

透過這樣的模式，我們就可以比較有數據智能輔助診斷跟沒有數據智能輔助診斷的介入，對他們後續慢性腎病的進程與透析的機率進行比較。

整個研究設計上最獨特的地方是，同時導入了生物標記以驗證病人在病理生理上是否有分子層級的損傷。每一個被轉介成功的病人，都會檢驗傳統的腎損傷生物標記及新穎生醫開發出來的DNlite-IVD103生物標記，也確認了幾乎每一個急性腎病的病患其生物標記都有升高的情況。

我們利用隨機臨床試驗的方式，建立系統的臨床效度，同時與生物標記相互驗證。這樣結合數位智能與精準診斷之腎病診察模式，對於公共腎臟衛生的生態系建立，有其突破性的價值。

生物標記可提早診斷並作為預後(Prognosis)風險管控

Q：那麼，未來在臨床醫學上，該怎麼樣應用這樣的生物標記與大數據智能來滿足未滿足的臨床需求？

郭錦輯：利用大數據與此生物標記相互驗證後，發現其潛力十分可觀。現在，腎臟科的醫師看病人，依賴的仍都是相對晚期的生物標記，如肌酸酐(Serum Creatinine) 是腎臟科醫師最傳統的生物標記，但是，當大部分病人肌酸酐出現明顯上升時，大多數的病人其腎功能都已經損失至少一半以上。

於是，後來腎臟醫學界利用一個轉換公式，將肌酸酐計算成腎絲球過濾率(eGRF)，其能提醒臨床醫師，早期診治慢性腎病。

腎絲球過濾率可以讓醫師比較線性的了解病人腎功能的衰退。比如說，肌酸酐超過1.5 mg/dl以上，病人就已有潛在的腎臟疾病風險，只不過，往往在肌酸酐1.5 mg/dL以上時，病人的eGFR可能早已掉到60 ml/min/1.73m2 (目前慢性腎病的定義)以下。因此，現在大部分的醫師也比較能夠接受eGRF的指標來看病人。 

不過，不論是血清肌酸酐或是透過其轉換後預估的腎絲球過濾率，它仍屬於非即時反應腎損傷的標記。因此，我們最需要的是一個能真切反映，腎病活動度的生物標記，而且最好是能夠在傳統腎病生物標記發生變化以前，就讓我們有足夠的準確度以預估病人的風險，真正提供慢性腎病之精準預防。

在這次試驗中，我們首度將DNlite-IVD103這樣的生物標記跟傳統上在急性腎損傷中表現相對早期的標記，包括尿液嗜中性白血球明膠酶(Neutrophil Gelatinase-Associated Lipocalin, NGAL)以及腎損傷分子 (Kidney Injury Molecule-1, KIM-1)來做對比。NGAL除了是一個傳統上會拿來做為研究急性腎損傷的標記，在許多研究中也與慢性腎病之預後相關，我們在這次臨床試驗中，也特別觀察NGAL，以及DNlite-IVD103在預測慢性腎衰竭的表現。

結果在風險曲線(Risk Curve)中發現，其實NGAL在風險的相關性上，並沒有非常理想，它先高後低，但是DNlite-IVD103與慢性腎衰竭的相關性曲線是很線性的上升，這對臨床研究者而言，一般是比較放心的曲線，也佐證，DNlite-IVD103很有機會可以反映疾病的嚴重度，同時具有風險預測之價值。

未來，DNlite-IVD103這樣的生物標記除了應用於早期診斷外，更有機會做為一個預後(Prognosis)的風險管控。

郭錦輯表示，未來像DNlite-IVD103這樣的生物標記除了應用於早期診斷外，更有機會做為一個預後的風險管控。

非侵入性檢測 有機會改變腎病照護模式

Q：從成果來看，DNlite-IVD103生物標記是創新型的產品，未來臨床實際上該如何應用?我們應該要有什麼樣的認知？

郭錦輯：據我了解，我們的研究是DNlite-IVD103第一次在國際會議上發表在糖尿病腎病變以外的應用。

在中國附醫這麼完整的試驗場域下，我相信有機會能針對此次發表於歐洲腎臟醫學會的數位治療腎病照護模式結合精準生物標記，再進行一個大規模的驗證，甚至走到多國多中心的臨床確效，以實質量化這個嶄新的數位照護模式與其對於慢性腎病防護的效力。

更有意義的是，雖然這個生物標記是從糖尿病腎病變的病人中發現，但我們在不同的腎病族群上，發現DNlite-IVD103都非常專一與腎臟功能下降相關。

而對醫療整體系統更重要的是，這個生物標記是從尿液中所驗得，我剛提到的傳統腎臟生物標記檢查，都是侵入式的檢查，都一定得抽血，因此，我們很期待，有一個非侵入性的生物標記能達到高度的診斷準確度與預後之預測力，例如從尿液，這對於病人是很友善的檢查。

在臺灣，約70%~80%的慢性腎病病人到醫師端時，幾乎都已經是第4到第5期的中晚期，這正是現今臺灣慢性腎病篩檢所面臨的挑戰。

所以，我們團隊非常積極看待DNlite-IVD103這個生物標記。未來DNlite-IVD103如果可能開發成像驗孕棒這樣的模式，會是更大的突破，可以改變全球的腎病檢查，擺脫掉侵入式檢查，非常有機會可以改變整個腎病照護模式。

Q：您同時也兼任大數據中心的主任，這個產品未來如何跟大數據應用相互結合？

郭錦輯：相信我們建立的模式會翻轉目前的腎病照護模式，並且可以帶給其他醫學領域很好的示範，就是我們如何從大數據、到人工智能、到數位治療系統設計建立一個腎病照護的全幅數據生態系，最後導入關鍵性生物標記，不但促進腎臟公共衛生，也能改變醫療產業生態。

這次的急性腎病系統演算法開發後，結合臨床門診看診系統，當插入病人健保卡後，即能主動篩檢AKD，原來臨床醫師需要10~20分鐘的腎臟病程基本理解，可以縮短至不到30秒，這是門診數位化及智能醫療的最佳示範。

有沒有腎損傷，系統自動提示，我們只要按一個鍵，就知道病程，腎絲球過濾率的變動狀態，以及腎毒性藥物之接觸史。

如果病人都沒有接觸任何腎臟毒性藥物，病人就需要更深入的心臟功能探查與腎臟病理生理學的鑑別診斷，並考慮做更進一步的腎臟切片與影像檢查等，這也是我們最近技轉到長佳智能公司的數據智能技術。

這樣的一個數據智能生態系，形成了開發創新腎病照顧模式的服務平台。

此外，還能隨時嫁接新的診斷方式與治療。如結合創新的非侵入性生物標記就是很好的展示，透過對於腎臟損傷的量化評估，有助我們在診斷急性腎病當下，可以更準確預測病人是不是在這次的急性腎損傷後，會不會發展成慢性腎病甚至需考量透析的風險，這對於我們一開始如何決定治療病人的強度是非常有幫助的！

這一個可反映腎病活性(Activity)的非侵入性生物標記，可以讓我們篩檢腎病的策略更多元，甚至病人可以在家進行居家篩檢與照護，更可以監測自己腎臟功能狀態等等。

所以我們這次發表的論文最重要的亮點，在於展示了具備翻轉腎病照護模式的智能數據生態系，加上結合創新生物標記的雙向驗證製程，將是臺灣進入數位智能醫療產業規模化的最佳示範。

Q：Long Covid 不少提及與腎臟相關的影響，您有什麼樣的建議與看法？

郭錦輯：國外的文獻中，確實有看到新冠會導致急性腎損傷。至於新冠引起的急性腎損傷會不會讓未來慢性腎病的發生率更高？目前追蹤的時間和實務經驗確實不多。不過，我想這是一個非常立即的需求。

我們也正在考慮在新冠疫情政策朝共存的方向邁進時，為確診病人做腎功能篩檢，以追蹤在染疫後這些病人腎功能的變化，這是一個很好的研究的契機。

若確實新冠會造成腎臟損傷，我們也希望提早介入腎病之預防，以避免新冠病人走完正常病程後，卻完全忽略了腎臟功能篩查，有可能在未來的兩三年、甚至10年，讓臺灣慢性腎病的負擔雪上加霜。而中國附醫目前的急性腎病診察系統，恰恰能作為開發新冠相關慢性病之數位診察系統的基礎。

>>本文刊登於《環球生技月刊》Vol. 95