编者按

在第18届国际IgA肾病研讨会（IIgANN 2025）上，查理大学第一医学院及布拉格综合大学医院肾内科主任Vladimír Tesař教授担任本届大会当地组织委员会主席。30余年来，他始终活跃于IgA肾病临床与科研一线，主导或参与了多项国际合作研究。肾医线特邀Vladimír Tesař教授接受采访，围绕大会意义、AI驱动的病理组学研究、IgA肾病生物标志物进展以及其更广泛的肾脏病研究布局等内容，Tesař教授分享了真知灼见。

一、IIgANN 2025：新疗法时代下的国际交流平台

Tesař教授希望本次会议能产生深远影响。他认为，当前我们正处一个临床研究蓬勃发展的时代——多项研究正在进行，而部分研究已经完成，这些研究正深刻改变着我们的治疗策略。这些研究为患者开辟了新的治疗前景，希望最终能降低IgA肾病患者进展至终末期肾病的风险和发生率，而目前该风险仍处于较高水平。

二、AI驱动的病理组学：重新定义糖皮质激素反应预测

针对病理组学（pathomics）评估糖皮质激素疗效的研究（研究详细内容请见文末），Tesař教授给出了高度评价，并强调其与传统病理学的互补作用。

他认为，我们尚未充分高效地利用现有资源。以尿液为例——与肝脏疾病不同，在肾脏病领域，我们能通过尿液直接获取肾脏相关信息，但目前我们通常仅关注蛋白尿这一项指标。尿液中蕴含着多种生物标志物，值得我们进行更深入的研究。

肾脏活检也是如此。我们目前仍主要依赖常规光镜检查和免疫荧光检查。在IgA肾病中，电镜检查的作用也较为有限，主要用于排除合并存在的微小病变肾病。我们显然需要采用新的研究方法，其中之一是单细胞转录组学，另一个是病理组学。目前Tesař教授团队已与亚琛工业大学的Roman D. Bülow在该领域开展合作。

研究人员对一项名为VALIGA的泛欧研究数据进行了分析。重要的是，该研究并非仅展示部分患者病变轻重程度的横断面研究，而是真正实现了对治疗反应的预测——这一点至关重要。基于所获取活检的特征，我们能够实现个体化治疗——不仅针对糖皮质激素，不久后也将适用于市场上已有的或正在研发的其他药物。

人工智能可以为这一过程提供支持。某些原本需要手动评估的参数（例如肾小球圆度），如今可通过人工智能实现自动量化，而这些参数已被证实是预后和治疗反应的强预测因子。Tesař教授认为这是一个非常重要的进步。

三、IgA肾病研究：深耕生物标志物与队列研究

Tesař教授团队接诊了大量IgA肾病患者，并参与了多项国际项目——包括遗传学研究、全基因组关联研究（GWAS）和生物标志物研究，同时也开展了自主的生物标志物研究，并参与了多项随机对照试验。

当提及团队的重要贡献，Tesař教授重点谈到了生物标志物相关研究。Tesař教授团队的优势在于拥有一个生物样本库，保存了所有患者活检时采集的血清和尿液样本。这使他们能够检测多种尿液标志物，并将其与活检结果进行关联分析。其团队研究表明，此前仅用于科研的部分标志物，如今已可通过商业化酶联免疫吸附试验（ELISA）检测。

在不久的将来，他们有望建立一个包含4~5种生物标志物的IgA肾病检测面板，通过重复检测来监测疾病活动度、治疗反应以及停药后的潜在复发情况。

四、不止于IgA肾病：临床与研究并重的肾小球疾病布局

Tesař教授的研究兴趣并不限于IgA肾病，他们还接诊了大量肾小球疾病患者。

30年前，Tesař教授的首个研究方向是抗中性粒细胞胞浆抗体（ANCA）相关性血管炎和狼疮肾炎。他指出，在ANCA相关性血管炎领域，利妥昔单抗的疗效极为显著，患者预后已得到大幅改善，以至于目前很难设计出新的研究来进一步提升治疗效果。狼疮肾炎仍是一个重要的研究领域，目前可采用贝利尤单抗（belimumab）、奥法木单抗（obinutuzumab）等新疗法治疗，且未来有望出现更多新型药物。

局灶节段性肾小球硬化（FSGS）也是Tesař教授团队关注的领域。目前该疾病尚无公认的新型疗法。此外，他们还关注非典型溶血性尿毒症综合征等罕见病。由于Tesař教授团队在这些疾病治疗方面的经验以及能够获取新型疗法，许多患者会从其他中心转诊至其所在中心。

相关研究摘要

基于病理组学评估IgA肾病中糖皮质激素的治疗效果Pathomics-based estimation of treatment effects for corticosteroids in IgAN

第一作者：David L. Höscher

背景

IgA肾病是全球最常见的肾小球肾炎，其临床表现多样，对治疗（尤其是糖皮质激素）的反应存在差异。

研究目的

本研究旨在验证病理组学（即基于深度学习的分割技术，从数字化肾脏活检样本中自动提取定量形态计量生物标志物）结合因果机器学习框架，在优化IgA肾病个体化糖皮质激素治疗效果中的应用潜力。

材料与方法

研究人员回顾性分析了两个多中心队列（VALIGA、CureGN）和一个单中心队列（京都），并将其分为推导队列与验证队列。复合终点定义为随访5年内估算肾小球滤过率（eGFR）下降50%或进展至终末期肾病。收集每位患者的临床及组织病理学数据，并通过病理组学分析肾脏活检样本。治疗定义为随访期间启动糖皮质激素治疗，排除接受其他免疫抑制剂或新型疗法的患者。采用因果生存森林模型，在个体层面检测并预测异质性治疗效果。

结果

纳入的688例患者中，82例（11.92%）达到复合终点。总体而言，预测可从糖皮质激素治疗中获益的患者，接受治疗后的无进展生存期显著长于未治疗者（4.58年，95%CI：4.36~4.80 vs. 3.99年，95%CI：3.71~4.28，P<0.01）。预测获益的患者具有高蛋白尿、eGFR降低、存在E、S、C病变及小管圆形度（即管状上皮相似性）等特征。预测获益较低的患者未观察到治疗效果的无进展生存期差异。研究显示，在这些回顾性队列中，糖皮质激素的总使用率或可降低22.38%。个体化治疗分配或可使总体无进展生存期延长0.42年（95%C：0.24~0.60，P<0.01）。

结论

结合临床、组织病理学及病理组学预测因子的因果机器学习框架，可识别出可能从糖皮质激素治疗中获益的患者，同时有望减少过度治疗。