急性淋巴細胞白血病（ALL，又稱急性淋巴母細胞白血病）是兒童和青少年中Zui常見的惡性腫瘤。白血病約占兒童癌癥總數(shù)的30%，其中淋巴細胞白血病單病種占比約為22%，位居兒童腫瘤首位。僅在德國，每年就有約600名兒童和青少年確診。經(jīng)過半個世紀(jì)的持續(xù)努力，ALL的已取得長足進步，這在很大程度上得益于對疾病遺傳與生物學(xué)機制的深入理解。如今，精準(zhǔn)診斷已成為優(yōu)化方案、改善預(yù)后的關(guān)鍵所在。

ALL并非單一疾病，而是涵蓋多種亞型的復(fù)雜疾病譜系。各亞型在生物學(xué)行為、預(yù)后特征和方案上差異顯著。所有ALL亞型的共同特征是：基因突變導(dǎo)致淋巴細胞前體細胞（即白細胞的前體）失去正常分化能力，異常增殖并逐步取代健康造血功能。根據(jù)受累細胞系的不同，可分為B細胞型ALL（B-ALL）和T細胞型ALL（T-ALL）——前者起源于在骨髓中發(fā)育、負(fù)責(zé)識別病原體并產(chǎn)生抗體的B淋巴細胞前體；后者則起源于在胸腺中發(fā)育、參與細胞免疫應(yīng)答的T淋巴細胞前體。

維爾茨堡大學(xué)醫(yī)院正式承擔(dān)全國遺傳參考診斷職能

近日，德國維爾茨堡大學(xué)醫(yī)院（UKW）臨床遺傳與基因組醫(yī)學(xué)研究所宣布，正式承接面向全德國的兒童ALL遺傳參考診斷工作，研究所所長為安克·卡塔琳娜·貝格曼（Anke Katharina Bergmann）教授。這意味著，一旦兒童完成初步診斷，其主治兒科腫瘤中心即可將骨髓及/或血液樣本送至維爾茨堡參考實驗室進行基因分析。該團隊將系統(tǒng)檢測白血病細胞的特征性遺傳變異，包括染色體結(jié)構(gòu)異常、基因拷貝數(shù)變化以及基因突變與融合等。檢測結(jié)果隨后反饋至各中心，與臨床及實驗室其他檢查結(jié)果整合，為決策提供依據(jù)。微小殘留病灶（MRD）檢測與形態(tài)學(xué)評估等工作，則由其他參考中心分工承擔(dān)。

在德國，兒童ALL的由兩大臨床研究中心統(tǒng)籌協(xié)調(diào)：一是位于基爾的ALL-BFM中心（由貢納爾·卡里奧教授與馬丁·施拉佩教授聯(lián)合領(lǐng)銜），二是隸屬于漢堡-埃彭多夫大學(xué)醫(yī)學(xué)中心（UKE）的ALL-Together中心（原CoALL，由加布里埃爾·埃舍里希教授負(fù)責(zé)）。兩大中心均主導(dǎo)開展大型國際臨床研究，并與維爾茨堡大學(xué)醫(yī)院遺傳參考診斷團隊及各醫(yī)院保持緊密協(xié)作。上述合作框架隸屬于德國兒科腫瘤與血液學(xué)學(xué)會（GPOH）的研究體系，由此產(chǎn)生的標(biāo)準(zhǔn)化診斷與方案，已成為德國兒童ALL規(guī)范化管理的重要基石。

精準(zhǔn)風(fēng)險分層：在與毒副作用之間尋求Zui優(yōu)解

對兒童腫瘤而言，基于風(fēng)險的個體化尤為關(guān)鍵。貝格曼教授指出："一方面，必須足夠安全有效，以確保疾病得到持久控制；另一方面，也要盡量避免不必要的過度及其帶來的長期損害。"ALL潛在的長期毒副作用涵蓋范圍廣泛，包括注意力障礙、心血管系統(tǒng)損害乃至繼發(fā)性腫瘤等。正因如此，兒童患者的精準(zhǔn)風(fēng)險分層顯得尤為重要——通過基因診斷識別遺傳亞群，方能實現(xiàn)Zui優(yōu)化的預(yù)后評估、風(fēng)險分級與規(guī)劃。

該研究所在兒童腫瘤遺傳學(xué)領(lǐng)域已形成獨特的業(yè)務(wù)矩陣：兒童白血病遺傳診斷、兒童罕見腫瘤基因分析以及范可尼貧血診斷三位一體，在全德國同類機構(gòu)中具有鮮明特色。統(tǒng)一的研究與登記體系使各中心之間具有高度可比性，貝格曼教授表示："尤其對于罕見病而言，這種可比性讓我們能夠攜手推動診斷、風(fēng)險分層與方案的持續(xù)優(yōu)化，這正是多年積累的價值所在。"

人工智能輔助診斷：助力而非替代醫(yī)學(xué)判斷

維爾茨堡大學(xué)醫(yī)院團隊在承擔(dān)常規(guī)診斷任務(wù)的同時，積極推進遺傳診斷方法的迭代升級與疾病機制研究。參考遺傳學(xué)負(fù)責(zé)人埃利婭·皮門特爾·古鐵雷斯（Helia Pimentel Guiterrez）博士介紹："我們致力于更深入地理解兒童ALL的遺傳變異規(guī)律，識別新的診斷相關(guān)特征模式，并持續(xù)提升復(fù)雜檢測結(jié)果的解讀能力。為此，我們引入了計算機與人工智能輔助分析手段，將遺傳數(shù)據(jù)與臨床數(shù)據(jù)融合，以支持復(fù)雜變異及結(jié)果組合的評估。"

值得關(guān)注的是，團隊生物信息學(xué)專家余靜洋（Jingyang Yu）博士特別強調(diào)："人工智能算法的引入，并非取代科學(xué)與臨床醫(yī)學(xué)的專業(yè)判斷，而是對其加以結(jié)構(gòu)化支撐與補充。"這一務(wù)實的定位，折射出當(dāng)前醫(yī)學(xué)AI應(yīng)用的主流理念——在提升效率的同時，始終將醫(yī)學(xué)專業(yè)判斷置于核心地位。對于有意布局醫(yī)療AI賽道的企業(yè)而言，如何在算法能力與臨床可解釋性之間尋求平衡，將是贏得醫(yī)療機構(gòu)信任、推動技術(shù)落地的關(guān)鍵命題。