医脉通编辑整理，未经授权请勿转载。

2025年9月11-14日，中华医学会第十九次血液学学术会议如约而至，以“传承・创新・融合・卓越”为主题，汇聚全球血液学领域顶尖力量，聚焦血液学前沿方向与临床关键问题，搭建起高质量的学术交流与成果转化平台。与会现场，医脉通特邀广州医科大学附属第一医院巨春蓉教授就移植受者免疫抑制平衡、AI辅助诊断在移植领域应用相关话题进行探讨。

医脉通：

临床中移植受者的免疫抑制强度需根据个体差异动态调整，而感染风险又与免疫抑制程度高度相关，您认为在制定个体化方案时，如何突破"免疫抑制不足易致排斥、过度易致感染"的矛盾困境，精准找到二者平衡的"黄金阈值"？

巨春蓉教授：

移植术后免疫平衡调控，是全球移植领域专家与临床医师公认的核心难题。无论是异基因造血干细胞移植，还是实体器官移植受者，术后维持理想免疫平衡，始终是移植管理的核心目标。

对于移植受者个体化免疫抑制方案中“排斥”与“感染”这一对矛盾的平衡，是移植管理领域的核心挑战与制高点。每一位移植受者，无论是异基因造血干细胞移植还是实体器官移植，术后都需要追求一种动态的免疫平衡状态，既要最大限度降低排斥反应风险，又要尽可能避免感染发生。排斥与感染如同天平的两端，免疫抑制不足易诱发排斥，过度抑制则增加感染风险，临床中需根据患者具体情况持续调整。

目前临床上常用的一些免疫监测指标，如T淋巴细胞亚群绝对计数及CD4+/CD8+比值等，但这类指标较粗糙，难以真正精准反映机体免疫状态与功能。例如，两名 CD4⁺T 细胞绝对值相同的受者，其 CD4⁺/CD8⁺比值可能存在差异，而这种差异已意味着二者免疫状态的不同；即便二者 CD4⁺T 细胞绝对值与比值完全一致，其免疫功能也可能天差地别。

因此，单纯依靠某一指标远不足以实现真正的个体化平衡管理。当前的研究正致力于寻找更敏感、特异且无创的生物标志物，例如从外泌体、ATP酶活性、炎症因子谱等角度切入。我们团队也正在开展相关探索，尝试结合临床指标与新型生物标志物，构建多模态评估模型。

虽该模型非 “完美”，但能显著提升免疫评估精准度，为医师提供可靠 “黄金阈值”，辅助实现精准免疫调控，帮助受者在感染与排斥间找到最佳平衡，保障长期存活与高质量生活。

医脉通：

随着人工智能（AI）辅助诊断等技术在移植领域的应用，其为免疫与抗感染平衡管理带来了新的机遇。您认为这些新兴技术在临床转化过程中，需要突破哪些技术瓶颈与临床应用障碍，才能真正实现对平衡管理策略的优化升级？

巨春蓉教授：

相较于慢阻肺、老年慢性病等领域，AI 在移植领域的应用尚处于相对滞后的阶段，核心原因在于移植领域的特殊性与 AI 技术对 “大数据” 的依赖存在矛盾。

AI 模型的精准度高度依赖海量数据的支撑 —— 数据样本量越大、覆盖场景越广，模型经训练后输出的结果可信度与实用性越强。以慢阻肺研究为例，全国范围内的大规模调研可纳入成千上万的病例，为 AI 提供充足数据输入；老年慢性病因受众人群广泛，其临床数据同样具备 “量大、共性强” 的特点，能够快速满足 AI 模型的训练需求，进而产出精准度较高的分析结果。

但移植领域的情况截然不同。一方面，移植受者群体规模远小于慢性病患者，无论是异基因造血干细胞移植还是实体器官移植，其受众基数本身有限，直接导致可供 AI 训练的原始数据总量不足。另一方面，移植受者的个体差异性极强：每位受者的免疫平衡状态均需精准调控，且影响这一平衡的因素（如基础疾病、移植器官类型、术后用药方案等）复杂多样，使得不同受者之间的 “共性特征” 较少。

不过，随着我国异基因造血干细胞移植与实体器官移植技术的不断发展，移植受者群体规模正逐步扩大，临床管理经验、循证医学证据及基础与临床结合的研究成果也在持续积累。未来若能将这些宝贵的临床数据、理论成果与 AI 技术深度融合，形成 “数据输入 — 模型训练 — 结果输出 — 临床验证 — 数据补充” 的良性循环，有望推动 AI 在移植领域实现突破性应用，为临床医师提供更精准的决策支持。

从临床需求来看，AI 在移植领域的核心价值在于解决 “免疫平衡动态监测” 这一关键难题。移植术后，感染与排斥反应如同天平两端，常呈现 “互为因果、动态转化” 的关系：当受者发生感染（尤其是重症感染）时，临床需下调免疫抑制剂用量以增强机体抗感染能力，但这一调整可能诱发排斥反应；反之，为预防排斥而强化免疫抑制，则会增加感染风险。然而，当前临床缺乏精准的生物标志物或监测指标，无法实时判断 “天平” 的倾斜方向 —— 当医生通过临床症状、体征或实验室检查发现矛盾转化时，往往已处于病情进展阶段，错失了早期干预的时机。

因此，临床对 AI 模型的核心期望集中在两方面：一是早期预警，即通过整合多维度数据（如免疫细胞活性、炎症因子水平、用药变化等），让 AI 实时捕捉 “天平” 的细微摆动趋势，在感染或排斥反应发生前发出预警，帮助医生提前启动预防措施；二是精准鉴别，当感染与排斥反应同时存在或难以区分时，AI 模型可通过分析海量临床案例与多模态数据，明确当前病情的 “主要矛盾”—— 判断哪一并发症是 “元凶”、哪一是 “继发影响”，为医生制定精准的治疗方案（如调整免疫抑制剂用量、选择针对性抗感染药物）提供依据，最终实现移植术后的精细化管理。

巨春蓉 教授

广州医科大学附属第一医院 教授，主任医师，博士生导师，博士后合作导师

中华医学会广东省器官移植分会第四届委员会副主委

中华医学会第九届器官移植分会感染学组副组长

中华医学会器官移植分会肺移植学组委员

中华医学会器官移植分会围手术期学组委员

中华医学会广东省呼吸病学分会青年委员会主委

广东省肺栓塞与肺动脉高压专委会副主委

广东省弥漫性实质性肺疾病专业委员会副主委

国家卫健委中国肺移植质控中心质控委员

国家卫健委中国肺移植内科质控委员会副组长

中国器官移植发展基金会器官移植受者健康管理委员会委员

广东省精准治疗专业委员会副主委

加拿大多伦多大学器官移植中心访问学者

广东省第一批医学青年领军人才