摘要：近日，EHA 2025大会报告（EHA Perspectives Congress Reports）正式发布，分为恶性血液学和非恶性血液学两大部分。报告全面梳理了大会期间公布的重大科研成果与临床进展，为全球血液学专业人士提供了深入了解领域前沿动态的权威参考。本
编者按：近日，EHA 2025大会报告（EHA Perspectives Congress Reports）正式发布，分为恶性血液学和非恶性血液学两大部分。报告全面梳理了大会期间公布的重大科研成果与临床进展，为全球血液学专业人士提供了深入了解领域前沿动态的权威参考。本文特别整理了恶性血液学报告中关于“血液学精准医疗的基因组学和功能技术新前沿”的专题内容，分为两期（点击此处查看上期内容），旨在为大家提供富有价值的临床与科研洞见。
精选演讲概览
CITE-seq多组学分析揭示新诊断AML中基因变异与免疫表型之间的关联
急性髓系白血病（AML）的免疫表型呈现高度异质性，缺乏统一的白血病标志物，不同患者之间相似性较低[14]。本研究采用综合策略，系统描绘了新诊断AML的免疫表型多样性[15]。研究团队采用5管流式细胞术及一种新型的无监督聚类算法（MSGMM），分析了520份诊断时采集的骨髓穿刺样本，共计超过5000万个细胞，构建出AML的表型图谱，并基于关键髓系标志物表达模式识别出7个不同的免疫表型簇。
这些免疫表型簇与特定基因型密切相关。例如，具有较成熟的CD34阴性原始细胞的患者主要与NPM1突变相关联。值得一提的是，研究还识别并分层了一类在健康骨髓中几乎不存在的“白血病相关免疫表型”（LAIPs）。这些表型具有临床可操作性，可为靶向治疗策略的制定提供依据。
通过单细胞多组学解析MDS中的炎症与免疫逃逸机制
骨髓增生异常综合征（MDS）是一类克隆性造血干细胞肿瘤，具有异质性，临床特征包括骨髓发育异常、造血无效、外周血细胞减少，以及向AML转化的高风险[16-17]。虽然TP53突变约占全部MDS突变的10%，且已知其可驱动免疫抑制性肿瘤微环境（TME）的形成[18-19]，但本研究聚焦于非突变型p53功能障碍在MDS中的作用，并采用整合的单细胞多组学方法，对骨髓免疫环境进行了分层[20]。
研究团队通过CITE-seq、转录组分析及高维流式细胞术，对患者样本进行多维度分析，识别出一类尽管不携带TP53突变、但具有p53功能障碍转录特征和免疫表型特征的MDS亚群。该亚群中，p53下游靶基因表达下调，造血干/祖细胞（HSPCs）表现出一系列异常特征，包括抗原呈递能力受损、PD-L1表达上调，以及TNFα和TGF-β信号通路激活。
值得注意的是，该p53功能障碍并不依赖于IFNγ驱动的CD34+前体细胞介导的调节性T细胞扩增，而更可能与炎症信号通路密切相关。
CITEseq多组学分析
这些发现首次揭示了在TP53未突变的情况下，MDS中炎症信号与免疫逃逸机制之间的联系，提示该患者亚群可能对免疫治疗（尤其联合抗炎策略）具有潜在响应。
LBCL中的生物标志物驱动免疫治疗：BIO-CHIC研究
BIO-CHIC（NGL-LBC-6）Ⅱ期临床试验是一项面向65岁以下高危大B细胞淋巴瘤（LBCL）患者的精准医疗研究，采用基于生物标志物的分层方法，指导风险适应的免疫化疗方案及早期中枢神经系统（CNS）预防策略[21-22]。研究根据多种生物学风险因素对患者进行分层，包括单一MYC重排、双打击淋巴瘤（DHL）、TP53缺失或过度表达、MYC/BCL2共表达以及CD5阳性。高危患者接受DA-EPOCH-R方案，低危患者则接受R-CHOEP-14方案。
在EHA大会上公布的研究结果显示，该研究总体5年生存数据表现良好：无失败生存率（FFS）为75%，无进展生存率（PFS）为83%，总生存率（OS）为89%，在高危亚组中生存数据虽略低，但仍处于可接受范围。然而，TP53异常以及治疗前循环肿瘤DNA（ctDNA）水平较高的患者，预后显著较差。ctDNA分析结果显示，肿瘤负荷、治疗反应及复发风险之间存在高度相关性：治疗结束时（EOT）ctDNA阳性提示较高复发风险，而ctDNA阴性则提示持续缓解，并可用于澄清正电子发射断层扫描（PET）中的假阳性结果。
因此，ctDNA被证实是一种优于传统临床评分系统[如年龄调整国际预后指数（aaIPI）]的强效风险分层生物标志物，能够早期识别化疗耐药风险。将该策略与LymphGen等基因分型工具结合，可将弥漫大B细胞淋巴瘤（DLBCL）划分为不同分子亚型，从而实现基于生物学特征的精准治疗选择。
通过多学科实施，将血液学中的诊断创新转化为临床实践
经典生物医学驱动创新，而“实施科学”则确保这些突破以结构化方式整合进临床实践，最终让个体患者真正获益[23]。由35个医学协会和超过40万名医疗保健专业人员组成的欧洲生物医学联盟 (Biomedical Alliance in Europe) 致力于推动实施科学在以患者为中心的精准医疗中的作用[24]。
在今年的EHA大会上，Elizabeth Macintyre教授介绍了实施科学的核心原则，并强调其在血液学领域的重要意义。该领域的诊断流程日益涵盖组织学、基因组学、免疫学和血液学等多个维度，这也引发了如何定义一致且具有临床意义的诊断标准的问题。
血液系统恶性肿瘤诊断创新的成功实施依赖于国家级诊断网络的发展。已有的典型案例包括英国的SIHMDS系统，以及法国的GBMHM和LBMR网络，这些体系专注于国家指南的制定、健康技术评估（HTA）以及分子检测的真实世界验证[24-25]。
在整个欧洲范围内，诊断实施工作还需考虑人口规模与语言多样性等因素。成功的诊断实施需多方利益相关者的协作、具备法规知识的专家支持、实施与监管科学方面的培训、统一协调的诊断网络建设，以及来自政府和非营利组织的支持。同时，还需发展合理的HTA与监管评估机制。
值得强调的是，在追求诊断效率与标准化的同时，不能以牺牲学术创新与科研发展为代价。
将科研成果转化为患者获益
参考文献：
[1]Eckardt JN. AI in hematology diagnostics. Oral presentation p502 1 at EHA2025.
[2]McDuff D, et al. Towards accurate differential diagnosis with large language models. Nature 2025;642(8067):451-457.
[3]Tu T, et al. Towards conversational diagnostic artificial intelligence.Nature 2025;642(8067):442–450.
[4]Della Porta MG. Digital pathology for personalized medicine in hematological malignancies. Oral presentation p255-4 at EHA2025.
[5]Asti G, et al. Artificial IntelligencePowered Digital Pathology to Improve
Diagnosis and Personalized Prognostic Assessment in Patient with Myeloid Neoplasms. Blood
2024;144:3598.
[6] Xu H, et al. A whole-slide foundation model for digital pathology from
real-world data. Nature 2024;630:181-188.
[7]Matek C, et al. Highly accurate differentiation of bone marrow cell morphologies using deep neural networks on a large image data set. Blood 2021;138(20):1917–1927.
[8]Eckardt JN, et al. Deep learning detects acute myeloid leukemia and predicts NPM1 mutation status from bone marrow smears. Leukemia 2022;36(1):111-118.
[9]Kather J. Artificial intelligence in hematology: Opportunities, pitfalls, and how to bring it to clinical practice. Oral presentation p201-3 at EHA2025.
[10]Lång K, et al. Artificial intelligencesupported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI): a clinical safety analysis of a randomised, controlled, non inferiority, single-blinded, screening accuracy study. Lancet Oncol. 2023;24(8):936-944.
[11] Langerak A. NGS immunogenetics. Abstract p282-1 presented at EHA2025.
[12] Langerak AW, et al. High-Throughput Immunogenetics for Clinical and Research Applications in Immunohematology: Potential and Challenges. J Immunol. 2017;198(10):3765-3774.
[13]Langerak AW. Immunogenetics. Meth in Mol Biol. Springer Protocols 2022.
[14]Papaemmanuil E, et al. Genomic Classification and Prognosis in Acute Myeloid Leukemia. N Engl J Med. 2016;374(23):2209-2221.
[15] Mocking T. Multimodal analysis of newly diagnosed acute myeloid leukemia patients reveals associations between genetic lesions and immunophenotypes. Oral presentation S121 at EHA2025.
[16]Cazzola M. Myelodysplastic Syndromes. N Engl J Med. 2020;383(14):1358-1374.
[17]Dunn WG, et al. Clonal hematopoiesis and hematological malignancy. J Clin Invest. 2024;134(19):e180065.
[18]Sallman DA, et al. Impact of TP53 mutation variant allele frequency on phenotype and outcomes in myelodysplastic syndromes. Leukemia 2016;30(3):666-673.
[19]Daver NG, et al. TP53-Mutated Myelodysplastic Syndrome and Acute Myeloid Leukemia: Biology, Current Therapy, and Future Directions. Cancer Discov. 2022;12(11):2516-2529.
[20]Zampini M. The interplay between inflammation and immune escape in MDS with p53 dysfunction evolution: insights from single-cell multi omics. Oral presentation s171 at EHA2025.
[21] Leppä S, et al. Biomarker-adapted treatment in high-risk large B-cell lymphoma: long-term follow-up of a Nordic phase II trial. Hemasphere. 2025;9(5):e70139.
[22] Lepp? S. Biomarker-driven trials: Immunotherapy prediction in lymphoma. Oral abstract p269-2 presented at EHA2025.
[23] Macintyre E. Implementation science in diagnostics. Oral abstract p282-1 presented at EHA2025. [24]https://www.biomedeurope.org
[25]Cayuela JM, et al. Implementation science in hemato-oncology molecular diagnostics in France via the Groupe des Biologistes Moléculaire des Hémopathies Malignes (GBMHM). HemaSphere 2025;9(4):e70121.
来源：肿瘤瞭望
