一、本讲信息
- 课程：PAED7902 Introduction to Genomic Medicine and Precision Health
- 讲次：Journal Club 2，上课日期 2026-10-04
- 研读论文：Stark Z & Scott RH. Genomic newborn screening for rare diseases. Nature Reviews Genetics 2023;24:755–766（DOI:
10.1038/s41576-023-00621-w）
- 主课件：
Genomic_Newborn_Screening-Journal_club_20261006_updated.pptx（48 页；同目录下无日期后缀的同名 pptx 为旧版本，本笔记以最新版为准）。课件首页未标注授课教师姓名。
- 课件给出的学习问题：基因组测序能否改善新生儿健康？什么样的证据才能支持人群规模的实施（population-scale implementation）？
- 课前任务（Slide 2）：观看关于 Old Order Amish（旧秩序阿米什人）的短片，并阅读课件列出的 PubMed（PMID: 15211651）与 NCBI Books（NBK1319）链接。
二、学习目标
- 说明传统新生儿筛查（newborn screening, NBS）的原理、成功条件与局限，以及基因组新生儿筛查（genomic newborn screening, gNBS）为何在过去十年变得可行。
- 区分诊断（diagnosis）与筛查（screening）两种场景，并用基础概率（base rate）与贝叶斯定理（Bayes' theorem）解释为什么在罕见病筛查中假阳性（false positive）问题被显著放大。
- 准确写出敏感度（sensitivity）、特异度（specificity）、阳性预测值（positive predictive value, PPV）与阴性预测值（negative predictive value, NPV）的定义。
- 运用 ACCE 框架（分析有效性、临床有效性、临床有用性、伦理法律与社会影响）评估一项基因检测是否适合人群筛查。
- 概述当前 gNBS 的证据现状（BabySeq、NC NEXUS、First 1000 Days 等）以及论文作者持谨慎态度的理由。
三、核心内容
1. 从传统新生儿筛查到基因组新生儿筛查
** 新生儿筛查（newborn screening, NBS）** 指在出生后不久、对表面上健康的新生儿进行检测，目的是在症状出现前发现可治疗的严重疾病。最早的 NBS 由 Robert Guthrie 在 1960 年代建立：用足跟采血（heel-prick）滴在滤纸上（即 Guthrie 卡），检测苯丙酮尿症（phenylketonuria, PKU）。1990 年代串联质谱（tandem mass spectrometry, MS/MS）引入后，一份血样可同时测定数十种代谢物，一次筛查数十种疾病，形成现代 NBS 项目。美国 CDC 将 NBS 列为全球十大公共卫生成就之一。
各国筛查病种数量不同：美国推荐面板 35 种、意大利 40 种、澳大利亚与新西兰 25 种、德国 19 种、英国 9 种。论文指出，目前被认为可治疗的罕见病中** 不到 5%** 纳入了筛查；且在可治疗的罕见遗传病中，目前** 不足 10%** 有能改善结局的有效治疗。
传统 NBS 本质上是** 表型（phenotype）检测**：测定代谢物、蛋白质或生理指标。许多遗传病（如免疫缺陷、遗传性肿瘤综合征、心肌病、神经发育障碍）不产生可测量的生化标志物，因此对传统筛查"不可见"。
** 基因组新生儿筛查（gNBS）** 改为直接测定 DNA：对预先定义的一组基因分析其致病变异，可同时筛查数百种疾病，包括心脏、内分泌、血液、免疫、神经、骨骼疾病及儿童肿瘤易感综合征。Slide 6 归纳了近十年使其可行的变化：测序更便宜、出结果更快、变异解读更好、精准治疗更多、基因组数据库更大。此外基因组数据可终身复用：指导用药（药物基因组学 pharmacogenomics）、生殖咨询（reproductive counseling）和研究。
2. 读懂这篇论文需要的四个概念（Slide 10）
(1) 诊断与筛查是两回事（Slide 11）
ㅤ | 诊断（Diagnosis） | 筛查（Screening） |
对象 | 已经患病的人 | 健康人群 |
疾病概率 | 高 | 极低 |
假阳性 | 可以接受 | 必须极低 |
目的 | 解释已有症状 | 在症状出现前发现疾病 |
关键信息：一个在诊断场景表现良好的基因组检测，用作人群筛查时可能表现很差。原因是在无症状个体中，** 外显率（penetrance，即携带致病变异者真正发病的比例）** 成为关键——有的变异携带者终生不发病，假阳性因此严重得多。
(2) 基础概率忽视（base rate neglect）与贝叶斯定理（Slide 14–19）
课件用乳腺癌筛查例子：40–50 岁女性中 1/100 患癌；乳腺钼靶敏感度 99%（患者中 99% 阳性），无癌者中 1% 假阳性。设 10,000 人受检：
- 100 人患癌 → 约 99 个真阳性（true positive）
- 9,900 人健康 × 1% ≈ 99 个假阳性（false positive）
阳性者中真正患癌的概率 = 99 / (99+99) = 50%，而不是直觉的 99%。这就是贝叶斯定理的应用：检测结果需与检查前的患病概率（基础概率）结合解读。
若患病率降到 1/100,000（接近罕见病），敏感度与特异度仍为 99%：筛 10 万人得约 1 个真阳性、约 1,000 个假阳性，阳性预测值仅约 0.1%。结论（Slide 19）：** 疾病越罕见，假阳性越重要；再优秀的检测用于罕见病筛查时表现也可能很差**。
(3) 筛查试验准确性的四个指标（Slide 21–24）
问题 | 指标 | 定义（条件概率） |
患病者中谁呈阳性？ | 敏感度（sensitivity） | P(检测阳性 | 有病) |
健康者中谁呈阴性？ | 特异度（specificity） | P(检测阴性 | 无病) |
阳性者中谁真患病？ | 阳性预测值（PPV） | P(有病 | 检测阳性) |
阴性者中谁真健康？ | 阴性预测值（NPV） | P(无病 | 检测阴性) |
以四格表表述：A=真阳性、B=假阳性、C=假阴性、D=真阴性，则敏感度 = A/(A+C)，特异度 = D/(B+D)，PPV = A/(A+B)，NPV = D/(C+D)。PPV 随患病率下降而下降，是筛查研究解读的核心。
(4) ACCE 框架（Slide 25–26）
- ** 分析有效性（analytic validity）**：检测能否准确测量基因型（测序与变异检出是否准确、可重复）；
- ** 临床有效性（clinical validity）**：基因型能否预测表型（phenotype，即疾病表现）；
- ** 临床有用性（clinical utility）**：知道结果能否改善健康结局；
- ** 伦理、法律与社会影响（Ethical, Legal and Social Implications, ELSI）**：更广泛的影响。
一项临床检测应依次满足：测得准（分析有效性）→ 结果能预测疾病（临床有效性）→ 结果对患者有帮助、有可采取的行动（actionability）→ 利大于弊且合乎成本效益 → 才能进入常规临床或人群筛查。
3. PKU：为什么它是第一个成功范例（Slide 27–28）
苯丙酮尿症由 PAH 基因（编码苯丙氨酸羟化酶）的致病变异引起，常染色体隐性遗传。缺乏该酶时苯丙氨酸蓄积，对发育中的大脑有毒性；患儿出生时正常，未治疗则出现进行性智力障碍，且神经损害基本不可逆。低苯丙氨酸饮食是有效治疗。对照筛查标准：疾病严重、出生时无症状、有可靠检测、有有效治疗、早治可预防——分析有效性、临床有效性、临床有用性均为"优"，因此 PKU 成为全民新生儿筛查的依据。
同一框架用于健康新生儿全基因组测序（Slide 29）：分析有效性很高，但临床有效性因基因而异、临床有用性可变、伦理顾虑显著、成本效益仍在评估，** 尚不适合全民筛查**。
4. 机会与收益（Slide 30–31、论文 Table 1）
潜在收益链条：更早诊断 → 更早治疗 → 减少残疾与死亡 → 缩短"诊断旅程"（diagnostic odyssey，指患者和家庭长期反复检查仍未确诊的过程）→ 更多精准医疗机会。储存的基因组数据可终身复用：未来诊断、药物基因组学、生殖携带者筛查、研究。
5. 挑战与危害（Slide 32–39、论文 Table 1）
- ** 变异解读是瓶颈（Slide 13、33）**：测序相对容易，解读困难。学生常以为"DNA 变异 = 疾病"，现实是变异 → 外显率不确定 → 表现度（expressivity，疾病严重程度与表现范围）不确定 → 致病性不确定。许多变异的答案就是"不知道"。
- ** 意义未明变异（variant of uncertain significance, VUS）**（Slide 34）：可能无害、可能致病、证据不足。是否告知家长是论文反复涉及的争议。
- ** 假阳性的现实代价**（Slide 35）：健康婴儿筛查阳性 → 家长焦虑 → 追加血液检测、遗传咨询 → 数月不确定 → 孩子最终健康。
- ** 生物信息学流程**（Slide 36）：测序流程 → 变异检出（variant calling）→ 注释（annotation）→ 过滤（filtering）→ 致病性评估 → 报告；课堂讨论"哪一步最容易出错"。
- ** 筛查范围的伦理争议**（Slide 37）：可治疗的儿童期疾病较无争议；不可治疾病、携带者状态（carrier status）、成年期发病疾病（adult-onset disorders，如 BRCA1 相关肿瘤、Huntington 病）是否筛查，论文显示存在明显分歧。专业指南通常建议未成年人仅在其儿童期有健康获益时才做基因检测。
- ** 数据治理（data governance）**（Slide 38）：基因组数据归谁所有（父母/孩子/医院/政府）、存多久、谁能访问。
- ** 知情同意（informed consent）**（Slide 39）：现行 NBS 多为默示同意（implied consent）；基因组筛查涉及不确定结果、未来数据使用、偶然发现（incidental findings），同意复杂得多；论文指出引入详细知情同意可能降低参与率，需把 gNBS 与标准 NBS 分开设计。
- ** 外显率与表现度问题**（论文）：部分儿科心脏与肿瘤易感综合征外显率可变；Pompe 病、X 连锁肾上腺脑白质营养不良等从重型婴儿型到成年型表现谱广，基因型–表型相关并不总是清楚；X 连锁疾病是否仅报告男婴亦是设计问题。
- ** 公平性（equity）**：原住民等人群的基因组数据缺乏，可能导致解读不公；无全民医保的地区还涉及保险与后续诊疗可及性。
6. 目前的证据（Slide 40–43、论文）
- ** 公众与家长态度总体积极：多数（>70%）希望获知可治疗的儿童期疾病结果，相当比例也想知道不可治儿童期与成年期疾病结果；且相比最大化敏感度，参与者更偏好结果的清晰与确定。 专业人员更谨慎**：多项调查一致认为 gNBS"目前不合适、但十年内会发生"；全球多个专业机构的立场声明均建议谨慎，当前共识是"尚不成立"。
- ** 回顾性研究**：NBSeq 项目在加州 1,728 名婴儿中比较，外显子测序敏感度 88%、特异度 98.4%，低于标准 NBS 的 99.0%/99.8%；作者推算其外显子筛查流程在加州每年约 50 万新生儿中将产生约 8,000 个假阳性（标准 NBS 为 1,362 个），结论是外显子测序** 不适合单独作为一线筛查**，但可作第二线检测减少假阳性。
- ** 三项前瞻性队列**（均在美国）：
- First 1000 Days：1,349 个家庭产前同意，基于 trio 全基因组测序筛查 329 个免疫缺陷相关基因，发现 1 例 C9 免疫缺陷（经典补体通路缺陷）；
- NC NEXUS：61 名健康新生儿 + 45 名代谢病或耳聋患儿，外显子测序 466 个儿童期发病且医学上可行动的疾病；确认 15/17（88%）代谢病与 5/28（18%）耳聋的分子诊断，并发现 4 项标准 NBS 会漏掉的可行动发现；
- BabySeq（随机对照试验）：127 名健康 + 32 名危重新生儿，筛查 954 种疾病；159 名受检新生儿中 15 名（9.4%）有儿童期发病风险，3 名（3.5%）有成年期发病风险，88% 检出携带状态，5% 检出药物基因组变异；与标准 NBS 相比，外显子多检出 15 名、漏掉 2 名。值得注意的是，实际入组率不足受邀 3,860 个家庭的 10%；随访调查显示家庭未出现持续性心理社会负面影响。
- ** 成本效益**：论文明确指出** 尚无研究评估这一关键问题**。唯一相关建模（美国 370 万出生队列、肥厚型心肌病 8 基因）估算：到 20 岁可预防 44 例死亡，但需 8,127 名儿童接受额外监测、227 名植入除颤器；每挽救一个生命年的成本约 26.7 万美元，普遍筛查** 不太可能具有成本效益**。
- Slide 42 归纳证据缺口：临床有用性、长期结局、成本效益、可行性、可接受性、公平性均缺证据。
7. 论文真正在问什么（Slide 45–48）
作者反复强调，论文问的** 不是**"能否准确测序 DNA"，而是：能否准确预测疾病？筛查能否改善结局？利是否大于弊？假阳性能否最小化？人群筛查是否正当？结论（Slide 46–47）：gNBS 是最重要的新兴精准医学应用之一，技术日益可行，但** 实施挑战可能比测序挑战更难**，人群层面实施的证据尚不完整；精准医学不只是基因组学，而是获益、危害、伦理、成本与公平之间的平衡。课堂最终投票问题（Slide 48）：如果你是香港卫生署署长，今天会否推荐为每个新生儿做基因组测序（是/否/仅限选定疾病/证据不足）。
四、关键图解
【图待补】slide7-fig1-global-gnbs-studies.png— Fig.1 全球基因组新生儿筛查研究 课件 Slide 7 内嵌的论文 Fig.1：正在启动的大规模 gNBS 研究世界地图，标注各国队列规模与技术——美国 GUARDIAN（10 万名、WGS、160 种疾病）、英国 Generation Study（10 万名、约 250 种）、美国 BabySeq（1,000 名、约 1,000 种、随机对照试验）等九项。
【图待补】slide23-2x2-test-accuracy.png— 四格表 课件 Slide 23 引用的筛查试验四格表（来源 medbullets）：按"有病/无病 × 阳性/阴性"划分真阳性（A）、假阳性（B）、假阴性（C）、真阴性（D），并给出敏感度、特异度、PPV、NPV 的计算公式。
【图待补】p4-fig2-sequencing-impact.png— Fig.2 测序对罕见病的影响 论文 Fig.2（PDF 第 4 页）：基因组测序通过"准确诊断"（基础设施与人力、快速出报告、临床实施、多组学、基因发现）与"精准治疗"（小分子、蛋白替代、基因治疗、寡核苷酸、细胞治疗）两翼共同改善罕见病结局。
【图待补】p6-table1-opportunities-challenges.png— Table 1 机会与挑战 论文 Table 1（PDF 第 6 页）：gNBS 的机会与挑战逐条对照——可筛查病种更广、新增病种成本低、检测不受早产或疾病影响、数据终身复用；对应的大规模知情同意、低成本高速测序、数据解读、人力与公平性等挑战。
【图待补】p7-fig3-nbs-pathway.png— Fig.3 筛查路径六步 论文 Fig.3（PDF 第 7 页）：新生儿筛查路径的六个步骤及各步引入基因组测序需考虑的问题——①信息与同意 ②采样测序与分析 ③结果返还 ④治疗 ⑤项目评估 ⑥数据储存与复用。
五、课前思考 / 自测
以下题目提炼自课件配套
MCQ-JC2.docx（附答案与解析要点）：- 诊断与筛查的根本区别是什么？ 答案：诊断在患病概率较高的人群（已有症状者）中进行；筛查针对基本健康、患病率很低的人群。
- ** 某病患病率 1%，检测敏感度 99%、特异度 99%，筛查阳性者真正患病的概率约为多少？** 答案：约 50%（99 个真阳性对 99 个假阳性）。
- ** 论文认为 gNBS 最大的挑战是什么？** 答案：数据解读/变异解读（测序日益容易，解读仍是瓶颈），而非采样、DNA 提取或测序化学本身。
- ** 健康新生儿检出致病变异却可能终生不发病，用哪个概念解释？** 答案：外显率（penetrance）。
- （进阶政策题）政府今天应采取哪种政策？ 最佳答案：继续传统 NBS，并在证据积累期间仅对精心选定的疾病增加基因组测序——即论文主张的"补充而非取代"，渐进整合而非全面替换。
课前另可思考课件的两个讨论题：若全基因组测序足够便宜，是否应给每个新生儿测序（Slide 44）？意义未明变异（VUS）应否告知家长（Slide 34）？
六、参考材料
- 主课件：
Materials/Genomic_Newborn_Screening-Journal_club_20261006_updated.pptx（48 页，本讲最新版；旧版Genomic_Newborn_Screening-Journal_club.pptx未使用）
- 研读论文：
Materials/Genomic_Newborn_Screening.pdf— Stark Z, Scott RH. Genomic newborn screening for rare diseases. Nat Rev Genet 2023;24:755–766
- 课前阅读：
Materials/Before_JC_Newborn_Screening.docx（背景概念讲义：NBS 历史、Wilson–Jungner 原则、基础概率与贝叶斯、四项准确性指标、ACCE 框架）
- 自测题：
Materials/MCQ-JC2.docx（12 题 MCQ + 1 道政策讨论题，含答案与解析）
Loading...
