通过深度表型分析来弥补诊断上的空白

《Human Genomics》：Addressing the diagnostic gap through deep phenotyping

罕见病诊断中整合深度表型数据与基因组分析的iDREAMS框架研究，通过病例分析构建标准化表型面板，证实深度表型可发现常规评估遗漏的疾病线索，缩短诊断周期，提升精准医疗的可及性。

　　

摘要

背景

罕见疾病仍然是全球医疗系统面临的一大挑战，其中80%的病例由遗传因素引起。尽管由于成本降低和政策支持，外显子测序（ES）和基因组测序（GS）已在当前的临床实践中变得常规且易于获取，但在系统地收集深入和结构化的表型数据方面进展缓慢，这限制了诊断的准确性。将深度表型分析与基因组分析相结合可能有助于缩小诊断差距。然而，在当前的临床环境中，尤其是在缺乏系统性医学遗传学项目的背景下，其价值尚未得到全面评估。

方法

我们查阅并分析了2022年至2024年间在我们中心接受罕见或疑似遗传疾病评估的患者的临床数据和测序数据。通过详细的病例分析，我们评估了床边数据的详细程度对诊断结果的影响。随后利用专家共识和文献回顾，构建了一个持续更新的“推荐表型面板”（Recommended Phenotypes Panel），并建立了一个名为iDREAMS的九领域框架（整合深度表型分析与遗传分析，用于罕见疾病的评估和管理策略）。

结果

深度表型分析在所有九个领域中发现了标准评估方法所遗漏的诊断线索，指导了基因组分析，缩短了诊断过程，并在许多病例中优化了咨询建议。该面板简化了临床医生的数据收集工作，改善了多学科病例讨论，并直接为iDREAMS框架提供了支持，实现了从表型到基因型的可重复分析路径。

结论

系统的深度表型分析对于缩小罕见疾病诊断中的“测序-分析”差距至关重要。iDREAMS框架提供了一个实用且可扩展的模型，提高了诊断准确性，降低了资源有限环境下的准入门槛，并将精准医疗的覆盖范围扩展到了长期以来未被诊断出的患者群体。

图形摘要