编辑推荐：
这篇综述聚焦急性髓系白血病（AML）体能状态评估。介绍了当前评估工具，分析现有评分系统的局限性，探讨未来需更新评估概念、纳入生活质量指标，还提出人工智能（AI）可助力，有望推动精准治疗。
引言
急性髓系白血病（AML）主要侵袭老年人，确诊时的中位年龄达 67 岁。它并非单一疾病，而是多种疾病与患者相关因素共同作用的结果，这就导致不同患者群体的治疗结果差异很大，尤其是老年患者。过去几十年，年轻 AML 患者的预期寿命有所改善，但老年患者的变化却不大，65 岁以上患者确诊后存活超五年的比例不足 10% 。
这主要是因为老年 AML 患者的临床和生物学特征特殊，对现有治疗的反应和耐受能力较差。而且，单一的预后因素无法准确评估治疗干预的成本效益比，因此多参数模型应运而生，旨在为患者量身定制治疗方案，这一应用被称为体能状态评估。不过，目前虽然有多种模型可供选择，但缺乏统一的使用指南，多数模型也仅在接受传统诱导治疗的患者中进行过测试，其在非强化和维持治疗场景中的可靠性还未得到充分验证。
体能状态评估的现状
在诊断 AML 时，患者的共病负担、身体功能、认知状态以及社会家庭支持网络等因素，都会显著影响他们对治疗的耐受能力。为了衡量这些因素对 AML 治疗耐受性的影响程度，人们开发出了体能评分工具。
长期以来，年龄被当作评估体能的替代指标。老年患者常伴有多种共病，身体状况（PS）也较差，且 AML 在老年患者中往往具有不良的遗传特征，对现有疗法的敏感性较低。然而，年龄大并不一定意味着体能差，所以年龄不能单独作为可靠的评估参数。PS 与预后密切相关，PS 较低的患者预后通常较差，但 PS 的测量存在主观性，且易受疾病负担影响，无法完全反映患者的整体健康状况。
共病也是评估体能时必须考虑的重要因素。抗白血病治疗可能会加重先前存在的疾病，进而影响整个治疗计划的成败。Charlson 共病指数（CCI）虽旨在客观评估共病负担，但存在缺陷，比如单一严重共病得分低却仍与早期死亡率相关，多个轻度共病累加可能对治疗结果无实际影响，且该指数并非专为 AML 患者设计。
在其他血液恶性肿瘤中，也有类似的体能评估工具。慢性淋巴细胞白血病（CLL）中，累积疾病评级量表 - 老年版（CIRS - G）和综合老年评估（CGA）可预测患者对长期口服疗法或联合方案的耐受能力，但对共病影响评估不足；多发性骨髓瘤中，国际骨髓瘤工作组（IMWG）虚弱评分广泛用于评估患者自体干细胞移植的资格；非霍奇金淋巴瘤中，国际预后指数（IPI）等工具结合老年评估预测治疗毒性和生存情况，但对新疗法指导有限；急性淋巴细胞白血病（ALL）则缺乏有力的体能评估研究数据，多依赖临床医生的主观判断。
在 AML 领域，除了 CGA，还有专门的体能评估工具。AML 综合模型（AML - CM）整合临床和遗传参数，能较好地预测患者接受强化或非强化治疗后的 1 年死亡率；费拉拉标准（Ferrara criteria）基于综合临床参数将 AML 患者分为体能良好、体能不佳和虚弱三类，在预测体能不佳患者强化化疗后的早期死亡率方面可靠性较高，但在非强化治疗场景中需进一步更新；治疗相关死亡率（TRM）评分通过评估临床和遗传参数，估计强化化疗 28 天后的死亡风险，但存在临界值设定主观、未在非强化和低强度治疗患者中测试等问题。
现有评分的局限性
现有体能评估工具数量众多，这一方面体现了精准选择治疗方案的重要性，另一方面也反映出该领域缺乏统一标准和指南。目前的体能模型大多将患者分为适合和不适合接受强化化疗两类，这种二分法无法为数量庞大且情况复杂的不适合强化化疗患者提供明确的治疗方向。这部分患者涵盖了从无法接受积极治疗的虚弱患者，到可能适合非强化治疗的患者，而后者又可细分，不同细分类型对不同非强化治疗方案的反应和毒性风险各异，临床医生在选择治疗方案时多依赖个人经验，易导致过度治疗或治疗不足。
此外，现有评分多以早期死亡率衡量体能评估效果，这虽有大量研究数据支持且便于癌症专家评估，但早期死亡率只能反映患者接受特定治疗后的存活时长，无法体现治疗期间的生活质量和非致命性副作用风险。随着治疗理念的发展，生活质量（QoL）及其在治疗过程中的变化越来越受到关注，尤其是在非强化和低强度治疗中，治疗目标并非追求长期治愈，然而现有体能模型均未纳入这一关键因素。
未来方向
AML 治疗方案不断演进，体能评估的概念和方法也需与时俱进。现有评估工具主要针对传统强化化疗设计，难以准确评估患者对新型强化（如 CPX - 351）、低强度（如 IDH 抑制剂和维奈托克）和维持治疗方案的体能适应性。因此，确定描述中等体能水平的标准至关重要，这是重新校准现有评分或开发新评分的基础。
新型低强度治疗显著延长了不适合强化化疗患者的预期寿命，这使得评估这些药物对患者生活质量的影响变得尤为重要。已有研究表明，血液肿瘤患者的生活质量与生存率密切相关，虽然目前缺乏将生活质量纳入体能评估的充分证据，但在治疗过程中动态评估所有患者的生活质量仍是必要的，应优先积累新型药物对定量（如生存率和早期死亡率）和定性（如生活质量）终点影响的证据。
人工智能（AI）为 AML 体能评估带来了新的可能。AI 工具可分析包含临床、遗传信息和患者报告结果的复杂数据集，提升预测准确性。例如，机器学习算法能从大量数据中识别与治疗耐受性和短期、长期治疗结果相关的单一及组合参数；自然语言处理技术可提取和分析电子健康记录中的非结构化数据，为评估提供更多信息，且模型能根据新数据实时更新，实现动态评估。
不过，AI 在体能评估领域的广泛应用也面临挑战。伦理问题是其中的关键，如保障患者数据隐私和避免算法开发中的偏差。而且，医生的评估具有独特优势，他们能更好地考虑复杂的社会和情感因素，这些是 AI 难以准确评估的。因此，AI 在 AML 体能评估中的成功应用，需要血液肿瘤专家和监管机构跨学科合作，共同完成工具的训练、验证和标准化工作。
