炎症 / 免疫 / 感染
Unmasking Metaflammation in Cardiometabolic Risk
— 將 ASCVD, 二型糖尿病、慢性腎病及癌症從孤立器官疾病，轉變為源自共同上游因素—— 慢性非傳染性炎症或「代謝炎症 metaflammation」，革新了臨床風險分層方法。 — 代謝性炎症是由代謝細胞（主要為脂肪細胞）因長期營養過剩引起的低度、持續且全身性炎症。例如，動脈粥樣硬化本質上是動脈壁的炎症性疾病（如內皮活化、斑塊不穩定），而非單純膽固醇堆積 —— 代謝性慢性炎症為亞臨床狀態，需綜合代謝、炎症及血流動力學指標評估其下游損害。 — 應對慢性低度發炎 (metaflammation) 需摒棄傳統孤立疾病管理，避免將血壓、血糖、血脂視為獨立指標。應採用以人工智慧為核心的連續分層管理，讓臨床醫師同步監測這些交互影響的生物標誌，及早捕捉慢性病共同的炎症根源，遠在症狀出現前。
病原體相關慢性炎症篩檢具「分期性」，因病因明確且感染至癌症的進展過程清楚。例如，1) 病毒性肝炎 (HBV/HCV) 以 HBsAg 及抗 HCV 血清學篩檢最有效，並輔以病毒量及影像檢查監測肝硬化或肝癌。2) HPV 與子宮頸癌進展緩慢，HPV DNA 檢測與液基細胞抹片可早期介入防止惡化。3) 幽門螺旋桿菌感染則可透過糞便抗原檢測簡便篩出，早期發現此「隱形」感染是預防胃腺癌及 MALT 淋巴瘤的關鍵。
理解感染、疾病與身體發炎反應的細微差異，對臨床醫學至關重要。這些術語常被混淆，卻代表不同的生物過程。篩檢策略會因炎症誘因不同——如 1) 病原體、2) 免疫失調（如 自體免疫引發的炎症）或 3) 代謝過剩引起的慢性低度炎症 Metaflammation —— 而有所差異。
「代謝性慢性炎症」Metaflammation 指的是由代謝過剩引發的慢性低度炎症，改變了我們對免疫學與慢性病交集的認知 (Upper Figure)。@PAIR Health 不再僅關注單一指標如 C 反應蛋白 (hs-CRP)，而是偏好綜合指數 (e.g., SII, SIRI, ...)，以反映免疫系統各環節與心臟-血管-代謝-腎臟-肝臟綜合症 (CMS) 的複雜互動。
@PAIR Health, 非病原體引起的發炎，通常稱為慢性發炎或代謝性發炎，常被納入 (System integration) 健康評估中，以評估亞臨床 (subclinical) 或疾病前期 (pre-disease) 的活性狀態。更重要的是，它作為衡量治療效果的關鍵指標。以下真實案例研究 (Figure below) 展示了多種代謝性發炎的標記之應用，這些標記顯示亞臨床動脈粥樣硬化 (Subclinical atherosclerosis) 的活躍狀態，強調了在這個案例針對性專科轉診與介入治療的必要性。
Integrated Intelligence 在您的檢查報告可以看到這些的分析結果 Boundless Reach
自體免疫炎症 —— 自體免疫疾病在健康檢查中如「黑盒子」，因病因多為特發性，篩檢多被動，缺乏主動預防。多數標記如抗核抗體 ANA 缺乏特異性。與癌症篩檢不同，一般族群鮮少進行自體免疫標記篩檢，通常待出現關節痛、疲勞、皮疹等症狀後才檢測。
慢性代謝性炎症：隱匿的代謝灼燒 ——「代謝性炎症」指因代謝過剩引起的慢性低度炎症，非外來病原所致。代謝性炎症 (metaflammation) 是一種由營養過剩、代謝壓力及內臟脂肪增生引發的慢性低度全身性炎症狀態。不同於對感染或組織損傷的急性炎症反應，代謝性炎症持續且無明顯症狀，且缺乏緩解階段。它是心血管、代謝、腎臟及肝臟的主要病理機制，損害血管內皮，促進胰島素阻抗，並引發組織纖維化。此類損傷隱匿，標準血液檢測難以察覺。臨床多透過早期偵測胰島素阻抗及代謝異常相關脂肪肝病，以預測氧化壓力、組織損傷及慢性炎症。
代謝炎症標誌物範圍包括複合細胞指數 (SII, SIRI, NLR, PLR, MLR)、急性期蛋白（高敏 C 反應蛋白、纖維蛋白原等）及代謝炎症比率 (TyG 指數、TyG-BMI, 內臟脂肪指數等）。
風險分層 —— 由於代謝性慢性炎症持續存在，單次數據不如 SII 變化趨勢具參考價值。持續上升顯示代謝失衡。SII 與代謝指標結合效果最佳；例如，將 SII 與三酸甘油酯-葡萄糖指數 (TyG) 結合，可同時反映免疫與代謝對疾病的影響。
From single-snapshot, isolated lab values and toward multi-marker, integrated indices —— While High-Sensitivity C-Reactive Protein (hs-CRP) is an exceptional biomarker for systemic, low-grade vascular inflammation, it gains significant predictive power when mathematically combined with metabolic and lipid markers. In an AI-native healthcare platform, creating an Extended Cardiometabolic-Inflammatory Index allows you to trace the continuous transition from subclinical cellular stress to overt multi-organ damage.