Question and Discussion Period
場次背景
本段為「How to Best Combine Therapies for Patients with Diabetic Kidney Disease」後的問答與討論。逐字稿顯示，討論核心延續前面演講的主題：在糖尿病腎病變（diabetic kidney disease, DKD）治療中，如何實際組合腎素-血管張力素系統阻斷（ACE inhibitor / ARB）、SGLT2 inhibitor、GLP-1 receptor agonist、非類固醇型 mineralocorticoid receptor antagonist（nonsteroidal MRA），以及未來可能加入的 aldosterone synthase inhibitor。討論也觸及風險分層工具、真實世界資料（real-world data）、臨床試驗次族群分析、個別病人反應差異，以及多重藥物併用研究在方法學上的限制。
問題 1：KFRE 風險計算器與 aldosterone synthase inhibitor 未來位置
提問者觀點
第一位提問者自我介紹為來自 Philadelphia Temple University 的 AJ RA。他先肯定本場 symposium，並分享自己在臨床系統中使用 Kidney Failure Risk Equation（KFRE）的經驗。他提到，自己的 Epic 電子病歷系統已嵌入 KFRE，是由一位腎臟科同事協助完成；這個工具在臨床上對他很有幫助，能提醒他哪些病人需要更高警覺。
提問者也承認，這類風險計算器有其限制，但仍認為可作為臨床決策輔助，尤其在 DKD 治療藥物愈來愈多、醫師需要判斷治療優先順序時，風險分層工具可能有助於辨識最需要積極介入的病人。
接著，他轉到另一個治療類別。他表示，目前臨床界才剛逐漸熟悉 SGLT2 inhibitor 與非類固醇型 MRA；他自己也喜歡使用 nonsteroidal MRA，並半開玩笑地稱自己是「aldosterone junkie」。因此，他想請教講者與 panel：aldosterone synthase inhibitor 未來會落在 DKD 治療架構中的哪個位置？
此處提到的 aldosterone synthase inhibitor，是針對 aldosterone 合成路徑的上游抑制策略；逐字稿中簡稱為 ASI。提問者關心的不是現有 MRA 的使用，而是未來若有更直接降低 aldosterone 生成的藥物，應如何與現有 DKD 藥物組合。
回答重點
回應者認為 aldosterone synthase inhibitor 很有前景，但強調目前仍需要更多資料，因此現階段還不能確定它們最後會在治療流程中扮演什麼角色。講者指出，當新的治療典範形成時，臨床指引與治療架構必須保留擴充空間；KDIGO 也已經思考過這類問題。
不過，講者同時提醒，實務上很少會一次啟動所有新的藥物類別。他明確表示，自己並不會一次把四大類新藥全部開上去，而是會依病人狀況「pick and choose」。當未來再加入第五類治療時，這個問題會更加明顯，因為臨床上能同時啟動、能安全併用、也能讓病人承受的藥物數量都有上限。
講者特別指出，aldosterone synthase inhibitor 可能無法與 MRA 同時使用，至少目前不能假設兩者可以自然疊加。這反映出一個重要原則：即使不同藥物都與同一疾病路徑相關，也不代表所有組合都合理或安全。若兩類藥物都干預 aldosterone/mineralocorticoid pathway，未來需要靠試驗資料確認是否能合併、應如何選擇、以及哪些病人更適合哪一類。
講者的結論是，aldosterone synthase inhibitor 可能會成為 DKD 治療工具箱中的另一個工具，或許能加到多數既有治療之上，但可能不一定能加在 MRA 之上。最終如何定位，仍需等待資料。
問題 2：Type 1 diabetes 長期蛋白尿病人，CABG 後 ARB 被停用，後續 ARNI 與高劑量 ARB 的取捨
提問者病例
第二位提問者被主持或講者稱為 Dr. Maggi。她提出一個實際病例，病人有長期 type 1 diabetes，後來發生 coronary artery disease，並接受 bypass surgery（CABG）。這位病人曾參與 1987 年的 CAPTOPRIL study，當時即已有 proteinuria。提問者表示，自己多年來讓病人維持還算不錯的腎功能，一直到 2020 年左右。
關鍵轉折發生在外科醫師停用了病人原本使用的高劑量 ARB。停藥後，病人的 proteinuria 急劇上升到約 10,000 的程度，情況非常嚴重；之後病人也出現 heart failure，因而有 cardiologist 參與照護。
此時臨床問題變成：在一位同時有 DKD、嚴重 proteinuria、冠心病術後與 heart failure 的病人身上，應該選擇 ARNI，還是回到 ACE inhibitor / ARB，或考慮其他選項？
逐字稿中的「Arne」應是在口語轉錄中指 ARNI（angiotensin receptor-neprilysin inhibitor）；提問者將其與 ACE inhibitor / ARB 做比較，背景是心衰竭治療與蛋白尿控制之間的張力。
初步回答
回應者一開始認為，因為 ARNI 本身含有 ARB 成分，所以在這類情境中使用 ARNI 是可以理解的選擇。講者也提到，雖然 ARNI 與傳統 ARB 的劑量並非完全一對一，但就最大化 RAS blockade 的治療概念而言，劑量等效性大致上還算合理。因此，若單看藥理與心衰竭治療需求，他可能會傾向選擇 ARNI。
不過，講者也接受提問者的核心疑慮：當蛋白尿已經惡化到很高程度後，再要把情況拉回來非常困難。他用「once the horse is out of the barn, it is really hard to get it back」來形容這種臨床困境：當腎臟病變失控、proteinuria 暴增後，恢復到原本控制狀態並不容易。
提問者補充實際結果
Dr. Maggi 接著補充實際處理結果。她表示，自己身為 endocrinologist，當時選擇尊重 cardiology 的判斷，採用 ARNI。然而結果很不理想：proteinuria 持續惡化或再度上升，治療效果不好。後來病人改回較高劑量 ARB 後，proteinuria 才降下來，而且在這位病人身上效果比 ARNI 更好。
她強調，當時幾乎找不到可直接指引這種情境的資料，因此這是非常困難、令人困惑的臨床決策。
回答延伸：個別反應與醫療藝術
講者回應說，這個病例正好說明病人對不同藥物的個別反應差異。即使醫師理解大方向的生理機制，也不代表能完全預測每一位病人對每一種藥物的反應。不同病人的 physiology、疾病階段、血流動力狀態、蛋白尿來源與共病，都可能使同一類藥物在不同人身上產生不同效果。
講者因此把這個案例連結到 personalization 與 medicine as an art：臨床醫師必須在有限資料下，結合病人實際反應、風險、共病與跨科建議做調整。這個案例也提醒，在心衰竭與 DKD 疊加時，心臟科指引中的最佳藥物，不一定在所有重度蛋白尿病人身上都能取代既有的高劑量 ARB；若病人過去對 ARB 有明確蛋白尿控制反應，停用或替換後需要非常謹慎追蹤。
問題 3：是否能用 real-world data 比較 sequential versus simultaneous therapy initiation？
提問者背景與問題
第三位提問者自我介紹為 Paulina Uba，University of Utah 的 assistant professor。她說明自己不是 medical doctor，而是 data scientist 與 clinical informaticist。
她指出，現在已可取得來自 electronic health records 的大規模 real-world data，包括數百萬名 diabetes 病人，以及數十萬名同時有 diabetes 與 CKD 的病人。她觀察到本場演講呈現了許多 clinical trial 結果，但幾乎沒有太多 real-world data studies。
她的問題是：是否可能設計一個 real-world data study，直接比較 sequential initiation 與 simultaneous initiation 的治療策略？因為在真實臨床中，醫師可能有些人逐步加藥，有些人同時啟動多種藥物；而目前尚不清楚哪一種策略更好。因此，她詢問這類研究是否值得進行、是否會有幫助。
回答：非常需要，但資料雜訊巨大
講者非常肯定這個方向，回答「a hundred percent」。他指出，提問者的觀點很重要，因為已有多項研究顯示：在真實世界中，那些符合臨床試驗資格的病人，實際上往往比真正被納入 trial 的受試者更病重。這代表 trial population 與 real-world eligible population 之間可能存在重要差異。
因此，講者認為執行這類 real-world data study 非常關鍵，因為它可以補足傳統 randomized clinical trial 的外部效度限制，讓醫師知道 trial evidence 在更複雜、病情更重、共病更多的病人身上是否仍然成立。
但講者也坦承，大型資料庫研究有明顯挑戰。病人會進出不同醫療系統，藥物也會反覆開始、停止、再開始；用藥暴露並不是簡單、乾淨、一次性的事件。這會造成非常多 noise，使得研究者很難準確判讀 sequential initiation 與 simultaneous initiation 的效果差異。
儘管如此，講者強調這並不代表不該做，而是需要能夠真正掌握這些資料、處理雜訊、建立合理方法的人。他也肯定提問者作為 data scientist / clinical informaticist 的角色，表示臨床界需要這類專家協助理解與運用 real-world data。
提問者追問與共識
提問者接著回應，聽起來應該發展能降低 noise 的方法，進一步做出合理推論並取得研究結果。講者同意，表示這確實是需要前進的方向。
這段討論的臨床意義在於：當 DKD 多藥併用已成為現實，randomized trial 不一定能回答所有啟動順序問題；EHR-based real-world data 若能妥善處理 confounding、treatment switching、adherence 與 missingness，可能成為補足證據的重要來源。
問題 4：SGLT2 inhibitor 與 GLP-1 receptor agonist 併用證據，以及多藥組合研究的未來困難
提問者觀察
下一位來自右側的提問者指出，隨著適用於 DKD 與相關心腎代謝疾病的藥物愈來愈多，要針對每一種可能組合都進行正式研究，會變得愈來愈困難。
他特別提到 FLOW trial 的 publication。根據他的閱讀，在 subgroup analysis 中，原本沒有使用 SGLT2 inhibitor 的病人，接受 GLP-1 receptor agonist 後似乎有很強的正向反應；但在已經使用 SGLT2 inhibitor 的病人中，雖然人數不多，hazard ratio 方向看起來甚至往不利方向移動。因此，從該 subgroup analysis 來看，似乎沒有真正支持「在已使用 SGLT2 inhibitor 的病人身上加上 semaglutide 仍有額外效益」這個假說。
提問者也很清楚地說，這並不能證明併用無效，但至少那個 subgroup 並沒有支持該特定組合的效益。因此，他提出兩個問題：
- 講者如何看待 SGLT2 inhibitor 與 GLP-1 receptor agonist 這個組合？
- 隨著藥物愈來愈多、組合愈來愈複雜，臨床研究應如何面對不可能逐一完成所有 formal combination studies 的現實？
回答：組合治療證據需要多種來源拼合
回應者先回答第二個問題。他指出，核心問題是：我們如何判斷不同治療組合是否能一起發揮作用？理想上，前瞻性試驗（prospective trial）最有說服力，但針對每一種組合都進行臨床結局試驗非常罕見，也很難實現。
講者舉 CONFIDENCE 為例，表示那是一個少見的 combination strategy trial，但它使用的是 intermediate outcome，而不是 clinical outcome。這類資料仍然非常有價值，但不會完全取代臨床結局試驗。
講者接著整理可用的證據來源：
- 臨床試驗的 subgroup analysis：可提供線索，但通常是 exploratory，不應被過度解讀。
- 機轉理解（mechanisms of action）：若兩類藥物作用路徑互補，會支持併用的生物合理性。
- observational data / real-world data：可納入更廣泛、更真實的病人群，也較有機會觀察多種實際臨床組合。
這與前一位提問者關於 real-world data 的討論相互呼應。講者認為，正因為 real-world data 能涵蓋較多病人與較複雜的臨床情境，它可能是研究 combination therapy 的重要場域之一。
回答：FLOW 中 SGLT2 subgroup 的異常結果較可能是偶然訊號
針對 FLOW trial 中 GLP-1 receptor agonist 與既有 SGLT2 inhibitor 使用狀態的 subgroup 結果，講者表示那個結果「weird」，但他不會過度解讀。
理由包括：
- 這是 subgroup analysis，性質上屬於探索性分析。
- 原本已使用 SGLT2 inhibitor 的 subgroup 人數較少。
- 交互作用或 heterogeneity 的 p value 並未顯著。
- 其他資料來源並不支持「GLP-1 receptor agonist 加在 SGLT2 inhibitor 上無效」的結論。
講者指出，已有 real-world data 顯示，GLP-1 receptor agonist 不論是在 SGLT2 inhibitor 之上或沒有 SGLT2 inhibitor 的情況下，都可能有用。反過來看，也有 SGLT2 inhibitor 資料與 subgroup analyses 支持 SGLT2 inhibitor 在有無 GLP-1 receptor agonist 的病人中都有價值。
因此，講者傾向認為 FLOW 中那個方向不一致的 subgroup 結果比較像是 fluke，而不是應改變臨床判斷的穩定訊號。整體證據仍較支持 SGLT2 inhibitor 與 GLP-1 receptor agonist 可作為互補組合。
另一位講者補充：小樣本 subgroup 不具足夠 power，整合分析支持 additive benefit
另一位講者補充說，這些 subgroup analyses 的樣本數通常很小，因此沒有足夠 statistical power 來回答組合治療問題。即使 hazard ratio 方向看起來不同，也不能直接當作併用無效或有害的證據。
他進一步提到，有來自 SMART-C 的研究將不同 GLP-1 receptor agonist、SGLT2 inhibitor trials，以及 finerenone trials 中的 subgroup analyses 整合起來。這些 pooled subgroup data 顯示，跨不同藥物類別存在清楚的 additive benefit。換句話說，雖然單一 trial 的某個小 subgroup 可能出現不穩定訊號，但更廣泛的資料整合比較支持不同藥物類別之間可帶來疊加效益。
這裡的臨床推論是：在 DKD 與心腎代謝治療中，單一 trial 的小型 subgroup hazard ratio 不應凌駕於整體機轉、其他 trial subgroup、pooled analysis 與 real-world evidence 之上；但這也不代表可以忽略 subgroup 訊號，而是應將其視為需要後續驗證的 hypothesis-generating finding。
結束語
最後，主持人邀請全場以掌聲感謝講者與聽眾，並結束本場討論。
Take-home Summary
本段 Q&A 強調，DKD 多重保護治療已從「是否使用」進入「如何排序、如何組合、如何個人化」的階段。KFRE 等風險工具可能協助辨識需要積極治療的病人，但用藥組合仍需依病人狀況選擇。Aldosterone synthase inhibitor 可能成為未來新工具，但是否能與 MRA 併用尚待資料。ARNI 與 ARB 的病例討論提醒，心衰竭治療邏輯與蛋白尿控制不一定完全重疊，個別病人反應仍需嚴密追蹤。Real-world data 被認為是回答 sequential versus simultaneous initiation 與 combination therapy 的重要補充，但必須面對用藥變動、病人流動與雜訊問題。對於 SGLT2 inhibitor 加 GLP-1 receptor agonist 的組合，講者不認為 FLOW trial 的小型 subgroup 異常訊號足以推翻整體併用效益；更廣泛的 pooled subgroup、機轉與真實世界資料仍支持跨類別 additive benefit。