告别结肠镜检查？新粪便检测可识别90%的大肠癌
日内瓦大学研究人员开发出一种机器学习方法，可精确绘制人类肠道微生物群的亚种水平图谱，使基于粪便的癌症检测准确率接近结肠镜检查。图源：Stock UNIGE科学家创建了通过分析肠道微生物群诊断结直肠癌的人工智能方法。
大肠癌是全球癌症死亡的第二大诱因。虽然早期诊断治疗效果显著，但传统结肠镜检查的高昂费用和不适感常导致诊断延误。日内瓦大学（UNIGE）团队通过机器学习技术，首次在超精细维度上绘制人体肠道细菌图谱，从而揭示不同微生物亚群的生理作用。
该微生物群图谱通过分析粪便样本中的细菌特征，提供非侵入式且成本低廉的诊断方案。该技术不仅可用于大肠癌检测，还可拓展至其他癌症筛查及肠道微生物群对健康影响的研究。研究成果发表在《Cell Host & Microbe》期刊。
破解微生物亚种密码
大肠癌常因诊断延迟进入晚期，而传统筛查工具存在侵入性强、成本高等问题。尽管已知肠道菌群与癌症发展相关，但临床应用困难重重——同种细菌的不同菌株可能产生截然相反的作用。
"我们选择在物种与菌株之间的中间层级——亚种水平开展研究。"UNIGE医学院细胞生理与代谢系教授Mirko Trajkovski指出，"亚种层级既能捕捉细菌功能差异，又能保持跨个体、跨人群检测的通用性。"
机器学习赋能数据分析
博士生Matija Trickovic主导开发了首个全面的人类肠道微生物群亚种目录及配套分析方法："我们创新的数据处理策略突破了海量数据分析瓶颈，最终建立的预测模型仅通过粪便细菌组成即可判断癌症存在。"
该模型检测准确率达90%，仅次于结肠镜的94%，优于现有所有非侵入式检测手段。当结合其他临床数据时，其准确性有望进一步提升，未来可能作为常规筛查工具，仅对高危人群进行确认性结肠镜检查。
多维度应用前景
日内瓦大学医院（HUG）正启动临床试验，验证该技术对不同癌症分期和病灶类型的检测能力。此外，研究团队表示该方法可拓展至更广泛的疾病检测，通过分析微生物亚种差异揭示肠道菌群影响健康的机制。
"这种方法将催生基于单次微生物组分析的多疾病诊断工具。"Trajkovski教授总结道。研究团队开发的"人类肠道微生物群亚种目录"及相关分析方法已开放用于科研与临床应用。
引用文献："人类肠道微生物群亚种携带深入微生物组研究的隐含信息"，Matija Tričković 等，《Cell Host & Microbe》，2025年8月13日。
DOI: 10.1016/j.chom.2025.07.015
【全文结束】
