Gut：中国肝癌早诊突破！浙大和郑大科学家首次建立了基于肠道微生物的肝癌早期诊断AI模型，在跨地域人群中得到验证
2018-08-15 奇点糕 奇点网
不知不觉间，肝癌已经成为了所有癌症中排名第三的“生命收割机”，中国的形势也不怎么乐观，根据2015年的统计数据，中国新发肝癌病例达到46.6万，其中男性的数量约为女性的3倍。
不知不觉间，肝癌已经成为了所有癌症中排名第三的“生命收割机”，中国的形势也不怎么乐观，根据2015年的统计数据，中国新发肝癌病例达到46.6万，其中男性的数量约为女性的3倍。
发病率高的同时，预后也让人感到担忧，原因之一就在于早期诊断很困难。肝癌因为缺少特异性的标志物，很多患者确诊时就已经是晚期了，死亡率与发病率的比值能够达到0.95。因此，找到新的早期诊断标志物对于患者来说意义非凡。
近年来，肠道微生物的快速发展为这个难题提供了新的可能（奇点糕仿佛已经看到了大家的表情：又是肠道微生物）。在最近的《英国医学杂志》（BMJ）子刊《肠道》（Gut）上，浙江大学医学院郑树森院士和李兰娟院士，以及郑州大学第一附属医院阚全程教授展开合作，他们描述了从健康到肝硬化以及从肝硬化到早期肝癌过程中，粪便微生物的变化，还找到了30个最佳的区分早期肝癌和健康人的微生物标志物，并且在不同地区的癌症患者样本中得到了验证！
从左至右依次为郑树森院士、李兰娟院士和阚全程教授
这是首次成功建立了肝癌的微生物标志物诊断模型，并且在跨区域的患者样本中进行了验证，说明微生物可以成为早期诊断肝癌的一种非侵入性的“工具”，而且这项研究从模型的建立到验证都是在中国人群中进行的，对今后我国的临床科研和应用都有很大的参考价值。
研究人员在华东、华中和西北地区共采集了486份IBD%E8%AF%8A%E6%B2%BB%E8%BF%87%E7%A8%8B%E4%B8%AD%E7%9A%84%E8%AF%84%E4%BC%B0-Part%" target="_blank">粪便样本，经过对捐赠者进行严格的病理诊断和调查，最后纳入了浙江地区的150例肝癌患者，131例健康人对照和40例肝硬化患者，随机分成诊断模型构建队列和验证队列（构建队列组成包括75例早期肝癌患者，75例健康人和40例肝硬化患者；验证队列组成包括30例早期肝癌患者，45例晚期肝癌患者和56个健康人）。486份粪便样本中来自新疆的18例肝癌患者和来自郑州的80例肝癌患者被单独组成了另一组验证队列，用来检验这个早期诊断模型在跨地区患者群体中的效果。
研究人员对采集的486份粪便样本的筛选流程
研究人员发现，肝硬化患者的肠道微生物多样性与健康人相比显着降低，而早期肝癌患者相比肝硬化患者却是显着增加的。与肝硬化患者相比，早期肝癌患者的放线菌门细菌明显增加，而且，包括Gemmiger、Parabacteroides和Paraprevotella在内的13个属的细菌明显富集。
而与健康人相比，早期肝癌患者疣微菌门（Verrucomicrobia）细菌明显减少，从属的水平上来看，包括Alistipes、考拉杆菌属（Phascolarctobacterium）和瘤胃球菌属（Ruminococcus）在内的12个属的细菌也明显减少了，与此同时，包括克雷伯氏菌属（Klebsiella）和嗜血菌属（Haemophilus）在内的6个属的细菌则增加了。
与健康人（绿）相比，早期肝癌患者（红）几个属的肠道微生物丰度的变化，F为减少的12个属，G为增加的6个属
通过比较，研究人员确定，肝硬化患者与早期肝癌患者，还有健康人与早期肝癌患者之间的肠道微生物组成确实差异很大。这样看来，使用肠道微生物特征来区分健康人与早期肝癌患者应该是可行的。
接下来，研究人员构建了一个用来诊断早期肝癌患者的随机森林（random forest）分类器模型。随机森林模型是一种比较新的机器学习模型，比经典的机器学习模型预测精度更高，而且没有显着增加运算量（机器学习模型的部分奇点糕就不仔细讲啦，感兴趣的同学可以看一下原论文）。
通过前面提到的诊断模型构建队列，研究人员从110个关键的与早期肝癌相关的OTU中筛选出了30个预测效果最佳的，在这个队列中，AUC值达到80.64%。（奇点糕科普小课堂：OTU是微生物研究中的一个常用概念，通过基因测序，研究人员将序列相似度超过97%的DNA片段归为一类，组成一个临时分类单位，也就是OTU，一个OTU相当于一个菌种。AUC值是一个概率值，用来判断预测模型的优劣，数值通常在0.5-1（50%-100%）之间，越接近1，说明预测越准确。好，现在带着这些知识再把括号前那句话读一遍~）
AUC值为80.64%，即红色曲线下面积（绿色部位为95%置信区间）
模型构建成功之后就要进入验证阶段了。在和构建队列同属浙江地区的验证队列中，诊断模型区分健康人和早期肝癌患者的AUC值虽然略低于构建队列，但也达到了76.80%。为了表明诊断模型的特异性，研究人员还使用队列中的晚期肝癌患者的数据进行了验证，发现，在区分健康人与晚期肝癌患者时，AUC值为80.40%，说明这个诊断模型对晚期肝癌患者的诊断也是有效的。
最后，还有两个没上场的来自新疆和郑州的队列，在这两个与浙江遥遥相望的地区招募的队列中，预测模型还能有良好的预测效果吗？结果没有让研究人员失望，在新疆队列中，AUC值为79.20%，而郑州队列更是达到了81.70%。
研究人员表示，未来还需要更大规模的，来自不同种族的人群研究来完善、验证这个模型，他们的最终目标就是为早期肝癌的检测提供一个基于肠道微生物的新方法，让患者可以尽早接受治疗。
原始出处:Ren Z, Li A, Jiang J, et al. Gut microbiome analysis as a tool towards targeted non-invasive biomarkers for early hepatocellular carcinoma. Gut. 2018 Jul 25. pii: gutjnl-2017-315084.
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#微生物#
41
。
61
#早期诊断#
0
#浙大#
41
***
92
梅斯里提供了很多疾病的模型计算公式，赞一个！
41
谢谢分享学习
67
非常了不起啊
72