杨艳
英国伯明翰大学的科学家发现，一组特异性生物标志物可显著提升胃癌、结直肠癌和炎症性肠病的诊断与治疗水平。该研究成果发表在近期出版的《转化医学杂志》上。
研究证实，特定肠道细菌和代谢物与上述疾病密切相关，这为更早、更低侵入性的疾病诊断提供了新路径，部分标志物还可提示多种疾病风险。
研究团队运用机器学习和人工智能技术，系统解析了胃癌、结直肠癌和炎症性肠病患者的微生物组与代谢组数据。通过对比分析发现，针对单一疾病训练的模型可有效识别另一类疾病的标志物：基于胃癌数据的模型能识别炎症性肠病标志物，而结直肠癌模型可准确预测胃癌相关标志物，展现出重要的跨疾病预测价值。
当前临床常用的内窥镜、活检等诊断方法虽然有效，但存在侵入性强、成本高、易漏诊早期病变等不足。该研究有助于深入揭示疾病进展机制，锁定靶向治疗的关键生物标志物，实现更早、更精准的疾病识别，支持开展个性化诊疗。
同时，该研究明确了三类疾病独特的微生物与代谢特征，并发现重要交叉关联：胃癌以厚壁菌门、拟杆菌门、放线菌门，以及二氢尿嘧啶、牛磺酸等代谢物变化为特征，部分标志物与炎症性肠病共享；结直肠癌的核心标志物为梭杆菌属、肠球菌属细菌及异亮氨酸、烟酰胺等代谢物，部分与胃癌通路重叠；炎症性肠病以毛螺菌科细菌、尿胆素、甘油酸盐为关键指标，部分指标参与癌症相关进程。
研究负责人表示，跨疾病分析证实了微生物与代谢生物标志物可通用预测胃肠道疾病，有望催生通用诊断工具，全面革新胃肠道疾病诊疗模式。
九鼎配资提示：文章来自网络，不代表本站观点。
