伯明翰大学的科学家们发现，肠道细菌及其产生的代谢产物可作为严重消化系统疾病的生物标志物。通过将人工智能应用于临床数据，研究团队成功识别出相关模式，这有望为胃癌、结直肠癌和炎症性肠病（IBD）提供更快速、侵入性更小的诊断方法。
这项研究发表在《转化医学杂志》（Journal of Translational Medicine）上，研究人员利用机器学习技术对患者的微生物组和代谢组进行了分析。结果显示，基于某种胃肠道疾病数据训练出的模型，往往能预测其他疾病的标志物，这表明这些疾病在生物学路径上存在共通之处。
AI 揭示疾病共有的生物标志物
该研究的共同主要作者 Animesh Acharjee 博士指出，目前临床上对内窥镜检查和活检的依赖不仅成本高昂、且具有侵入性，往往难以在疾病早期阶段发现病灶。他表示：“我们的分析不仅能让我们更深入地理解疾病进展背后的机制，还能识别出用于靶向治疗的关键生物标志物。”
研究人员针对不同疾病识别出了独特的细菌群落。例如，胃癌病例中厚壁菌门（Firmicutes）和拟杆菌门（Bacteroidetes）水平较高；结直肠癌则与具核梭杆菌（Fusobacterium）和肠球菌（Enterococcus）的出现有关；而炎症性肠病则表现为毛螺菌科（Lachnospiraceae）及尿胆素等代谢物的特定变化。
尽管某些特征具有疾病特异性，但研究人员也发现了显著的重叠部分。一些参与肠道炎症的代谢物同样出现在与癌症相关的过程中。这些关于微生物在人体内生长与迁移的模拟实验，清晰地揭示了健康人群与胃肠道疾病患者在代谢上的差异。
展望未来，研究团队计划通过更大规模、更多样化的患者群体来验证这些发现。他们的目标是开发出通用的诊断工具，仅需通过一套非侵入性检测即可识别多种疾病，从而彻底改变胃肠道健康的监测与治疗方式。
该项研究由英国伯明翰大学与迪拜的研究团队共同完成，并与伯明翰大学医院国民保健信托基金会（University Hospitals Birmingham NHS Foundation Trust）展开了合作。
