肝病診斷的巨大飛躍

　　據世界衛生組織（World health Organization）統計，慢性肝病是一個主要的全球公共衛生問題，影響了8.44億人。在澳大利亞、英國和美國，它是導致死亡的主要原因之一。同時，肝病很難管理，也沒有FDA批準的抗纖維化肝治療。

　　現在，Salk研究所和加州大學圣地亞哥分校的科學家組成的合作團隊開發出一種基于微生物組的新型診斷工具，它的準確度就像最好的醫生，在人類患者中，以90%高效地快速、廉價地識別肝纖維化和肝硬化。

　　這種非侵入性方法依賴于用算法來分析病人的糞便樣本——其中包含了腸道中存在的物質——并且可以改善病人的護理和肝病的治療效果，正如2020年6月30日在《Cell Metabolism》上詳細介紹的那樣。

　　微生物群落是一個復雜的微生物集合，它可能是一個意想不到的健康指標。“微生物組是一個動態的活體傳感器，它能反映人體健康和疾病的微小變化，因此，它能準確地讀出人體健康狀況，”Salk教授羅納德?埃文斯（Ronald Evans）說。“由于這種診斷方法快速、成本低，因此它可能會得到廣泛應用，特別是在許多缺乏專業診所和醫生的地區。簡單地說，它可能是一個真正的游戲規則改變者，具有世界范圍的影響。”

　　非酒精性脂肪性肝病（NAFLD）是全球慢性肝病的主要病因，隨著肝臟開始出現疤痕和細胞死亡，可發展為肝纖維化、肝硬化和潛在的癌癥。但目前缺乏肝纖維化和肝硬化的診斷工具。活檢是有創性的，可能漏掉肝臟的損傷區域，磁共振成像昂貴，而且在農村地區通常不可用。為了應對這些挑戰，研究小組探索了微生物組，以滿足迫切需要一種新的檢測方法，以確定有風險的患者。

　　“我們試圖根據肝纖維化和肝硬化的‘微生物群特征’，開發一種通用的、非侵入性的肝纖維化和肝硬化檢測方法，”Salk高級研究員、該研究的合著者Michael Downes說。

　　該團隊與加州大學圣地亞哥醫學部的科學家合作，優化一種機器學習的計算方法，根據一組患者糞便樣本中存在的19種細菌來發現一種復雜的疾病特征。這種特征由不同數量的細菌組成，形成了一個識別肝纖維化和肝硬化的通用指紋。這項研究包括來自健康和患病家庭成員的163個臨床樣本，以確定指示肝病的變量。

　　研究人員利用微生物基因圖譜和糞便樣本中代謝物的數據，發現了一個與肝硬化診斷相關的微生物群特征，準確率達94%。微生物組學特征還可以確定肝纖維化的階段，這可以讓醫生根據患者的病情分級，并改進治療策略。

　　論文第一作者、Evans實驗室博士后研究員Tae-Gyu-Oh說：“這些研究結果表明，使用機器學習來識別一種通用的特征信號是可能的，這種特征可用于準確診斷肝硬化等疾病。腸道健康可能會影響疾病。”

　　研究人員隨后將他們的微生物群特征應用于來自中國和意大利的兩個獨立患者群體。這種指紋圖譜可以準確識別90%以上患者的肝硬化，這驗證了該算法在不同基因和飲食上的有效性和準確性。

　　“值得注意的是，來自南加州肝硬化患者的腸道微生物群特征能夠預測中國和意大利兩個獨立隊列中的肝硬化。這說明了在腸道微生物群診斷肝臟疾病和將其風險分層的作用方面尚未實現的新發現，”聯合通訊作者、加州大學圣地亞哥醫學院NAFLD研究中心主任Rohit Loomba說。“我認為將微生物組作為診斷工具的作用才剛剛開始被認識到。”

　　未來，科學家們將通過測試微生物群的部分恢復是否會導致疾病的消退，或者清除某些細菌會使病情惡化，從而檢驗微生物群與肝病之間的因果關系。研究小組還希望這種方法可以用來描述其他疾病，如炎癥性腸病、結腸癌、阿爾茨海默氏癥和其他可能受到失調微生物群影響的疾病。