Unige的科学家创造了一个人工智能可以通过分析肠道菌群来诊断结直肠癌的方法。
大肠癌是全球与癌症相关死亡的第二大最常见原因。当提早被捕时，通常可以有效治疗，但是结肠镜检查的费用和不适，标准的诊断程序，通常是延迟检测。研究人员日内瓦大学（Unige）现在使用机器学习以前所未有的细节绘制所有人类肠道细菌，使它们能够更好地了解不同微生物亚组的生理作用。
然后，将此全面的目录应用于通过简单的粪便样品中发现的细菌特征来鉴定结直肠癌，从而提供了传统方法的无创且负担得起的替代品。该方法还具有广泛的潜在应用，从检测其他癌症到促进肠道菌群如何影响健康的知识。结果最近发表在细胞宿主和微生物。
大肠癌经常仅在治疗方案有限后才诊断为高级阶段。这凸显了迫切需要更容易且侵入性的筛查工具，尤其是考虑到年轻人案件的令人困惑的增加。尽管科学家长期以来都知道肠道微生物会影响大肠癌的发展，但在临床实践中应用这些知识很困难。原因之一是同一细菌中的不同菌株物种可以采取不同的行动 - 有些可能会导致这种疾病，而另一些则无害。
“Instead of relying on the analysis of the various species composing the microbiota, which does not capture all meaningful differences, or of bacterial strains, which vary greatly from one individual to another, we focused on an intermediate level of the microbiota, the subspecies,†explains Mirko Trajkovski, full professor in the Department of Cell Physiology and Metabolism and in the Diabetes Centre at the UNIGE Faculty领导这项研究的医学。``亚种解决方案都是具体的，可以捕获细菌功能和对包括癌症在内的疾病的差异，同时保持足够的一般性，可以在不同的个人，人群或国家 /地区发现这些变化。”
在机器学习的帮助下
第一步是分析大量数据。作为一名生物信息学家，挑战是提出一种创新的大众数据分析方法，``回忆说，Mirko Trajkovski实验室中的Matija Trickovic，博士学位学生，也是这项研究的第一作者。我们成功地开发了人类肠道微生物群亚种的第一个综合目录，以及一种将其用于研究和诊所的精确而有效的方法。”
通过将该目录与现有临床数据相结合，科学家开发了一个模型，该模型可以仅基于粪便样品中存在的细菌来预测结直肠癌的存在。尽管我们对自己的战略充满信心，但结果令人震惊，但兴奋不已。`我们的方法检测到90％的癌症病例，这一结果非常接近结肠镜检查所达到的94％的检测率，并且比所有当前的非侵入性检测方法更好。”
通过合并其他临床数据，该模型有可能变得更加准确，从而接近结肠镜检查的可靠性。它可以用作常规筛查方法，可以鉴定出早期的结直肠癌病例，然后将结肠镜检查仅用于确认较小的靶向患者组中的诊断。
应用程序的新世界
与日内瓦大学医院（HUG）合作进行了第一次临床试验，以更确切地确定癌症阶段和可检测到的病变。但是，应用超出了结直肠癌。通过研究来自相同细菌物种的亚种之间的差异，研究人员现在可以识别肠道微生物群会影响人类健康的作用机理。
Mirko trajkovski总结说：`
参考：人类肠道微生物群的亚种具有MatijaTriäKoviä，Silas Kieser，Evgeny M. Zdobnov和Mirko Trajkovski的MatijaTriäKoviä的深度微生物组研究的隐式信息，2025年8月13日，2025年8月13日细胞宿主和微生物。
doi：10.1016/j.chom.2025.07.015
永远不要错过突破：加入Scitechdaily新闻通讯。