不用抽血、不用活检:AI仅凭口腔微生物就能预测癌症,准确率有多高?

研究导读：本文由北卡罗来纳大学于《Periodontology 2000》（IF：15.7）上发表，口腔癌是全球主要的健康问题之一，在发病率排名中位列第六，其中口腔鳞状细胞癌（OSCC）是最常见的类型。值得注意的是， OSCC 往往在晚期才被确诊，这凸显了开发创新早期检测方法的必要性。口腔微生物组作为口腔内活跃的微生物群落，有望成为预测和监测癌症进展的生物标志物。人工智能领域的新兴计算技术使得分析复杂的微生物组数据集成为可能，从而揭示口腔微生物组组成与口腔癌之间的关联。本综述全面概述了应用于口腔微生物组数据进行癌症预测的学习型算法，重点探讨了逻辑回归、随机森林和人工神经网络等典型机器学习算法如何识别与口腔癌及其他恶性肿瘤相关的独特微生物特征。我们在PubMed数据库中进行了为期10年的检索，旨在筛选出利用人工智能工具研究口腔微生物组在口腔癌预测中作用的相关文献。最终共检索到3382篇文献，其中44项符合纳入标准。尽管人工智能在理解并揭示口腔微生物组在癌症研究中的作用方面展现出变革性潜力，但其在临床应用中仍需进一步努力：包括标准化检测流程、构建多样化的患者队列，并通过大规模多中心纵向研究进行验证。将人工智能与口腔微生物组分析相结合，在提升口腔癌（OSCC）的早期诊断能力、风险分层评估及个性化治疗方案制定方面具有巨大潜力。通过识别与癌症相关的独特微生物特征，基于人工智能的模型可作为一种无创且经济高效的工具，用于预测疾病进展并指导临床决策。然而，要将这些成果转化为常规临床实践，仍需建立标准化检测流程、纳入多样化患者群体，并通过大规模纵向研究加以验证。一旦广泛应用，该方法将彻底改变口腔癌的诊疗模式，实现及时干预并改善患者预后。

图文结果解读

图1：基于口腔微生物组数据的人工智能癌症预测示意图。(A)口腔鳞状细胞癌中微生物与肿瘤微环境的相互作用：本图展示了微生物如何影响 OSCC 的发生发展。细菌和真菌可通过血液(1)或来自邻近组织（如牙周袋）(2)进入肿瘤部位。它们的存在可通过产生有害代谢物(a)、引发炎症反应(b)以及破坏细胞生长与死亡之间的平衡(c)，从而促进癌变环境的形成。免疫细胞（NK 细胞、巨噬细胞、树突状细胞和淋巴细胞）之间的相互作用进一步塑造肿瘤微环境并推动癌症发展。(B)数据采集与高通量测序流程：本图展示了利用高通量测序技术采集和分析微生物组样本（来自口腔组织或体液）的过程，该分析可提供关于现有微生物群落的详细信息。(C)用于癌症预测的机器学习：本图说明了如何运用机器学习算法（如随机森林、支持向量机、人工神经网络）分析微生物组数据并预测癌症结局（有关AI算法的更多信息请参见第5节）。(D)机器学习模型训练与评估：本图强调了确保机器学习模型准确性和可靠性的关键性。所采用的技术包括：k折交叉验证以防止过拟合；超参数优化以调整模型参数；以及利用混淆矩阵评估模型正确区分癌症与非癌病例的能力。(E)数据可视化与相关性分析：本部分阐述如何运用数据可视化技术（如主成分分析、生存时间分析、层次聚类）来识别微生物组数据中的规律。通过分析这些规律，研究人员可识别出与 OSCC 进展相关的特定微生物特征

图2：口腔微生物群失调与癌症发展之间的相互作用。该图展示了口腔微生物组失调与消化道多种癌症发生发展的关联。从口腔开始，微生物群失调可促进口腔癌的发生；此外，这种失调还可蔓延至其他器官，影响食管癌、胃癌、肝癌、胰腺癌及结直肠癌的发展。图中重点标注了与各类癌症相关的关键细菌属，表明微生物群变化在消化系统不同部位均可能参与致癌过程

未来展望

口腔黏膜炎（OSCC）在全球范围内仍是一个严重的健康问题，由于诊断延迟和治疗选择有限，其发病率和死亡率相对较高。微生物组研究与人工智能的结合已成为推动早期检测策略发展、优化预后评估以及根据患者个体特征制定个性化治疗方案的重要方向。本综述基于日益丰富的证据，全面分析了口腔微生物群的变化规律，重点探讨了微生物群落组成、结构及功能潜力的具体改变。这些变化与代谢途径及基因表达谱的转变密切相关，从而影响 OSCC 的发生风险及其后续分期进展。借助能够处理高维度复杂生物数据的先进机器学习模型，人工智能驱动的分析技术已深入揭示了这些独特的微生物特征，为开发具有临床应用价值的精准无创诊断与预后评估工具提供了重要依据。这些研究成果凸显了人工智能在解析口腔微生物组数据内在复杂性方面所起的关键作用——有助于识别具有诊断、预后或治疗意义的新型微生物生物标志物。这些治疗性生物标志物将有助于制定更有效的 OSCC 个性化临床管理策略。然而，只有在未来研究中重点攻克以下几个关键领域，才能将这些研究成果转化为实际的临床效益：(1)严格标准化实验与计算方法，涵盖样本采集、DNA/RNA提取、测序方案、生物信息学分析流程以及机器学习模型的训练与评估流程，以确保研究结果在不同独立研究和多样化人群中具有可重复性、可比性和普适性；(2)扩大队列多样性，纳入来自不同人口背景、地理区域及生活方式因素的个体，从而提升研究结论的普适性并减少潜在偏倚；(3)开展设计严谨的纵向研究，具备足够的统计效力和严格的对照措施，以明确特定微生物变化与 OSCC 发病、进展及治疗反应之间的因果关系。此外，人工智能技术将帮助研究人员在独立且特征明确的队列中严格验证已报道的研究结果。通过促进并加强微生物组研究人员、人工智能专家、临床肿瘤学家及其他相关学科之间的跨领域合作，该领域可加速实现为全球口腔癌患者提供精准、预测性及预防性诊疗策略这一总体目标。这最终将改善患者预后，减轻这种严重疾病的全球负担，并为肿瘤学领域的个性化医疗奠定基础。

#牙周炎 #口腔科 #口腔科医生 #口腔科科研 #牙周病科 #口腔医院

本文来源于网络，因客观原因未能与权利人取得联系。本平台出于学术交流目的引用，无意侵犯原作者权益。如权利人认为不妥，请及时联系公众号后台，我们将立即删除或协商解决。

国家杰青一对一答疑视频

博士课题设计专家答疑，如何从亚专业中选取更适合的方向

医学国自然面上项目专家答疑实况，解决申请过程中的任何问题

医学省自然申请答疑，立项的关键条件是哪一些？从哪些方向可以杀出重围

国家科技重大专项，专家一对一指导方案设计实录