肠道菌群|肠道菌群又有新“用途”：建立非酒精性脂肪肝发病预警模型( 二 ) 肝病|用途|相对丰度|模型建立

一般评估模型的效能常用的是受试者工作特征曲线下面积（AUC），面积越接近1 ，表示模型区分两组人的能力越好。该模型受试者工作特征曲线下面积达0.80 ，在四个外部验证队列诊断效能也比较稳定， AUC达到0.72—0.78 ，同时其效能相比既往传统预警模型有显著提升。倪岳琼称。
倪岳琼告诉采访人员，此前已有的脂肪变预测模型主要是基于一些临床参数；这些模型是基于横断面的人群所建立的，仅能作为筛查手段，不能提供远期非酒精性脂肪肝病发展的预测，即无法在疾病初期及早发现。
相比之下，贾伟平合作团队研发的模型有多方面优势。首先，该模型建立在前瞻性队列基础上，可以在非酒精性脂肪肝病的超声诊断之前提供早期预警。其次，该模型在4个多种族的外部验证集中进行了验证，模型效能稳定，说明其具有很好的泛化能力和较大的应用潜力。再者，该模型使用的是多组学的数据，包含较为全面的临床指标、肠道菌群宏基因组和相关的代谢组数据，利用这个庞大的数据集，结合机器学习的方法，可以更全面、更准确地对非酒精性脂肪肝病的风险进行评估。最后，从肠道菌群出发对疾病进行预测也是该模型与临床模型的本质区别，这项研究为探讨肠道菌群与人体疾病发生发展机制提供了线索。倪岳琼强调。
【肠道菌群|肠道菌群又有新“用途”：建立非酒精性脂肪肝发病预警模型】有助于理解疾病机制并进行早期干预
谈及新研发的这个非酒精性脂肪肝病预警模型及相关标志物研究的价值，研究团队认为，有3点最为关键：可及性、准确性以及病理生理意义。
李华婷解释道：在可及性方面，将来无需采血，通过粪便采样，或利用眼底照片即可，完全无创，可操作性、可推广性强。在准确性方面，机器学习让我们得以使用多维度数据进行更准确的建模。而且，相比传统模型的验证方式，外部验证更合理，挑战也更大。关于病理生理意义，模型的组分来自前瞻性队列的多维度数据，其中揭示的是疾病发生发展中的病理生理改变，这对理解疾病机制和进行针对性干预有很大意义。
总而言之，我们的研究是建立非酒精性脂肪肝病早期预警模型，但不只是建立模型。研究识别了肝脏脂肪变初期的微生物组特征，为探索基于微生物组的非酒精性脂肪肝病预防和干预措施提供了新方向。李华婷表示。
贾伟平研究团队的成员同时表示，目前他们的模型还有待优化。我们的模型主要是对非酒精性脂肪肝病中的脂肪变进行准确预测，欠缺对于纤维化、肝硬化或者其他更严重的临床事件的发生发展的预测。一方面是由于纤维化和肝硬化本身发病率低， 4.6年随访时间从健康状态直接进展为肝纤维化和肝硬化的病例较少，另一方面鉴于对健康受试者进行活检不符合伦理规范，目前的模型难以进行相关预警。贾伟平称。
贾伟平介绍，后续随着随访的进行，队列中可能会逐渐发展出现更多病例。届时，我们将使用模型对新的疾病终点进行预测。与此同时，我们也会加强国内外合作，使用更大规模、不同种族、不同生活方式的前瞻性研究队列对我们的非酒精性脂肪肝病风险评估模型进行验证和进一步优化，这将增加模型的通用性。
此外，在推广至临床应用之前，除了模型本身的优化，更便捷的菌群和代谢物的检测、分析方法还有待开发。这项工作源自我们与德国莱布尼茨汉斯诺尔研究所科研团队及其他来自丹麦、芬兰、瑞典、法国的科研团队联合开展的欧盟地平线2020计划玛丽·斯沃德斯卡·居里行动（MSCA）合作，旨在联合各方优势开展肠道菌群在非酒精性脂肪性肝病发病及干预中的作用和机制研究，我们相信，基于肠道菌群的诊断和治疗将在未来10年进入临床实践并具有巨大潜力。贾伟平说。