预测模型

急性胰腺炎是多种病因导致胰酶在胰腺内被激活后引起胰腺组织自身消化、水肿、出血甚至坏死的炎症反应。近日，哥廷根大学医学中心研究人员在Gut发表最新研究，纳入424名急性胰腺炎患者，收集患者入院72小时内口腔和直肠微生物拭子进行测序检测。发现口腔肠道微生物组可以预测AP的临床特征，SCFAs可能用于未来的诊断和治疗概念，值得关注。

急性胰腺炎肠道菌群研究论文基础研究口腔微生物

核磁共振

柯嘉等：基于核磁共振的深度学习模型可预测直肠癌预后

深度学习模型有可能改善直肠癌的预后，但尚未得到系统评估。近日，中山大学附属第六医院柯嘉及团队在Radiology发表最新研究，纳入中国725名直肠癌患者盆腔的核磁共振扫描结果分训练集和验证集，发现基于核磁共振开发的深度学习模型可较好的预测直肠癌预后，值得关注。

核磁共振深度学习模型研究论文基础研究预测模型

方法工具

使用人类微生物组数据预测健康结果的多核机器回归模型—MKMR

研究发现，人体微生物群与人类健康和疾病有关，并具有预测作用。许多针对微生物组数据开发的统计方法侧重于不同的距离度量，可以捕获微生物组中的各种信息。近日，美国哥伦比亚大学研究人员在Briefings in Bioinformatics发表最新研究，开发了一种基于人类微生物组数据预测健康结果的多核机器回归模型—MKMR（https://github.com/BingLi17/MKMR），在模拟和真实数据中性能较好，值得关注。

方法工具预测模型研究论文基础研究微生物组信号

个性化医疗

Nature子刊：以药代为中心创建的数字微生物新资源—AGORA2

人体微生物组会影响各种常用处方药的疗效和安全性，设计结合微生物代谢的精准医学方法需要菌株和高分辨的、可扩展的计算模型。近日，爱尔兰高威大学研究人员在Nature Biotechnology发表最新研究，提出了基因组规模代谢重建资源AGORA2（含7302个菌株），用于构建预测性的个性化微生物组模型，能够对药物治疗的工作原理和患者的反应进行计算机模拟，发现药物代谢在个体间存在显著差异，这是由他们自己的微生物群所驱动的。此外，基于AGORA2的计算机模拟能够识别与临床环境中的观察结果相关的单个药物的微生物和代谢过程。总之，该研究表明AGORA2能够分析人-微生物-药物的相互作用，未来可用于精准医疗，值得关注。

个性化医疗药物代谢研究论文基础研究微生物代谢

微生物组

Cell 子刊：微生物组可以用来预测生态系统特征（观点）

微生物组可以反应生态系统的特征，同时也直接参与生态系统的过程。因此，可以利用微生物组来预测生态系统的过程和状态。Trends in Microbiology发表的综述文章，讨论了利用微生物组来预测生态系统的方法，以(1)帮助农民、林务人员、医生和兽医决定最佳的管理方法来优化生态系统服务，以及(2)指导微生物组的操作工作，从而帮助解决人类最紧迫的问题，如环境退化、抗生素抗性或食物短缺等。

微生物组预测模型

预测模型

预测模型构建助力孕早期预测子痫前期

本研究将孕妇人群队列数据分为训练集、测试集和验证集，借助人工神经网络模型构建子痫前期的预测模型，获得了较好的效果。在生物标志物中，预测能力较好的因子包括了高平均动脉压、高子宫动脉搏动指数和较低的胎盘生长因子。本研究为在临床上实现子痫前期的预测提供了可靠的工具。

预测模型子痫前期研究论文人工神经网络早产

顺产

剖宫产后二胎要顺产？一些评估工具或可借鉴（系统综述）

虽然一些证据认为剖宫产后的女性在随后再次妊娠过程中是可以选择顺产的，但由于有子宫破裂的风险，很多女性并不敢尝试。因此，有针对性地评估顺产风险，并给予针对性地指导显得尤为重要。本综述总结了目前研究中开发的一些“预测模型”。但是这些模型大部分没有得到外部验证，并且研究的偏倚风险均较大。因此有必要针对该主题进行更高质量的研究。

顺产荟萃分析剖宫产预测模型子宫破裂

妊娠期糖尿病

妊娠期糖尿病女性不良妊娠结局预测模型开发

妊娠期糖尿病女性发生不良妊娠结局的风险增加，如何精准预测并加强管理是临床上亟需解决的问题。本研究构建了基于GDM孕妇的不良妊娠结局发生风险预测模型，并对模型进行了评价。该模型有望在临床中进一步推广。

妊娠期糖尿病研究论文不良妊娠结局预测模型

早发性结直肠癌

马延磊团队：早发性大肠癌患者的肠道菌群、代谢组和细菌酶基因特征

大肠癌（CRC）在年轻人中的发病率正在逐渐升高。常规的CRC筛查策略主要针对≥50岁的晚发性（LO）CRC，如何对早发性（EO）CRC进行有效的早期筛查，是目前面临的一大挑战。复旦大学附属肿瘤医院马延磊团队近期在Gut发表一项最新研究，通过对总共549例的EO-CRC患者、LO-CRC患者和健康对照进行粪便宏基因组和代谢组学分析，揭示了EO-CRC和LO-CRC在菌群组成、代谢物和细菌酶基因方面的相似和差异，并通过机器学习建立了基于多组学标志物的预测模型，在EO-CRC的检测筛查方面具有强大潜力。

早发性结直肠癌肠道菌群代谢组预测模型结直肠癌筛查

结直肠癌

无创呼气试验或可用于结直肠癌的分诊

鉴定结直肠癌风险患者可以简化转诊途径。基于检测挥发性有机化合物（VOCs）的呼吸测试是一种理想的分诊工具，具有非侵入性、简单易行、所有种族患者均可接受的特点。Gastroenterology近期发表了COBRA1临床研究的结果，纳入1432例受试者，接受结肠镜/手术之前进行无创呼气试验。利用VOC构建预测模型，对CRC的检测灵敏度和特异性达到79%和86%。但这项研究的局限在于，严格的质量控制标准导致15%的样本被排除在外，这表明需要进一步改进呼吸采集和样本处理方法。

结直肠癌无创呼气试验预测模型

预测模型

MB-SupCon—基于微生物群的监督对比学习预测模型

有效整合微生物组和代谢组数据有利于更准确地预测不同的疾病，然而，大多数数据集只测量微生物组数据，而没有配对的代谢组数据。近日，美国南卫理公会大学研究人员在Journal of Molecular Biology发表最新研究，设计一种新的、基于微生物组的监督对比学习框架（MB-SupCon），用于提高仅测量微生物组数据的集合预测准确性，并在不同队列中做了验证，值得相关人员测试。

预测模型 MB-SupCon Microbiome Prediction model Contrastive learning

复发性艰难梭菌感染

用肠道代谢物预测艰难梭菌感染复发

艰难梭菌感染（CDI）患者中，有一小部分在抗生素治疗后会复发。Microbiome近期发表研究，对53名CDI患者进行了前瞻性的多时间点采样，揭示了与CDI复发相关的肠道菌群和肠道代谢组特征，表明治疗后的特定肠道代谢物（而非肠道菌群）数据可用于预测后续的复发风险。

复发性艰难梭菌感染肠道菌群肠道代谢组预测模型

非酒精性脂肪肝病

国内团队Science子刊：菌群+代谢物，预测会不会得脂肪肝

上海交通大学附属第六人民医院贾伟平院士和李华婷团队与合作者在Science Translational Medicine发表最新研究，对一个前瞻性队列的样本和数据进行分析，揭示了与之后发生非酒精性脂肪肝病（NAFLD）相关的基线肠道菌群和代谢物特征，并构建能预测NAFLD的机器学习模型，或能用于对NAFLD进行早期预警。

非酒精性脂肪肝病肠道菌群代谢组预测模型前瞻性队列研究

结直肠癌

基于FIT的预测模型可准确预测大肠癌风险

Gut近期发表的文章，通过对265881名接受粪便免疫化学试验筛查的人群进行分析，基于年龄、性别和连续两次的粪便血红蛋白（F-Hb）检测结果构建进展期肿瘤（AN）和结直肠癌（CRC）的预测模型，该模型能准确预测AN和CRC的风险，且结果高度一致，这有助于进行临床的风险分层。

结直肠癌粪便免疫化学测试（FIT）粪便血红蛋白预测模型

不良妊娠结局

孕期血清学指标预测不良妊娠结局？难度大！

早期识别不良妊娠结局风险对临床上尽早实施干预，降低疾病风险具有重要意义。然而，目前并没有很准确的不良妊娠结局预测模型。本研究基于此，对孕期连续的血清中的多种胎盘相关的蛋白水平进行检测，虽然通过巢式病例对照设计，看到了不良妊娠结局的女性中这些指标可能存在统计学差异，但是这种差异均较小，并且都不足以构建有效的评估预测模型。因此，想要预测不良妊娠结局，道阻且长。

不良妊娠结局预测模型血管内皮生长因子可溶性fms样酪氨酸激酶抑制素A

航海

孙志宏等：“远洋综合征”与肠道菌群相关

慢性疾病是当今重要的健康问题，其与肠道菌群失调的关联已被广泛报道和研究，但亚健康状态与肠道菌群之间的关系仍待阐释。Microbiology spectrum近期发表了内蒙古农业大学孙志宏与团队的研究，评估了长期远洋航行的船员的健康状态，表明远洋航行可能引发不同船员群体的不同症状，但存在一组高发的核心症状，将这种亚健康状态命名为“远洋综合征”。该研究进一步揭示了远洋综合征与肠道菌群的关系，并鉴定出能预测其发生的菌群标志物。这项研究为极端环境下的健康管理提供了潜在策略，对于预测菌群失调相关疾病具有参考价值。

航海亚健康肠道菌群预测模型

晚期直肠癌

国内团队Lancet子刊：人工智能预测新辅助放化疗对局部晚期直肠癌患者的效果

中山大学附属第六医院Xiangbo Wan和中国科学院自动化研究所田捷作为共同通讯作者在Lancet Digital Health发表文章，招募接受新辅助放化疗和根治性手术的合格受试者，收集其预处理盆腔MRI和H&E染色活检切片的全玻片图像进行机器学习，根据放射组学MRI特征、病理组学细胞核特征和病理组学微环境特征等3个病理学完全反应来构建预测模型RAPIDS，对局部晚期直肠癌对新辅助放化疗病理完全反应进行预测。RAPIDS能够基于预处理放射病理学图像预测新辅助放化疗的病理完全反应，具有较高的准确性和稳健性，因此可以提供一种新的工具来协助局部晚期直肠癌的个体化治疗。

晚期直肠癌新辅助放化疗预测模型

预测模型

通过整合临床和菌群数据，预测1型糖尿病患者的餐后血糖反应

作者通过对1型糖尿病(T1D)患者为期两周的餐后血糖反应(PPGR)的分析开发了T1D患者PPGR的预测模型,其算法整合了大量的参数，数据，该模型在不同的亚群中是稳健的，其能够更准确地预测PPGR，因此可以更好地调整膳食所需的胰岛素剂量，它可以在闭环系统中进一步实施，并可能基于预期低血糖反应的膳食为T1D患者量身定制合理设计的营养干预措施。

预测模型机器学习算法血糖反应胰岛素剂量

血糖调控

肠道菌群预测血糖调控的变化

mSystems近期发表研究，建立了纳入肠道菌群标志物的预测短期和长期血糖调节变化的机器学习模型，或能用于糖尿病风险的个体化预测。

血糖调控肠道菌群机器学习预测模型

抗生素暴露

决策支持工具有望减少儿童腹泻不必要的抗生素使用

儿童腹泻的原因较多，而一些病毒感染滥用抗生素非但于事无补，还可能加剧抗生素滥用，造成其他影响。本研究创新性地开发了一套儿童腹泻的病因预测模型，其综合了临床、季节、气候等各方面的信息，具有灵活的特性，有望降低儿童腹泻治疗中非必要的抗生素使用。

抗生素暴露研究论文小儿抗生素滥用预测模型

血液代谢组

Nature：血液代谢物，饮食和菌群是关键源头？

血液中的代谢物与很多疾病存在关联，哪些因素能预测甚至决定这些代谢物的水平？ Nature最新发表了来自以色列魏茨曼科学研究所Eran Segal团队主导的研究，通过机器学习算法，研究了遗传、肠道菌群、临床参数、饮食、生活方式和人体测量学等因素与1251种血液代谢物的关系，表明饮食和菌群是这些代谢物的关键预测因子。这些发现对于深入探究血液代谢物的决定因素和机制，以及开发操纵特定代谢物以改善健康的干预方法，有重要参考价值。

血液代谢组饮食肠道菌群机器学习预测模型

结直肠癌

Nature子刊：大肠癌预防和诊断的风险分层（观点）

近年来不断增加的内窥镜检查负担可能会使一些医疗服务不堪重负。最新发表在Nature Reviews Gastroenterology and Hepatology的观点文章描述了改善结直肠癌（CRC）预防和诊断的风险分层和决策的基本原理和方法。以英国为例讨论当前方法的局限性和面临的挑战，并讨论了新的风险生物标志物的使用。风险分层将有利于现有的医疗服务提供者和使用者，使有限的结肠镜检查资源得到更有效的利用。

结直肠癌综述医学研究风险分层预测模型

CRISPR-Cas

Nature子刊：机器学习挖掘anti-CRISPR蛋白家族

CRISPR-Cas是适应性免疫系统，存在于几乎所有的古细菌和大约40%的细菌中，在无休止的寄生军备竞赛中，病毒进化出多种抗防御机制包括特异性抑制CRISPR-Cas的多种anti-CRISPR蛋白(Acrs)，尽管发现Acrs对理解原核生物中宿主-寄生相互作用的生物学机制及其调节CRISPR在DNA编辑应用的潜力十分重要，但Acrs的发现仍然是一项艰巨的任务。本研究描述了一个系统的机器学习方法，用来预测Acrs，基于几个已知的Acrs属性和一个使用已知Acrs的启发式的二次筛选，以进一步丰富候选Acrs。本研究表明，这种方法对Acrs有显著的预测作用，该项工作搜索不断扩大的病毒基因组数据库、宏基因组和其他MGE。这种策略的迭代应用将极大地扩展Acrs的多样性，并且可能发现其他抑制防御系统。

CRISPR-Cas Acrs 预测模型基因组 HTH结构域

肝硬化

血液中的肠道菌群代谢物，可预测肝硬化患者不良预后

住院治疗的肝硬化患者往往预后不佳，Gastroenterology杂志近期发表的一项美国的多中心前瞻性研究，通过分析血液代谢组和粪便菌群，试图寻找可预测住院肝硬化患者不良预后的生物标志物，表明入院时的肠道菌群及其相关的血液代谢物，可以预测患者死亡和发生慢加急性肝衰竭的风险。

肝硬化肠道菌群代谢产物血清代谢组脂质预测模型

非酒精性脂肪性肝病

肠道病毒组与NAFLD严重程度相关

非酒精性脂肪性肝病（NAFLD）与肠道微生物组的变化密切相关，此前研究主要聚焦于肠道细菌组成的改变，《Gastroenterology》发表的一项最新研究表明，肠道病毒组与NAFLD的严重程度存在关联，并结合病毒组和简单临床数据开发了预测模型，或可用于严重NAFLD患者的无创检测。

非酒精性脂肪性肝病 microbiota biomarker Prognostic Factor progression

妊娠期糖尿病

Nature子刊：妊娠期糖尿病发病预测不是梦

本研究利用全国登记数据库，利用机器学习算法，进行妊娠期糖尿病预测模型的构建，并在此基础上进行了问卷信息的简化，使其具有可推广性和无创性。该研究给妊娠期糖尿病的预防和控制提供了重要借鉴。尤其是9条简明问卷，值得临床上确认其推广价值。

妊娠期糖尿病孕妇预测模型机器学习算法简明量表

儿童BMI

Lancet子刊：儿童BMI如何预测未来肥胖风险？

目前，成年人超重/肥胖的定义往往根据其BMI，然而儿童期BMI的分类标准是不同的。以往的研究通常以横断面调查的百分位间距来判断儿童BMI的截断值。该研究利用队列研究数据，自行计算出一套不同性别、年龄别的儿童BMI截断标准，以此预测未来超重/肥胖风险，并取得良好的预测效果。该截断标准值得相关领域的学者进一步验证，并推广至不同种族背景的人群中。

儿童BMI 队列研究标准制定超重/肥胖预测模型

儿童脂肪量

BMJ：新模型助力儿童脂肪量估计

本研究基于儿童的身高、体重、性别、年龄和民族等简单易获的信息，构建儿童的脂肪量预测模型，具有良好的预测效果和外推性。该模型中包含自变量和因变量的线性、非线性关系。期待有我国相关的儿童数据验证该模型的外推性，并进一步完善，成为儿童脂肪量预测的有力工具。

儿童脂肪量模型构建预测模型肥胖身高

花生过敏

一些临床指标可预测宝宝未来花生过敏风险

本文通过队列研究，发现在具有高风险花生过敏的婴幼儿中，测定宝宝血清中的一些特异性IgE浓度，以及结合母乳喂养时间，能够很好预测儿童期花生过敏的风险。本研究的局限性之一是其针对的人群是“高风险”的儿童，其是否适用于所有普通儿童，值得进一步研究。

花生过敏 IgE natural history Peanut allergy skin prick test

个体化免疫治疗

分子标志物帮助实现个体化免疫治疗

来自澳大利亚Macquarie大学的研究者们利用11个血浆细胞因子构建的模型能有效预测接受免疫检查点抑制剂治疗是否发生严重免疫相关副反应，诊断效力AUC为0.68-0.70；虽然还需要在更大的样本量中验证这个模型的预测效力，但这一发现对个体化免疫治疗有很大帮助。

个体化免疫治疗血液分子标志物免疫相关副反应预测模型