AI赋能实时成像评估肠道屏障完整性：Endo-Histo-Barrier-Omics研究助力炎症性肠病早期预后预测

《Journal of Crohn's and Colitis》：Automated real-time imaging of intestinal barrier integrity and molecular profiling for early outcome prediction in inflammatory bowel disease — Endo-Histo-Barrier-Omics study

本研究针对炎症性肠病(IBD)中肠道屏障完整性评估的临床挑战，创新性地将人工智能(AI)与超高清内镜成像技术相结合，开发了自动化实时评估系统。研究团队通过前瞻性队列分析发现，内镜细胞镜(ECS)和探头式共聚焦激光内镜(pCLE)能够有效评估上皮和血管屏障功能，且与分子标志物Claudin-2和PV-1表达显著相关。更重要的是，整合屏障成像与分子标记的评估体系能更准确预测不良临床结局，为IBD精准治疗提供了新策略。

　　

在炎症性肠病(IBD)的治疗领域，一个令人振奋的新概念正在兴起——"屏障愈合"（barrier healing）。传统上，医生们主要关注如何让患者的肠道黏膜在内镜下看起来正常（内镜缓解），或者让病理切片下的炎症细胞消失（组织学缓解）。但越来越多的证据表明，即使达到了这些标准，很多患者仍然会面临疾病复发、需要住院甚至手术的困境。这究竟是为什么呢？

问题的关键可能隐藏在肠道屏障这个微观世界中。肠道屏障就像一道精心设计的"城墙"，由上皮细胞和血管网络共同构成，既负责吸收营养，又承担着阻挡有害物质和细菌入侵的重任。在IBD患者中，这道"城墙"出现了裂缝——上皮细胞间的紧密连接蛋白（如Claudin-2、ZO-1）功能异常，血管的通透性增加，导致肠道屏障功能受损。然而，直到现在，医生们在日常临床工作中仍缺乏有效工具来实时评估这道"城墙"的完整性。

传统的肠镜检查只能看到宏观结构，无法窥见细胞和分子水平的细微变化。而实验室的分子检测虽然精确，却需要活检样本且耗时较长，无法在患者做肠镜的当下就给出结果，指导治疗决策。这种技术瓶颈严重阻碍了"屏障愈合"作为治疗目标在临床实践中的推广应用。

针对这一挑战，由Marietta Iacucci教授领衔的国际研究团队在《Journal of Crohn's and Colitis》上发表了一项开创性研究，提出了"Endo-Histo-Barrier-Omics"（内镜-组织-屏障-多组学）一体化评估新范式。研究团队开发了一套基于人工智能(AI)的自动化系统，能够实时分析超高清内镜图像，评估肠道屏障完整性，并将影像学发现与分子标志物相关联，最终实现对IBD患者预后的精准预测。

研究人员主要采用了以下几种关键技术方法：研究前瞻性纳出来自两个三级转诊中心的103例受试者（38例溃疡性结肠炎(UC)、54例克罗恩病(CD)和11例健康对照），利用内镜细胞镜(ECS)和探头式共聚焦激光内镜(pCLE)进行实时屏障评估，通过自动化多重免疫荧光技术定量分析上皮（Claudin-2、ZO-1、E-cadherin）和血管（PV-1、CD31）屏障蛋白表达，基于卷积神经网络和Segment Anything模型开发AI系统，自动识别和量化上皮、血管屏障特征，并在亚组患者中开展上皮和基质分离后的基因表达谱分析。

蛋白质表达与疾病活动度和屏障完整性的关系

在UC患者中，Claudin-2表达随着疾病活动度的增加而显著升高，轻度疾病活动者的表达水平显著高于缓解期患者。更重要的是，Claudin-2表达水平与ECS评估的屏障损伤程度密切相关，从屏障完整到轻度损伤再到中重度损伤，表达水平依次显著升高。具体到上皮特征，当ECS显示隐窝结构异常或杯状细胞耗竭时，Claudin-2表达显著升高。统计分析证实，Claudin-2表达与隐窝结构异常、杯状细胞耗竭以及总体ECS评分呈中等程度正相关。

而在CD患者中，血管屏障标志物PV-1的表达模式更为突出。PV-1表达随着内镜活动度的增加而升高，在轻度活动期患者中表达显著高于缓解期。当使用pCLE评估时，PV-1表达在轻度疾病活动度、血流改变和血管结构异常的患者中均显著升高。PV-1表达与pCLE评估的血流改变和血管结构异常均呈中等程度正相关。

结果预测

在中位7.5个月的随访期内，共有36例患者经历了主要不良结局(MAOs)。分析显示，无论是UC还是CD患者，高级成像显示的屏障损伤都是不良预后的显著预测因子。研究人员进一步确定了Claudin-2（127.6）和PV-1（491.0）预测不良结局的截断值。最重要的是，将高级成像评分与屏障蛋白表达相结合的整合评估体系，在预测不良结局方面显示出比单独使用成像评分更好的效能。

生存分析显示，基于高级成像的屏障评估结合屏障蛋白表达能有效区分患者的临床风险。达到内镜缓解且显示屏障愈合（经高级成像和蛋白表达确认）的患者，其严重不良结局的发生率显著低于屏障未愈合的患者（13%对56%）。

AI自动评估屏障完整性的表现

研究开发的AI模型在评估上皮和血管特征方面表现出良好性能。对于ECS图像，模型检测隐窝异常、血管改变和杯状细胞耗竭的准确度分别达到100%、88%和100%。对于pCLE图像，模型检测隐窝异常、血管改变和荧光素渗漏的准确度分别为66%、75%和74%。该AI系统为高级内镜评估提供了客观、可重复的分析方法。

基因表达谱分析

初步的基因组学分析验证了IBD患者中Claudin-2和PV-1的上调。虽然队列规模较小，但结果显示IBD患者中存在明显的基因表达失调。通路富集分析表明，IBD患者组织主要与紧密连接组装和屏障组织相关，而健康对照则显示与上皮极性和血管稳定性相关的基因表达更高。

这项研究的意义不仅在于提供了具体的技术方法和发现，更在于它描绘了IBD精准医疗的未来图景。传统的治疗策略主要关注如何抑制炎症，而"屏障愈合"概念的提出将治疗目标提升到了一个新的维度——修复肠道的结构和功能完整性。研究团队开发的"内镜-组织-屏障-多组学"框架，将高级成像、组织病理学、功能性屏障评估和多组学分析融为一体，为理解IBD的异质性提供了全新视角。

这一研究的临床转化潜力巨大。首先，AI驱动的自动化评估有望解决高级内镜技术推广中的主要障碍——对专业经验的依赖和观察者间的变异。这意味着，即使在不具备丰富经验的医疗中心，医生也能通过AI系统获得可靠、一致的屏障评估结果。其次，屏障评估与预后的强相关性为临床决策提供了新依据。医生可以根据患者的屏障状态，更加精准地判断疾病进展风险，制定个体化的治疗和随访策略。

从更广阔的视角看，这项研究为IBD的"治疗靶标"（treat-to-target）策略增添了新的内涵。随着针对屏障修复的新药研发进展，医生将需要可靠的工具来评估这些新药的疗效。本研究提供的评估体系正好满足了这一需求，为未来临床试验的终点选择提供了新选项。

研究的创新之处在于它成功搭建了连接微观分子世界与宏观临床表型的桥梁。通过将分子标志物与实时成像相关联，研究揭示了特定蛋白表达变化在影像上的具体体现，使医生能够"看到"分子水平的变化。这种多维度、一体化的评估模式，代表了精准医疗在IBD领域的最高水平。

当然，这一研究也存在一些局限性，如样本量相对较小、UC和CD队列不平衡等。但研究团队已经计划开展更大规模的前瞻性研究来验证和扩展这些发现。随着技术的不断完善和数据的不断积累，"屏障愈合"有望成为IBD治疗的新标准，而AI驱动的评估体系将在这一转变中发挥关键作用。

这项研究的意义超越了技术本身，它代表了一种思维方式的转变——从单纯控制炎症到全面修复功能，从群体化治疗到个体精准管理。随着"内镜-组织-屏障-多组学"模式的不断完善和推广，IBD患者将迎来更加精准、有效的治疗新时代。