《Clinical and Translational Medicine》：Artificial intelligence and oral microbiome: Reshaping the diagnostic and therapeutic paradigm of OSCC
背景：口腔鳞状细胞癌（OSCC）仍然是一项重大临床挑战，原因包括诊断延迟、频繁的治疗耐药以及长期生存率低。方法：本综述系统评估了在OSCC中将人工智能（AI）应用于口腔微生物组数据的方法学框架。同时讨论了新兴范式，包括利用无标签数据的自监督学习（SSL）和用于模型可解释性的可解释人工智能（XAI）技术。模型评估依赖于交叉验证、超参数优化以及性能指标，如AUC、准确性、灵敏度、特异性和F1-score（F1评分）。结果：多项研究表明，基于AI的分类器，特别是基于唾液或组织来源微生物特征的随机森林模型，在回顾性单中心队列中实现了OSCC患者与健康对照之间的出色区分，报告AUC值超过0.99，准确性大于95%。然而，这些卓越的指标应谨慎解读，因为它们易受队列规模、采样位点异质性、批次效应、特征选择偏差以及缺乏独立外部验证的影响。除了二元诊断之外，AI已成功应用于预测淋巴结转移、探索肿瘤代谢重编程以及评估环境相互作用。整合的多组学方法进一步增强了微生物生物标志物的特异性和临床相关性。结论：AI与口腔微生物组分析的融合正在重塑OSCC的诊断和治疗格局，并探索靶向微生物组的联合疗法。应对这些挑战对于实现真正的智能、个性化管理以及最终改善OSCC患者的预后至关重要。
1 引言
口腔鳞状细胞癌（OSCC）是一种常见恶性肿瘤，起源于口腔黏膜的复层鳞状上皮，可能累及多个解剖部位，包括舌、牙龈和颊黏膜。与口咽鳞状细胞癌一起，它构成了头颈部鳞状细胞癌的主要类型。当前治疗涉及结合手术、放疗和化疗的综合策略，但5年总生存率（尤其是晚期疾病患者）仍不令人满意。治疗耐药和肿瘤复发仍然是主要挑战。因此，开发更精确的诊断工具和替代治疗方法对于改善预后变得至关重要。
近年来，肿瘤微环境在OSCC进展和治疗反应中的作用日益受到关注，因为它现被认为是肿瘤生物学行为的关键决定因素。口腔微生物组是定植于口腔的复杂生态系统，与宿主健康和疾病状态密切相关。在OSCC研究中，口腔微生物组失调已被证明与吸烟和饮酒等风险因素相关，并在癌前病变、肿瘤组织和唾液中表现出显著改变。值得注意的是，OSCC的发生和进展可能不依赖于单一病原体，而是依赖于微生物组的整体功能失调及其介导的慢性微炎症环境，使其成为潜在的预后标志物和研究靶点。此外，抗生素和其他治疗干预可深刻影响口腔微生物组，从而影响口腔疾病结局。例如，抗生素诱导的失调已被认为可改变口腔潜在恶性疾病的进展。因此，理解这些效应对于优化OSCC患者的治疗策略至关重要。此外，某些调节口腔微生物组的治疗在改善口腔状况方面显示出前景，强调了将微生物组学纳入临床决策的必要性。这些最新发现强调了抗菌和微生物组调节疗法在口腔恶性肿瘤管理中的重要性。
人工智能（AI）在计算能力的持续提升和数据日益丰富的推动下取得了显著进展。机器学习（ML）是AI的核心分支，能够实现从数据中自动提取模式和预测。在ML中，人工神经网络（ANN）及其具有多个隐藏层的深度学习（DL）扩展在高阶特征学习和表示方面表现出色。当前基于DL的AI系统广泛用于癌症图像分析，用于自动肿瘤检测、特征表征和生物标志物评估。然而，有必要进行进一步的临床研究，以确定有效利用AI在微生物组学中改善OSCC诊断和治疗的方法。
本文回顾了基于AI的微生物组学在OSCC中的应用，以提高诊断和治疗水平，最终改善患者预后。
2 口腔微生物组失调与OSCC
口腔微生物组失调是口腔癌发生和进展的关键驱动因素。这种失调状态通过一系列相互关联的分子和细胞机制促进肿瘤发生，包括微生物过度增殖、宿主信号通路的异常调节以及细菌毒素和毒力因子的持续释放，进一步诱导和维持慢性炎症反应和致癌性核糖核酸（DNA）损伤。
在健康状态下，宿主和常驻微生物组处于微妙平衡。然而，微生物失调破坏了这种稳态，特别是通过激活模式识别受体（PRR），最显著的是Toll样受体（TLR）及其下游信号级联，损害黏膜屏障的结构和功能完整性。此过程中的关键信号通路包括核因子κB（NF-κB）和丝裂原活化蛋白激酶（MAPK）通路。黏膜屏障损伤促进细菌及其代谢产物侵入更深层组织，进一步触发具有致癌潜力的持续性炎症反应。在与口腔癌相关的各种微生物中，具核梭杆菌（Fusobacterium nucleatum）和牙龈卟啉单胞菌（Porphyromonas gingivalis）尤为突出。
2.1 具核梭杆菌在OSCC进展中的作用
具核梭杆菌通过其携带的多种关键因子直接促进癌症发展，首先是其毒力因子，其中Fusobacterium adhesin A（FadA）是研究最广泛的。FadA特异性结合宿主细胞表面的E-cadherin，并激活下游Wnt/β-catenin信号通路，该通路在细胞增殖、分化和迁移中起关键作用。值得注意的是，FadA的缺失显著降低了细菌的致癌能力，使其无法在小鼠中诱导结肠肿瘤。另一个毒力因子Fap2通过结合结直肠癌细胞表面过表达的Gal-GalNAc结构增强细菌在肿瘤部位的定植，同时抑制宿主的免疫反应。此外，FadD与结直肠癌细胞上的CD147结合，激活磷脂酰肌醇3-激酶-蛋白激酶B-NF-κB（PI3K-AKT-NF-κB）信号通路，进一步促进肿瘤细胞生长和存活。
除了这些特征明确的毒力因子，具核梭杆菌还分泌各种微生物代谢产物，如琥珀酸和甲酸，它们可以穿过肠道屏障进入宿主循环系统，影响远处器官的代谢状态和免疫微环境。细菌外膜囊泡（OMV）是具核梭杆菌与宿主细胞之间沟通的另一种重要手段。这些囊泡包含多种生物活性分子，包括脂多糖、蛋白质和核酸，可直接被宿主细胞摄取，激活多个细胞内信号通路。最后，具核梭杆菌可以与其他病原菌形成共生关系。
此外，具核梭杆菌与宿主的相互作用涉及复杂的调控层次，包括遗传、代谢和免疫。
在遗传和表观遗传水平上：具核梭杆菌感染增加宿主细胞的基因组不稳定性，促进基因突变和染色体异常。同时，该细菌可以通过表观遗传修饰调节宿主细胞基因表达模式。
代谢重编程：具核梭杆菌通过多种机制重塑宿主细胞的代谢。例如，它诱导Warburg效应，即使在氧气充足的环境中也会促进糖酵解。肿瘤细胞倾向于使用糖酵解而非线粒体氧化磷酸化来产生能量，这为快速增殖的肿瘤细胞提供了必要的代谢支持。
免疫微环境调节：具核梭杆菌表现出显著的免疫抑制特性。它通过抑制树突状细胞成熟和功能来干扰宿主的先天免疫反应，从而阻碍抗原呈递。此外，该细菌调节T细胞功能，促进调节性T细胞的分化和扩增，同时抑制效应T细胞的活性，在肿瘤部位创造一个免疫抑制环境。此外，具核梭杆菌损害肠道屏障功能，增加肠道通透性，导致内毒素血症和全身性炎症反应，从而促进癌症进展和转移。
2.2 其他病原微生物在OSCC进展中的作用
牙龈卟啉单胞菌是一种关键的牙周病原体，产生一系列具有致癌潜力的代谢产物，包括活性氧（ROS）。其中，丁酸盐诱导T细胞和B淋巴细胞凋亡，损害机体对肿瘤细胞的免疫监视。另一方面，氧自由基通过引起DNA双链断裂、单链断裂和碱基修饰直接损伤遗传物质。乙醛加剧核糖核酸（DNA）损伤并促进上皮细胞异常增殖，导致口腔黏膜病变的恶性转化。
同样，中间普雷沃菌（Prevotella intermedia）产生挥发性硫化合物，如硫化氢（H
2S）和甲硫醇（CH
3SH），这些化合物在牙周组织中引发氧化应激并直接攻击核糖核酸（DNA）结构。硫化氢抑制超氧化物歧化酶活性，损害细胞清除超氧自由基的能力，导致活性氧（ROS）大量积累。甲硫醇降解基底膜中的IV型胶原，损害组织结构完整性，促进肿瘤细胞迁移和侵袭。
研究还表明，某些微生物感染可直接诱导基因组不稳定性。例如，微小支原体（Mycoplasma parvum）感染增加了舌鳞状细胞癌中γ-H2AX水平（一种核糖核酸（DNA）双链断裂标志物）。同时，该细菌下调非同源末端连接修复蛋白Ku70和肿瘤抑制蛋白p53，损害细胞对核糖核酸（DNA）损伤的反应能力，加剧基因突变和基因组不稳定性，进一步促进口腔癌的恶性进展。
总之，口腔微生物组通过复杂机制驱动口腔癌的发生、发展和恶化，包括微生物失调、慢性炎症和直接或间接的核糖核酸（DNA）损伤。这些机制揭示了微生物在口腔癌中的关键作用，并为未来开发靶向微生物组的干预策略提供了理论基础，例如恢复微生物稳态和抗炎治疗，有可能从根本上降低口腔癌风险。
3 基于AI的口腔微生物组分析：用于癌症检测应用的方法和模型
3.1 数据预处理：AI驱动微生物组分析的基石
人工智能（AI）处理复杂高维数据的能力使其成为在微生物组研究中提取有效信息的强大工具。通过使用计算算法分析复杂数据集，研究人员可以更准确地识别与疾病相关的微生物特征模式。大量研究表明，机器学习（ML）技术在口腔癌检测和预后分析中得到广泛应用。值得注意的是，近年来人工智能（AI）已成功整合到临床医疗实践中，涵盖放射学、病理学和麻醉学等不同医学领域。美国食品药品监督管理局（FDA）发布的AI/机器学习医疗设备清单显示，已有超过1000种相关设备获批用于商业用途，清楚表明人工智能（AI）在现代医疗保健中的加速采用及其临床价值。随着FDA继续促进创新、安全和有效的医疗设备的审批，该清单正在快速增长。使用AI和机器学习（ML）技术的医疗设备数量不断增加，以及授权设备清单的扩大，凸显了人工智能（AI）在现代医疗保健中加速整合及其临床价值日益增长的重要性。
基于口腔微生物组的癌症检测的机器学习（ML）算法通用框架包括三个阶段：数据预处理、训练和推理。训练阶段涉及使用特征工程从标记数据中提取特征并训练机器学习（ML）算法；训练好的模型随后在推理阶段应用于预测未见数据的癌症状态。例如，Banaval团队使用带L2正则化的逻辑回归开发了一个基于微生物活性谱的分类器。Granato和Amari等团队的研究使用支持向量机（SVM）或随机森林模型进行特征选择和预测建模，揭示了微生物组成与癌症预后之间的关联。基于学习的模型可以有效地分析海量数据集，帮助研究人员开发肿瘤学早期诊断和精准医疗的工具。通过整合分类学数据、多样性指标和预测建模，建立了一个理解微生物在肿瘤识别中作用的综合框架。
数据预处理是开发基于AI的微生物组癌症预测决策系统的关键第一步。适当的预处理显著提高了机器学习（ML）模型的性能和泛化能力。微生物组数据分析的关键挑战包括测序深度变异、成分效应和异常值，这需要使用数据变换和标准化技术。标准化方法旨在将特征重新缩放到标准范围，以防止大值特征主导学习过程，其中L1和L2归一化是最常见的方法。先前研究表明，将标准化数据与原始分类学谱相结合可以提高分类算法的性能。另一种常用方法是对数变换，以减少特征主导地位并减轻异常值的影响。贝叶斯变换技术是解决测序深度变异和数据稀疏性的有效方案。
微生物组数据预处理存在独特的分析挑战。除了上述通用预处理技术外，微生物组数据还呈现出几个固有的统计和生物学挑战，需要专门处理。首先，零膨胀在宏基因组测序数据中频繁发生，由于测序深度有限、低生物量或真正缺失，许多样本中大部分微生物分类群未被观察到。标准归一化方法不足以处理零膨胀数据，因为它们可能扭曲基础分布。已提出高级策略来应对这一挑战，包括零膨胀负二项模型、贝叶斯插值方法以及将存在-不存在指标作为单独特征。其次，成分性，即测序数据反映相对丰度而非绝对数量，违反了许多经典统计方法的独立性假设。对原始相对丰度进行的简单相关性或差异丰度分析可能产生虚假关联。对数比变换被广泛推荐用于将成分数据转换为适用于机器学习（ML）的欧几里得空间。然而，中心对数比变换对零值敏感，需要事先进行零值处理步骤，这增加了额外的复杂性。第三，由不同测序平台、试剂批次或处理日期引起的批次效应可能显著混淆生物学信号。尽管存在ComBat或limma等通用批次校正方法，但已开发出微生物组特异性工具如MMUPHin或PLS-batch，以考虑微生物计数数据的独特分布特性。未能正确校正批次效应可能导致模型学习技术伪迹而非真正的疾病相关微生物特征，严重损害跨队列的泛化能力。第四，当前预处理方法很少明确建模生态相互作用。大多数特征选择方法将微生物分类群视为独立预测因子，忽略了微生物群落作为整合网络的功能。新兴方法，例如将基于相关性的网络度量作为附加特征纳入，或使用图正则化的机器学习（ML）模型，旨在将生态相互作用结构嵌入学习框架。然而，这些方法目前未被充分利用，并存在计算和可解释性方面的挑战。总之，在预处理阶段解决这些微生物组特异问题，包括零膨胀、成分性、批次效应和生态相互作用，对于构建用于口腔癌检测的稳健、可泛化且具有生物学意义的人工智能（AI）模型至关重要。
3.2 机器学习模型在微生物组分析中的架构选择与权衡
选择合适的机器学习（ML）模型是AI驱动微生物组研究的关键步骤。它直接决定模型的预测性能、计算效率和对未见数据的泛化能力，并深刻影响研究结论的可靠性和临床转化的可行性。由于特征数量通常远远超过样本数量，微生物组数据呈现出典型的高维特性，伴随着显著的噪声干扰和复杂的特征间相互作用。这些独特的数据属性要求研究人员在模型可解释性、非线性处理能力和计算成本之间仔细权衡。目前，从经典线性统计模型到前沿深度学习（DL）架构的一系列机器学习（ML）算法已广泛应用于微生物组研究，每种方法在特定应用场景中都展现出独特优势和不可避免的局限性。
在现有模型中，逻辑回归因其出色的可解释性在生物医学研究中占有重要地位。作为一种广义线性模型，逻辑回归能有效执行宿主表型特征筛选等基本任务，并因其清晰的线性决策边界，使研究人员能够直接量化每个微生物特征对预测结果的贡献。这一特性在旨在识别疾病相关生物标志物的研究中尤为有价值。例如，通过分析特征系数的大小和方向，研究人员可以直观地识别与口腔癌风险正相关或负相关的特定微生物类群。然而，逻辑回归的线性本质也构成了其主要局限性。微生物群落内部存在复杂的非线性相互作用，如生态位竞争和协同共生；这些错综复杂的关系通常超出线性模型的捕获范围。因此，在处理高度复杂的微生物组数据时，逻辑回归的性能通常被更复杂的模型超越。
朴素贝叶斯分类器同样强调实用性，它基于贝叶斯定理构建，通过假设特征之间的条件独立性简化计算并估计类后验概率。尽管这一强独立性假设在真实微生物生态系统中常因不同微生物物种间普遍存在的协同或竞争关系而被违反，但令人惊讶的是，该模型在许多实际应用中仍表现出令人满意的稳健性和高计算效率。该模型的多项式变体在16S rRNA基因序列分类等任务中表现优异，尤其是在文本分类和序列分析中，能够快速有效地识别和分类微生物物种。
另一种简单高效的基于实例的算法是k近邻（KNN）算法，它采用完全不同的学习范式。无需复杂的参数训练过程，该算法直接基于特征空间中样本的相对邻近性做出分类决策，这种方法直观且在基于唾液微生物群的癌症识别等应用中取得了令人满意的结果。值得注意的是，KNN的性能很大程度上取决于距离度量的选择和邻域大小的设置；这些超参数需要根据数据的具体特征进行仔细调整。
当预测准确性优先于模型可解释性时，集成学习方法和复杂非线性模型变得尤为有价值。其中，随机森林作为集成学习的杰出代表，通过构建大量决策树并整合其预测结果，显著提高了模型的稳健性和准确性。其核心机制“袋装法”通过对训练数据进行有放回随机抽样，为每棵树提供略有不同的训练子集，从而增加基学习器的多样性。同时，“随机特征子空间”方法在节点分裂时仅考虑随机选择的特征子集，有效降低模型方差并减轻过拟合风险。此外，随机森林提供内置的特征重要性评估函数。研究人员可以使用基尼纯度降低或排列重要性等指标系统地识别对分类贡献最大的关键生物标志物，使其成为探索性微生物组研究的理想工具。
支持向量机（SVM）是另一类强大的非线性模型，其核心思想是使用核技巧将原始数据映射到高维特征空间，从而找到具有最大间隔的最优分类超平面。常用的径向基函数核能有效捕获复杂数据的非线性模式，并广泛应用于癌症生物标志物识别等高维分类任务。然而，支持向量机在多类分类和超高维数据方面也面临显著挑战。一方面，传统的二分类支持向量机需要采用“一对一”或“一对多”等策略扩展到多类场景，这显著增加了计算复杂度；另一方面，高特征维度和有限样本量使模型易于过拟合，核矩阵的计算和存储成本急剧上升，限制了支持向量机在某些大规模微生物组研究中的适用性。人工神经网络（ANN）提供了当前可用的最强大的建模工具，用于处理微生物系统中可能存在的极其复杂的非线性模式。受生物神经网络启发，这些深度学习（DL）模型通过多层神经元的级联连接和非线性激活函数，可以从原始数据中自动学习并提取具有判别性的分层特征表示。深度神经网络的这种特征学习能力使其特别适合处理未经过大量手动特征工程的原始微生物组数据。然而，这种强大的表达能力是以模型可解释性为代价的——神经网络的决策过程常被视为无法解释的“黑箱”，这在需要清晰解释生物学机制的研究中限制了其应用。此外，深度神经网络通常需要大量标记数据进行训练以避免过拟合；然而，在许多微生物组研究中，很难获得大量高质量标记样本，这构成深度学习在该领域广泛应用的主要障碍之一。
除了上述传统架构，两种新兴人工智能（AI）范式正在日益塑造微生物组研究的未来。首先，自监督学习（SSL）近来作为一种利用大规模无标记微生物组数据的强大方法而流行。与依赖昂贵标记样本的监督方法不同，自监督学习通过构建预文本任务，如掩码预测、对比学习或微生物丰度谱重构，从无标记数据中学习丰富且可泛化的特征表示。例如，可以设计对比学习框架，将同一微生物样本的增强视图拉近，同时将不同样本推远，使模型能够在没有表型标签的情况下捕获内在群落结构。然后，这些学到的表示可以在小规模标记数据集上针对下游任务进行微调，例如分类OSCC或识别生物标志物。鉴于获取临床注释微生物组数据的高成本，自监督学习在口腔微生物组研究中尤其有前景，因为大规模鸟枪法宏基因组和16S rRNA测序数据日益丰富，但由于缺乏标签仍未被充分利用。其次，可解释人工智能（XAI）技术在高性能黑箱模型和临床可操作见解之间架起桥梁。尽管传统的可解释模型如逻辑回归提供了透明度，但它们通常无法捕获复杂的非线性相互作用。可解释人工智能方法，包括SHapley Additive exPlanations、Local Interpretable Model-agnostic Explanations、注意力机制和逐层相关性传播，可以事后应用于复杂模型如随机森林、支持向量机或深度神经网络。这些技术量化每个微生物特征对单个预测的贡献，使研究人员能够识别哪些特定的细菌分类群或功能基因驱动了模型的决策。关于OSCC，可解释人工智能有助于验证AI预测的生物标志物是否与已知生物学机制一致，或发现新的、意外的关联。重要的是，自监督学习和可解释人工智能的整合并非互斥：自监督学习从无标记数据预训练稳健的特征提取器，而应用于微调模型的可解释人工智能生成可解释输出，同时解决数据稀缺和“黑箱”问题。
总之，在微生物组分析的复杂领域中，不存在适用于所有研究场景的“一刀切”模型。模型选择本质上是一个多目标优化过程，从逻辑回归（追求高可解释性）到随机森林（平衡预测性能和部分可解释性），从深度神经网络（致力于捕获极端复杂模式）到自监督学习和可解释人工智能等新兴范式，需要与研究目标、数据特征和可用计算资源精确匹配。在实际研究中，通常采用分层策略：首先使用简单模型建立基线性能并获得初步生物标志物线索，然后逐步引入更复杂的模型以提高预测准确性；最后通过模型比较和集成学习获得最可靠的研究结论。为了在此复杂决策过程中做出最符合研究需求的选择，研究人员必须熟悉各种模型的理论基础，并深入理解它们在微生物组数据分析中的具体权衡。机器学习技术的持续发展，特别是自监督学习、图神经网络、元学习和可解释人工智能在生物信息学中的兴起，将进一步扩大未来微生物组研究的模型选择空间，并提供更强大的分析工具来揭示微生物组与人类健康之间的复杂关系。
3.3 评估技术与验证策略
机器学习（ML）模型的评估和验证是微生物组学研究中的核心步骤，以确保研究结果的可靠性和可重复性。模型的设计和性能与数据特征密切相关，包括微生物组数据的多样性、测序质量、样本量以及具体的研究背景和应用场景。研究人员在模型选择过程中需要在多个维度之间取得平衡：首先是可解释性与预测性能之间。
高可解释性模型在需要深入理解微生物特征与癌症发展机制的研究中具有明显优势。例如，逻辑回归模型可以通过可解释的系数权重清晰展示不同微生物特征对预测结果的贡献；此外，决策树模型通过显式的决策规则路径为研究人员提供直观的特征重要性排序。然而，在预测准确性优先的应用场景（如早期癌症筛查）中，人工神经网络和梯度提升机等复杂模型通常提供卓越的性能，尽管其“黑箱”性质使得理解内部决策机制变得困难。当研究同时重视性能和可解释性时，集成学习方法如随机森林提供了一个极好的折中方案；它们保持高预测性能，同时通过特征重要性分析和单个决策树的解释提供一定程度的可解释性。
除了模型性能和可解释性之间的平衡，计算成本和数据可用性也必须被视为模型选择的关键因素。在计算资源方面，不同模型架构之间存在显著差异：人工神经网络，尤其是具有多个隐藏层的深度神经网络，在训练过程中需要大量的矩阵运算和梯度优化，对计算硬件要求较高；处理大规模数据集时，支持向量机的计算复杂度随着支持向量的数量显著增加。相比之下，传统模型如逻辑回归和决策树的相关计算成本要低得多。
数据可用性是对模型选择的同样关键的限制。在微生物组研究中，高质量的标记数据集通常规模有限且成本高昂。这一实际限制使研究人员更倾向于选择在小样本数据上表现稳健的算法，如逻辑回归和支持向量机，而不是需要大量训练数据的深度学习模型。具有集成学习抗过拟合特性的随机森林，以及在小样本高维数据上表现良好的支持向量机，已成为微生物组研究中最常用的建模方法。
模型的评估和验证需要系统性的技术工作流程以确保结果的可靠性。首要原则是明确分离训练数据和测试数据：必须保留一个完全独立的测试集来评估模型的泛化能力，因为这是确定模型能否应用于真实场景的最终标准。在此基础上，交叉验证技术提供了更稳健的模型评估方案，尤其分层k折交叉验证。该方法将原始数据分为k个互斥子集，每轮使用k?1个子集进行训练，剩余子集用于验证，通过k轮迭代训练和验证，最终将k次验证结果的平均值视为模型性能的估计。在微生物组数据中，采用患者水平的分层策略尤为重要，因为它确保每折包含具有代表性的患者特征分布，避免了数据划分引入的评估偏差。
超参数调整是模型优化过程中的关键步骤；它需要系统探索超参数空间以找到最优配置。不同的搜索策略在计算效率和优化能力上各不相同，从传统的网格搜索和随机搜索到更高效和先进的方法如贝叶斯优化。序列模型贝叶斯优化等方法通常可以用比传统方法更少的评估次数找到更好的超参数配置，尤其是在处理高维超参数空间时。
应建立多维指标体系以定量评估模型性能，全面反映模型的预测能力。准确性作为最直观的指标，反映模型预测的整体正确率，但在类别不平衡的场景中可能产生误导，这在微生物组数据中很常见。例如，在癌症阳性样本稀少的筛查任务中，模型可能通过将所有样本预测为阴性来获得高准确性；然而，这完全忽视了识别阳性样本的核心需求。因此，F1评分是更合适的评估指标：它通过精确率和召回率的调和平均数综合考量模型识别阳性样本的能力。精确率衡量正确预测阳性样本的比例，反映模型避免假阳性的能力；召回率衡量模型识别出所有真实阳性样本的比例，反映模型避免假阴性的能力。在口腔癌早期诊断等场景中，高召回率意味着更少的漏诊，而高精确率意味着更少的假阳性结果。研究人员必须根据具体临床应用需求平衡这两个指标。除了这些基本指标，综合指标如受试者工作特征曲线下面积（AUC-ROC）和精确率-召回率曲线下面积（AUC-PR）在微生物组研究的模型评估中也发挥着重要作用，为不同应用场景下的模型选择提供了坚实基础。
4 AI辅助探究口腔微生物组与癌症之间的联系
近年来，人工智能（AI）在揭示口腔微生物组与癌症（尤其是OSCC）之间的关联方面展现了巨大潜力。通过开发多种算法模型，研究人员深入探究了微生物特征与癌症发生和进展之间的联系，为癌症早期诊断和生物标志物筛选提供了创新见解。多项研究表明，不同AI模型在分析口腔微生物组数据时展现出独特优势。其中，随机森林算法因其处理高维数据和抗过拟合的能力而脱颖而出，成为最常用且性能最高的模型之一。在此背景下，He等人使用口腔微生物组数据系统评估了随机森林、支持向量机（SVM）、人工神经网络（ANN）和朴素贝叶斯等分类器的性能。他们报告称，随机森林在预测OSCC风险方面显著优于其他模型。通过优化20个特定细菌属的特征组合，该模型的AUC达到0.99，超越了传统微生物失调指数，凸显了靶向微生物生物标志物在风险预测中的精确性。这一发现表明，微生物群落的具体组成可能作为个性化评估癌症风险的可靠“分子指纹”。
除了模型选择，样本来源的多样性也影响着诊断效能的探索。Lei等人创新性地收集了来自唾液、龈下菌斑、肿瘤表面、健康口腔黏膜和肿瘤组织的微生物组数据，并开发了两个随机森林模型：一个整合了所有样本的信息（准确率：98.17%），另一个仅基于唾液的简化模型（准确率：95.70%）。外部验证证实了这两种模型在实际应用中的高准确率（分别为96.67%和93.58%）。这项研究验证了微创采样的可行性，并通过相关分析确定了特定细菌属（如放线菌属和梭杆菌属）与OSCC之间的潜在关联，为开发非侵入性诊断技术奠定了基础。
Gao等人专注于组织层面。通过比较癌组织和健康组织的16S rRNA测序数据，他们发现微生物组的功能变化，如氨基酸代谢异常和葡萄糖消耗失调，与OSCC的病理机制高度相关。他们进一步筛选出12个细菌属用于区分癌组织和癌旁非癌组织，为微生物与癌症之间的相互作用提供了功能视角。
Saba等人关注环境因素的影响。通过分析无烟烟草使用者的口腔微生物组，他们发现这些使用者的微生物组与OSCC患者相似，并且特定微生物（如普雷沃菌属和拟杆菌属）显示出与烟草暴露和癌症风险的潜在关联。这强调了将环境协变量纳入微生物组研究的必要性。总之，这些研究表明，机器学习（ML）可以识别关键的微生物生物标志物，并剖析将微生物与环境暴露、组织特异性和功能代谢联系起来的复杂网络，为精准癌症防控提供了多维视角。
关于口腔微生物组与癌症联系的研究表明，人工智能（AI）的应用不仅限于构建诊断模型，还扩展到了生物标志物筛选、转移风险预测和跨癌分类等前沿领域，从而加深了对癌症发病机制的理解。为了解决OSCC淋巴结转移这一关键临床问题，Shao等人使用随机森林分类器分析了54例患者的唾液样本。他们报告称，转移组和非转移组之间的微生物多样性存在显著差异，转移癌患者中普雷沃菌属和双歧杆菌属的丰度更高。同时，非转移患者中信号肽酶II相关通路更为活跃。这一发现为评估癌症进展风险提供了潜在的微生物指标，并提示微生物群落可能通过调节宿主信号通路影响肿瘤侵袭性。
同时，Banavar团队利用逻辑回归模型探索了唾液样本在早期癌症检测中的应用价值。使用宏转录组数据构建的模型对I期OSCC的AUC达到0.9，敏感性为92.3%，特异性为97.9%。经过优化后，唾液检测技术进行了大规模验证（945个训练样本加230个独立样本），对OSCC的特异性和敏感性保持在94%/90%，对口咽癌为84.2%。这证实了唾液作为非侵入性检测工具的可靠性，并凸显了将人类核糖核酸（mRNA）与微生物生物标志物相结合所产生的协同诊断优势。这种多组学整合有望克服单一生物标志物的不足，提高检测的全面性和准确性。
更值得注意的是，Freitas团队将研究范围扩展到泛癌研究。使用癌症微生物组谱数据训练随机森林算法，他们评估了微生物组对五种癌症类型（包括头颈癌、结肠癌和胃癌）进行分类的能力。尽管由于相似的微生物环境，区分邻近部位癌症具有挑战性，但该模型在分类头颈癌、胃癌和结肠癌方面表现良好（结肠癌准确率>90%）。这一发现证实了微生物组数据在跨癌诊断中的潜在价值，并揭示了解剖部位对微生物组成的深刻影响：不同器官的微环境可能选择性富集特定的微生物群落，形成独特的“微生物-器官”关联模式。从更广阔的视角来看，从这些研究可以得出结论：口腔微生物组不仅仅是癌症的“旁观者”，而是疾病发生和进展的“积极参与者”。通过高效处理复杂的高维数据，机器学习（ML）可以从海量微生物数据集中提取关键特征，协助识别具有诊断或预后价值的生物标志物，并进一步剖析微生物与宿主生理/病理过程之间的动态相互作用网络。未来，多组学数据与机器学习（ML）算法的深度融合，并在更大规模的临床队列中进行验证，有望使口腔微生物组成为精准癌症医学的关键突破口，从早期非侵入性筛查到个性化治疗监测，为改善患者预后提供新策略。
5 AI驱动的技术创新与OSCC早期检测的临床转化前景
近年来，人工智能（AI）与口腔微生物组学的整合为OSCC的精确诊断和生物标志物筛选开辟了新视野。传统的OSCC诊断依赖于组织活检和病理分析，受到高侵入性、早期敏感性低和可及性差的限制。相比之下，AI通过处理多模态微生物组数据，显著提高了从复杂微生物信号中提取关键信息的效率。
在生物标志物发现方面，多项研究使用AI算法分析了口腔微生物组与OSCC之间的关联，揭示了特定微生物组合的诊断潜力。Zhou等人使用随机森林模型整合了多个部位的微生物组数据。他们发现，仅基于唾液数据的模型可以达到95.70%的准确率，并识别出与OSCC相关的细菌属，如放线菌属和梭杆菌属，为非侵入性筛查奠定了基础。He等人进一步优化了模型；一个用20个特定细菌属训练的随机森林分类器在预测口腔癌风险方面实现了0.99的AUC，显著优于传统微生物失调指数，证实了靶向微生物生物标志物的精确性。此外，为了解决OSCC淋巴结转移这一关键临床问题，Yin等人使用随机森林分析了54例患者的唾液样本。他们报告称，转移组中普雷沃菌属和双歧杆菌属的丰度显著增加；同时，非转移组中信号肽酶II相关通路更为活跃。这表明微生物群落既可用于癌症诊断，也可反映肿瘤的侵袭性特征。
AI技术的核心优势在于其整合多维数据的能力。Saxena等人使用随机森林模型分析了来自健康个体和OSCC患者的196份口腔微生物样本，揭示无烟烟草使用者的微生物组与OSCC患者高度相似。此外，他们识别出普雷沃菌属和拟杆菌属等属与烟草暴露和癌症风险的潜在关联，凸显了环境因素与微生物组相互作用在诊断中的补充价值。Freitas团队使用癌症微生物组谱数据训练随机森林分类器，评估微生物组对五种癌症类型（包括头颈癌和结肠癌）进行分类的能力。该模型在头颈癌中表现卓越，进一步证实了微生物组作为泛癌生物标志物的作用。这些研究扩大了OSCC生物标志物的范围（从单一细菌属到功能通路和环境-微生物互作），并通过AI的“数据驱动”模型，将传统的经验诊断推向精准化和个性化。
在早期检测技术的发展中，AI辅助的微生物组分析正逐步克服传统技术的时间和空间缺陷，推动OSCC筛查向非侵入性和便捷性方向发展。目前，唾液作为“体液”的代表，由于其采样简便、非侵入性以及能够反映局部口腔和全身微生物状态，已成为AI应用的理想载体。Banavar团队使用945份唾液样本训练逻辑回归模型，并用230份独立样本进行验证，对OSCC实现了94%的特异性和90%的敏感性。经过进一步优化，对OSCC和口咽癌的联合检测敏感性达到90%，特异性为84.2%，表明AI结合微生物生物标志物可以实现接近临床应用标准的早期筛查工具。
更值得注意的是，AI正在推动微生物组与多组学数据的整合，以构建更全面的诊断系统。一方面，口腔微生物代谢产物与宿主免疫/代谢通路之间的相互作用已被证明参与OSCC发病机制。AI可以通过整合微生物组成和代谢组学数据，更准确地捕获癌症相关的功能变化。另一方面，AI模型可以通过结合组织病理学图像或患者临床参数，动态调整诊断阈值，以提高在不同人群中的适用性。例如，当Cao等人使用卷积神经网络分析口腔癌组织病理图像时，AI在分类异常上皮增生方面达到了89.3%的准确率。进一步整合病变区域的微生物组特征，有望增强诊断效能。
从临床转化的角度来看，AI辅助的OSCC微生物检测技术已进入验证阶段。以往大多数研究基于回顾性数据构建模型；未来需要前瞻性队列来验证这些模型的稳定性和泛化性。同时，便携式检测设备与AI算法的整合，有望创建“居家采样-云端分析-即时反馈”的闭环，显著提高筛查的可及性。此外，伦理和数据安全问题也需要同步关注。
总之，AI驱动的口腔微生物组分析为OSCC的早期检测提供了“低成本、高灵敏度”的技术路径，并通过多组学整合和临床场景适应，将癌症防控从“被动治疗”转变为“主动预警”，具有重要的公共卫生意义和应用前景。
6 未来展望
人工智能（AI）与口腔微生物组数据的整合为OSCC的精准诊断和治疗提供了新的见解。利用多模态数据和算法，AI帮助识别与OSCC相关的细菌生物标志物，并阐明微生物群落与肿瘤微环境之间的功能相互作用。临床上，AI辅助模型克服了传统侵入性诊断方法的不足，推动了非侵入性筛查和预警系统的发展。与多组学数据的整合进一步增强了诊断特异性，为个性化治疗奠定了基础。然而，除了静态生物标志物发现，鉴于口腔状况的动态特性，讨论微生物生物标志物的演变至关重要。口腔微生物组的组成和功能潜力在从口腔健康到癌前病变再到OSCC，以及在治疗和复发过程中不断演变。
某些细菌分类群的相对丰度或功能活性可能因疾病阶段、炎症状态、抗生素暴露、手术干预或放射治疗而变化。例如，早期OSCC的高度判别性生物标志物可能在晚期疾病或治疗后失调患者中丧失特异性。理解这种时间和条件的演变对于开发动态监测策略、预测癌前病变的恶性转化以及评估治疗反应或复发风险至关重要。纳入纵向采样和时间感知算法的AI模型可以捕获此类演变轨迹；然而，这仍是一个未被充分探索的领域。当前文献主要依赖横截面数据，限制了推断微生物变化与口腔疾病演变之间因果或进展关系的能力。目前，若干实际障碍阻碍了临床转化，包括口腔微生物组采样和测序缺乏标准化方案，研究间变异大且模型泛化性差；许多深度学习（DL）模型的“黑箱”性质限制了临床医生信任和监管接受；缺乏大规模、前瞻性、多中心验证研究；以及在资源有限环境中通常缺乏用于实际实施所需的大量基础设施、计算资源和培训。此外，未解决的监管批准、数据隐私和报销障碍也阻碍了广泛采用。
7 结论
总之，克服当前障碍，特别是缺乏标准化方案、模型泛化性差以及AI模型的“黑箱”性质，对于基于AI的口腔微生物组分析在OSCC中的临床转化至关重要。未来研究必须优先考虑三个主要目标：开发整合因果推理以捕获动态微生物-肿瘤相互作用的混合算法；进行纵向机制研究以验证生物标志物在口腔状况自然史中的演变；通过前瞻性多中心验证、便携式AI集成设备和靶向微生物组的联合疗法推进临床转化。实现这些目标将使该新兴领域能够实现智能化、个性化的诊断和治疗范式。
