《Frontiers in Genetics》：Development and validation of a machine learning scoring system based on multi-dimensional metabolic signatures for invasive examination triage in intestinal diseases
编辑推荐：
背景：炎症性肠病（inflammatory bowel disease，IBD）与肠易激综合征（irritable bowel syndrome，IBS）症状重叠但机制不同。结肠镜（colonoscopy）是有创、昂贵且常被过度使用。单一生物标志物诊断价值有限
背景：炎症性肠病（inflammatory bowel disease，IBD）与肠易激综合征（irritable bowel syndrome，IBS）症状重叠但机制不同。结肠镜（colonoscopy）是有创、昂贵且常被过度使用。单一生物标志物诊断价值有限。研究人员旨在开发并验证可解释的机器学习评分系统，整合多维度代谢相关生物标志物用于有创检查分诊。方法：这项回顾性单中心研究纳入729名参与者（313名健康对照、210名IBS、100名溃疡性结肠炎（ulcerative colitis，UC）和106名克罗恩病（Crohn's disease，CD）患者）。收集人口学、临床及反映炎症代谢、营养代谢、肝脏代谢功能和肾脏代谢稳态的代谢相关实验室生物标志物。采用相关性网络分析、最小绝对收缩与选择算子（least absolute shrinkage and selection operator，LASSO）回归、极端梯度提升（extreme gradient boosting，XGBoost）及简化列线图（nomogram）评分系统区分IBD与非IBD。结果：所有临床和代谢相关变量差异均显著（P < 0.001）。IBD患者炎症相关代谢生物标志物升高且炎症驱动代谢相关相关性网络致密，IBS代谢特征接近健康对照。XGBoost性能最佳（AUC = 0.992），LASSO次之（AUC = 0.978）。简化评分系统纳入性别、年龄、log转化粪便钙卫蛋白（fecal calprotectin，FC，LogFC）、log转化C反应蛋白（C-reactive protein，CRP，LogCRP）、血红蛋白（hemoglobin，HB）、白蛋白（albumin，ALB）、白细胞计数（white blood cell count，WBC）和血小板计数（platelet count，PLT），AUC = 0.910，优于单独FC（AUC = 0.844）和FC-CRP组合（AUC = 0.855）。该评分系统具有临床净获益且与结肠镜炎症严重程度相关（AUC = 0.761）。炎症和代谢相关生物标志物是IBD最强预测因子。结论：IBD具有独特多维度代谢相关生物标志物特征。所提机器学习评分系统整合这些特征，是非侵入、可靠的有创检查分诊工具，可减少不必要结肠镜并改善临床资源利用。
论文解读：《Frontiers in Genetics》发表的多维度代谢特征机器学习评分系统研究
研究背景方面，炎症性肠病（inflammatory bowel disease，IBD）与肠易激综合征（irritable bowel syndrome，IBS）在腹痛、腹泻等症状上高度重叠，但IBD为慢性复发性肠道炎症，IBS为功能性胃肠病。结肠镜（colonoscopy）联合组织病理学是诊断金标准，但有创、费用高、肠道准备负担重、患者接受度有限，且在轻症或小肠病变时单一非侵入标志物如粪便钙卫蛋白（fecal calprotectin，FC）性能不足。常规炎症标志物如C反应蛋白（C-reactive protein，CRP）、血沉（erythrocyte sedimentation rate，ESR）、血清淀粉样蛋白A（serum amyloid A，SAA）单独价值有限。研究人员提出“代谢相关生物标志物”概念，即用常规化验间接反映肠道炎症引发的炎症代谢、营养代谢、肝代谢功能和肾代谢稳态改变，并假设慢性肠炎会带来多系统协调扰动，从而可用机器学习整合这些信号做内镜检查前分诊。
为开展研究，研究人员使用浙江大学附属第四医院2021年7月至2025年11月消化科门诊及体检人群形成的单中心回顾性队列，共729人，含313健康对照、210 IBS、100 UC、106 CD；按7:3分训练集511人与测试集218人。关键技术方法包括：相关性网络分析用Spearman系数筛选前15个高平均绝对相关变量并做网络中心性分析；LASSO回归以lambda.1se选特征并建线性诊断模型；XGBoost用五折交叉验证调参并评估非线性集成性能；简化列线图（nomogram）评分系统由LASSO选出性别、年龄、LogFC、LogCRP、HB、ALB、WBC、PLT八项常规指标，再转为可解释分值与IBD概率。
研究结果如下。3.1 研究人群人口学、临床与代谢特征：通过组间比较发现IBD组FC、CRP、SAA、ESR、粪潜血阳性率显著升高，HB与ALB降低，ALT下降、AST/ALT比升高，尿酸（uric acid，UA）与估算肾小球滤过率（estimated glomerular filtration rate，eGFR）改变；IBS组代谢轮廓接近健康对照。结论为IBD伴多维度全身代谢重塑，IBS无显著系统代谢重构。
3.2 诊断特异性代谢网络重塑：通过各诊断组Spearman相关网络与网络中心性分析，发现健康与IBS网络稀疏稳定，UC与CD网络致密，FC、CRP、ESR、SAA成为核心节点。结论为炎症活动是代谢网络重构的中枢驱动因素。
3.3 基于代谢相关生物标志物特征的机器学习模型构建：在同一独立测试集比较FC单独、FC-CRP、LASSO、XGBoost与评分系统，LASSO达AUC 0.978，XGBoost达AUC 0.992，均显著优于单标志物和两标志物组合。结论为多维度代谢特征包含远超单一炎症标志的诊断信息。
3.4 临床适用代谢评分系统构建：通过LASSO结合临床可及性筛选八变量并绘列线图，评分系统测试集AUC 0.910。结论为在保持可解释性下仍明显优于FC与FC-CRP。
3.5 代谢评分系统临床效用：通过决策曲线分析（decision curve analysis，DCA）显示评分系统在相关阈值概率下净获益更高；以Mayo内镜评分≥2或SES-CD对应中重度病变定义终点，评分系统预测内镜中重度炎症AUC 0.761；各组的预测概率呈健康对照最低、IBS中间、UC/CD最高的梯度。结论为该评分既可分诊也能粗略反映炎症负荷。
3.6 IBD诊断的关键代谢决定因素：通过XGBoost特征重要性排序，FC、CRP、SAA、ALB、HB、PLT最重要。结论为IBD诊断由炎症、营养与系统代谢稳态的整合扰动驱动，而非孤立炎症异常。
讨论部分总结：研究人员指出IBD不是局部肠炎，而是涉及炎症代谢、营养代谢、肝代谢与肾代谢稳态的全身性疾病，可用肠-肝-肾轴解释。网络分析说明单标志物失败源于忽略变量间耦合；机器学习优势在捕捉非线性与高阶交互；简化评分系统虽低于XGBoost但透明、易嵌入门诊与基层流程，用于慢性腹泻、腹痛患者镜前分诊与转诊优先化，但不能替代结肠镜与病理。局限性为回顾性单中心、健康与IBS均做结肠镜带来选择偏倚、UC与CD合并为IBD、单时间点、非常规代谢组学、需前瞻多中心验证。
结论部分翻译：所提出的简化评分系统将多维度代谢相关生物标志物整合为一个可解释且临床适用的内镜检查前风险分层工具。通过识别炎症性肠病（IBD）风险升高患者，该系统可促进内镜资源更高效分配并支持临床决策。然而，该评分系统仅作为辅助分诊工具，不能替代仍是确诊金标准的结肠镜（colonoscopy）或组织病理学检查。未来需前瞻性多中心研究进一步验证其临床效用与外推性。
