基于舌高光谱成像与舌苔微生物群相关性分析的2型糖尿病早期无创筛查可行性研究

《Frontiers in Endocrinology》:Correlation analysis between tongue hyperspectral imaging and tongue coating microbiota and feasibility study for early screening of type 2 diabetes mellitus status

【字体: 大 中 小 】 时间:2026年09月18日 来源:Frontiers in Endocrinology 5.7

编辑推荐:

  目的:探讨高光谱成像(hyperspectral imaging)技术联合机器学习算法用于2型糖尿病(type 2 diabetes mellitus, T2DM)早期无创筛查的可行性。方法:研究人员采用高光谱成像系统采集153名受试者的舌图像,同时收集53份

  
目的:探讨高光谱成像(hyperspectral imaging)技术联合机器学习算法用于2型糖尿病(type 2 diabetes mellitus, T2DM)早期无创筛查的可行性。方法:研究人员采用高光谱成像系统采集153名受试者的舌图像,同时收集53份舌苔样本进行16S rRNA测序;对舌高光谱数据与舌苔微生物群进行Spearman相关性分析;最后整合机器学习构建基于舌高光谱数据的T2DM疾病状态识别模型。结果:实验结果显示,共有10个菌属在三组间存在显著差异(P < 0.05);其中unclassified_p_Bacillota、Pseudoleptotrichia、Xylanibacter、Gemella、norank_f_Mitochondria和Enhydrobacter的相对丰度与舌高光谱图像存在显著相关性(P < 0.05)。基于舌高光谱数据构建的T2DM疾病状态识别模型取得了良好的建模效果,最优模型的准确率(ACC)=0.8966,受试者工作特征曲线下面积(AUC)=0.8029。结论:研究结果表明,不同疾病阶段的T2DM患者舌高光谱特征与舌苔微生物菌属之间存在一定相关性;基于舌高光谱成像和机器学习算法构建的T2DM疾病状态识别模型可用于健康对照(healthy control, HC)、糖调节受损(impaired glucose regulation, IGR)和T2DM的识别,该方法可能为T2DM早期识别提供一种无创、快速的筛查途径。
**研究背景与目的**

糖尿病(diabetes mellitus, DM)是一种全球高发的慢性代谢性疾病,其中2型糖尿病(type 2 diabetes mellitus, T2DM)占90%以上,且糖调节受损(impaired glucose regulation, IGR)人群比例也很高。目前T2DM诊断主要依赖静脉血糖或糖化血红蛋白A1c(HbA1c),存在有创、依从性差、费用高等局限。舌象与口腔微环境及全身代谢状态密切相关,舌苔微生物群失调和舌组织光学特性改变可反映糖代谢异常。高光谱成像(hyperspectral imaging)能在纳米级光谱分辨率下同时获取舌体的空间与光谱信息,反映血红蛋白、微循环、组织水含量等生理指标,有望为T2DM早期识别提供无创、客观的新途径。本研究旨在探索T2DM舌高光谱特征与舌苔微生物群落结构的关联,并评估基于舌高光谱成像联合机器学习算法识别T2DM疾病状态的可行性。

**研究方法**

研究队列来自天津中医药大学第四附属医院,经天津中医药大学伦理委员会批准(TJUTCM-EC20190004),共纳入153名受试者(T2DM 99例、IGR 18例、健康对照(healthy control, HC)36例)采集舌高光谱图像,其中53名(T2DM 25例、IGR 10例、HC 18例)同时采集舌苔样本。关键技术包括:使用380~1030 nm、300波段的高光谱成像系统采集舌图像,按舌中、舌尖、左右舌边四个区域提取30×30像素感兴趣区域(region of interest, ROI)平均反射光谱;采用16S rRNA V3-V4区测序分析舌苔菌群结构;采用Spearman相关分析菌群与光谱特征关系;对光谱进行Savitzky-Golay(S-G)平滑、一阶导数、标准正态变量变换、多元散射校正等预处理,使用偏最小二乘判别分析(partial least squares discriminant analysis, PLS-DA)降维,经合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)均衡样本后构建支持向量机(support vector machine, SVM)、随机森林(random forest, RF)和PLS-DA分类模型,以5折交叉验证和独立测试集评估性能。

**研究结果**

**3.1 基线特征比较**

通过比较HC、IGR、T2DM三组的一般资料,结果显示三组年龄无统计学差异,而性别、吸烟史、饮酒史和体质指数(BMI)差异显著,T2DM组男性比例和BMI水平更高。进一步多分类logistic回归校正后,年龄与IGR和T2DM状态均独立相关,男性与高BMI主要与T2DM状态相关。临床指标比较显示,T2DM组空腹血糖和餐后2小时血糖显著升高,Ⅳ型胶原(IV-Col)和C反应蛋白(CRP)也显著升高,提示随着疾病进展,T2DM患者可能存在纤维化和炎症反应加重。

**3.2 舌苔微生物群分析**

**3.2.1 α多样性分析**

对53份舌苔样本进行16S rRNA基因测序,共获得1109个操作分类单元(operational taxonomic unit, OTU)。稀释曲线显示测序深度充分。Shannon指数三组间无统计学差异,但T2DM和IGR组呈现下降趋势,且T2DM组个体离散度较大,提示糖代谢异常人群口腔菌群多样性有降低倾向但未显著减少。

**3.2.2 β多样性分析**

基于OTU水平的主成分分析(principal components analysis, PCA)显示三组总体结构无明显分离;进一步采用PLS-DA分析,三组在二维得分图中呈现明显分离趋势,但仍存在部分重叠。该结果提示随着糖代谢紊乱加重,口腔微生物物种组成结构发生特征性改变。

**3.2.3 舌苔微生物相对丰度分析**

属水平群落分析显示,三组核心菌属包括Neisseria、Prevotella、Streptococcus、Rothia、Fusobacterium、Veillonella、Haemophilus、Schaalia、Leptotrichia和Granulicatella。Kruskal-Wallis H检验发现10个菌属在三组间差异显著(P < 0.05),其中Pseudoleptotrichia和unclassified_p_Bacillota在T2DM组富集,norank_f_Prevotellaceae和Solobacterium在HC组丰度较高,Gemella、Xylanibacter和Fretibacterium在IGR组最高,norank_f_Mitochondria、Enhydrobacter和Chryseobacterium仅在IGR或T2DM组检出。这些差异菌属可能作为区分不同糖代谢状态的潜在微生物标志物。

**3.3 舌高光谱图像的平均光谱**

比较三组舌面平均光谱曲线,整体趋势在可见光至近红外范围内基本一致,但不同波段存在差异。在680~750 nm波段三组差异最显著,表现为HC组 > IGR组 > T2DM组;在500~600 nm波段反射率与血红蛋白含量趋势相关。该结果提示舌面高光谱特征可用于反映糖代谢异常状态,700 nm附近主峰差异可能成为潜在光谱标志。

**3.4 舌高光谱数据与舌苔微生物群的相关性分析**

对差异菌属相对丰度与舌高光谱特征波长进行Spearman相关分析,结果显示:unclassified_p_Bacillota与舌中区域875.19 nm反射率呈负相关;Pseudoleptotrichia和Xylanibacter与舌尖区域多个波段反射率呈负相关;左舌区域Pseudoleptotrichia和Gemella与多个波段反射率呈正相关,norank_f_Mitochondria和Enhydrobacter与近红外波段反射率呈负相关。但经Benjamini-Hochberg错误发现率校正后相关性均不再显著,提示这些关联属于探索性发现,需更大样本验证。

**3.5 T2DM疾病状态识别模型结果**

研究人员比较了不同光谱预处理方法对模型性能的影响,发现S-G平滑在多个舌区域均能提升SVM模型的分类性能。经PLS-DA降维后,基于舌中区域光谱特征的SVM模型在独立测试集上表现最佳,ACC=0.8966,AUC=0.8029;其识别HC和T2DM的F1-score分别为0.9231和0.9500,而对IGR的识别相对较弱(F1-score=0.4000)。舌中区域优于舌尖、左右舌边和舌面区域,提示舌中区域可能包含更稳定、更具判别性的代谢相关光谱信息。

**讨论与结论**

讨论部分指出,年龄、男性、BMI与T2DM的关联与既往流行病学研究一致;T2DM患者IV-Col和CRP升高提示疾病后期存在肝纤维化进展和低度炎症状态。舌苔核心菌群中Neisseria、Prevotella、Streptococcus等与硝酸盐还原、口腔pH下降、牙周炎症及“口腔-肠道轴”有关,可能在T2DM代谢紊乱中发挥作用。差异菌属的富集或缺失提示舌苔微生物群可反映糖代谢状态。舌高光谱与菌群的关联可能并非由单一菌属直接决定,而是微生物群落、代谢产物、舌苔物理性质和舌黏膜微循环共同作用的结果;但本研究未量化舌苔厚度、含水量和局部微循环,因此相关机制仍需进一步研究。模型方面,S-G平滑有效提高光谱稳定性,PLS-DA降维减少了变量冗余,SVM在舌中区域达到最优分类效果;IGR样本量少是模型识别该组能力受限的重要原因。研究局限性包括单中心、样本量有限、IGR组例数少等,未来需多中心、大样本并整合微生物组、代谢组和临床参数进一步验证。

结论:本研究基于高光谱成像技术比较了HC、IGR和T2DM参与者的舌图像,发现680~750 nm波段存在光谱曲线差异;利用16S rRNA技术识别出三组人群舌苔微生物多样性和物种组成特征差异;相关性分析揭示了关键舌苔菌属与舌高光谱
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号