基于饮酒-肠道微生物群-肝脏轴的机器学习预测早期肝细胞癌的发生

科学领域:

• 胃肠病学和肝病学 胃肠学和肝病学
• 微生物组研究 微生物组研究
• 在瘤学瘤学.

背景情况:

• 肝细胞癌 (HCC) 与酒精消费和肠道微生物群变化有关.
• 酒精,肠道微生物群和HCC发展之间的精确相互作用仍然不完全理解.

研究的目的:

• 为了阐明饮酒-肠道微生物群-肝脏轴.
• 开发和评估用于预测早期HCC发生的机器学习 (ML) 模型.

主要方法:

• 使用调解和适度分析来确定饮酒-饮酒-肠道微生物群-肝脏轴.
• 应用了8个机器学习算法,包括XGBoost,来预测早期的HCC.
• 分析了269名早期HCC患者和278名对照组的数据.

主要成果:

• 特定的肠道细菌属 (例如,Catenibacterium,Tyzzerella) 显示出显著的调解效应.
• 几种细菌家族和属 (例如,Enterococcaceae,Enterococcus,Lactobacillus) 显示出显著的缓解效应.
• 机器学习模型表现出强大的预测能力,AUC从0.855到0.932不等,XGBoost表现最好 (AUC=0.932).

结论:

• 整合饮酒-肠道微生物群-肝脏轴的机器学习模型在预测早期HCC时具有显著价值.
• 这一轴为开发HCC新型诊断和预后工具提供了一个有希望的框架.