在肠口腔微生物群边界的人工智能:为胃癌风险预测绘制机器学习工具

科学领域:

• 微生物组研究的研究.
• 人工智能在瘤学中的应用
• 发现生物标志物的发现.

背景情况:

• 胃癌 (GC) 是一个重大的全球健康挑战,往往是晚诊断.
• 微生物组分析和人工智能为GC风险预测提供了新的非侵入性方法.
• 目前用于GC预测的AI驱动的微生物组方法缺乏标准化.

研究的目的:

• 系统地审查和评估AI/ML模型用于使用微生物和非侵入性生物标志物的GC预测.
• 评估不同样本类型 (肠道,胃粘膜,口腔,舌头) 的方法严谨性,翻译准备性和生物标志物的融合.

主要方法:

• 在PubMed,Scopus和Web of Science的系统文献搜索,截至2025年3月.
• 包括将AI/ML应用于GC诊断,风险或治疗反应的微生物组数据的研究.
• 对样本来源,测序,ML模型,验证,性能,可解释性和微生物种群的数据提取;使用视觉分析进行分析.

主要成果:

• 包括九项研究,使用胃粘膜,便,唾液,舌头涂层和瘤组织.
• 16S rRNA测序和基因级数据是常见的;随机森林是最常见的ML算法.
• 经验证的模型显示高AUC (0.88-0.97),但只有33.3%使用外部验证;报告和解释性各不相同.
• 发现的关键微生物生物标志物包括Veillonella,Fusobacterium,Prevotella和Porphyromonas.

结论:

• 基于人工智能的微生物组模型表明,对非侵入性胃癌预测具有很高的潜力.
• 可复制性,外部验证和透明报告是临床实施的关键障碍.
• 标准化管道,多学科整合和前性验证对于临床翻译至关重要.