近十多年来，随着人们生活水平的提高和生活方式的改变， 非酒精性脂肪肝病 （NAFLD）已成为一种日益严重的流行病，在肥胖人群中高达90%的人患有NAFLD，在2型糖尿病患者中这一比例为60%，还有20%的体重正常者也会受到NAFLD的影响。总的来说，全球每4个人中就有1人患有NAFLD。  我国NAFLD的发病率已从18%急剧增长超过33%，其增长速度是西方国家的两倍多。据2019年的数据显示，我国NAFLD患者已超过3.1亿人。由于NAFLD是一种“沉默”的疾病，因此实际患病人数可能更多。  NAFLD是以肝脏脂质蓄积为特点，并伴有炎症和胰岛素抵抗，大量被诊断为NAFLD的患者进一步将发展为非酒精性脂肪性肝炎（NASH）。在严重的情况下，NASH还将发展为肝纤维化、肝硬化，甚至是肝细胞癌，最终导致患者死亡。近几年，肝癌死亡率持续攀升，在2020年全球癌症发病率中排名第六，在癌症死亡人数排行中排名第三。要避免发展为重症，首先要避免脂肪肝进一步恶化导致肝脂肪变性。健康饮食和运动都是有效的方法。  近年来，越来越多的证据表明 肠道微生物组 （肠道菌群）与非酒精性脂肪肝（NAFLD）的发病机制之间存在相互作用。然而，前者在NAFLD早期检测中的作用还未被阐明。   2022年6月8日，发表在 《Science Translational Medicine》 上的一项新研究中，来自上海交通大学附属第六人民医院贾伟平院士联合香港大学和德国Hans Kn?ll研究所的研究团队开发了一种基于肠道微生物组的非酒精性脂肪肝发病进展预测模型。   非酒精性脂肪肝（NAFLD）是一种常见的疾病，但要发现肝脏脂肪变性的证据需要组织学和影像学检查。因此，在常规医疗中经常被遗漏；而且这种疾病通常是“沉默”的，大多数非NAFLD患者并不清楚自己已患疾，直到晚期发展为不可逆的肝损伤甚至肝癌时追悔莫及。因此，确定早期非酒精性脂肪肝的可靠微生物组标志物是非常必要的。   在这项新研究中，研究人员评估了一个社区队列中的2487参与者，他们在最初的临床检查和生物样本采样后被随访了4.6年。其中，90名随访期间发展为NAFLD的患者和90名健康对照者纳入了研究。研究人员对参与者的基线粪便和血清样本进行宏基因组和代谢组学分析。所有病例和对照者的性别、年龄、身体质量指数（BMI）以及4年间的BMI变化方面都是相匹配的。   研究人员整合了基线微生物组的14个特征（2个菌属、3个功能通路、9个代谢物）作为NAFLD发生风险评估工具的指标，开发了一个机器学习模型。  由于数据的复杂性，该团队开发这个新模型的整个过程花费了三年多的时间。该模型可以对上述队列4年随访期间的NAFLD状态和肝脏脂肪积累情况为参与者进行正确分类（病例或对照）。预测结果明显优于其他同类临床预测模型。  目前，已有一些使用血液生化标志物进行预测的临床模型的准确率达到了60%。 该团队表示，他们的新 模型将血液中容易测量的标志物与微生物组的信息相结合，因此可以极大地提高可靠性。   该研究第一作者、Hans Kn?ll研究所系统生物学和生物信息学系Howell Leung博士解释说：“通过不同的方法，我们能在四年前采集的样本中发现非常细微的差异。根据这些数据，我们开发出了新的模型，可以根据微生物组预测未来哪些个体会患非酒精性脂肪肝，准确度达到80%。”  研究人员表示，晚期非酒精性脂肪肝是不可逆的，在最坏的情况下甚至可能导致肝癌。因此，必须尽早确定已经患有某种前驱疾病或高风险人群，以便可以对抗这种疾病。   该研究通讯作者、香港大学药物生物技术国家重点实验室系统生物学家Gianni Panagiotou解释道：“非酒精性脂肪肝是一种无症状的疾病。这意味着在大多数情况下，该疾病通常是被偶然发现的。”   利用这个新的机器学习模型，该团队已经在亚洲、欧洲、美国的四个NAFLD病例和对照队列测试了模型的诊断能力，并证实了微生物组特征的生物学相关性。下一步，Panagiotou计划在全球范围内开展这项研究，并利用人工智能将更大规模的数据集集成到研究中。  Panagiotou说：“我认为基于微生物组的诊断将在未来十年内进入临床实践并具有巨大的潜力。在早期针对非酒精性脂肪肝的风险因素进行治疗，如2型糖尿病、高血压和肥胖，可以阻止该疾病的发展。因此，早期预判是预防该病的唯一途径。”   论文链接：