不知不覺間，肝癌已經成為了所有癌症中排名第三[1]的“生命收割機”，中國的形勢也不怎麼樂觀，根據2015年的統計數據，
中國新發肝癌病例達到46.6萬，其中男性的數量約為女性的3倍[2]。發病率高的同時，預後也讓人感到擔憂，原因之一就在於早期診斷很困難。肝癌因為缺少特異性的標誌物，很多患者確診時就已經是晚期了，死亡率與發病率的比值能夠達到0.95[3]。因此，找到新的早期診斷標誌物對於患者來說意義非凡。
近年來，腸道微生物的快速發展為這個難題提供了新的可能（奇點糕彷彿已經看到了大家的表情：又是腸道微生物
從左至右依次為鄭樹森院士、李蘭娟院士和闞全程教授
這是首次成功建立了肝癌的微生物標誌物診斷模型，並且在跨區域的患者樣本中進行了驗證，說明微生物可以成為早期診斷肝癌的一種非侵入性的“工具”，而且這項研究從模型的建立到驗證都是在中國人群中進行的，對今後我國的臨床科研和應用都有很大的參考價值。
研究人員在華東、華中和西北地區共採集了486份糞便樣本，經過對捐贈者進行嚴格的病理診斷和調查，最後納入了浙江地區的150例肝癌患者，131例健康人對照和40例肝硬化患者，隨機分成診斷模型構建隊列和驗證隊列（構建隊列組成包括75例早期肝癌患者，75例健康人和40例肝硬化患者；驗證隊列組成包括30例早期肝癌患者，45例晚期肝癌患者和56個健康人）。486份糞便樣本中來自新疆的18例肝癌患者和來自鄭州的80例肝癌患者被單獨組成了另一組驗證隊列，用來檢驗這個早期診斷模型在跨地區患者群體中的效果。
研究人員對採集的486份糞便樣本的篩選流程
研究人員發現，肝硬化患者的腸道微生物多樣性與健康人相比顯著降低，而早期肝癌患者相比肝硬化患者卻是顯著增加的。與肝硬化患者相比，早期肝癌患者的放線菌門細菌明顯增加，而且，包括Gemmiger、Parabacteroides和Paraprevotella在內的13個屬的細菌明顯富集。
而與健康人相比，早期肝癌患者疣微菌門（Verrucomicrobia）細菌明顯減少，從屬的水平上來看，包括Alistipes、考拉桿菌屬（Phascolarctobacterium）和瘤胃球菌屬（Ruminococcus）在內的12個屬的細菌也明顯減少了，與此同時，包括克雷伯氏菌屬（Klebsiella）和嗜血菌屬（Haemophilus）在內的6個屬的細菌則增加了。
與健康人（綠）相比，早期肝癌患者（紅）幾個屬的腸道微生物丰度的變化，F為減少的12個屬，G為增加的6個屬
通過比較，研究人員確定，肝硬化患者與早期肝癌患者，還有健康人與早期肝癌患者之間的腸道微生物組成確實差異很大。這樣看來，使用腸道微生物特徵來區分健康人與早期肝癌患者應該是可行的。
接下來，研究人員構建了一個用來診斷早期肝癌患者的隨機森林（random forest）分類器模型。隨機森林模型是一種比較新的機器學習模型，比經典的機器學習模型預測精度更高，而且沒有顯著增加運算量（機器學習模型的部分奇點糕就不仔細講啦，感興趣的同學可以看一下原論文）。
通過前面提到的診斷模型構建隊列，研究人員從110個關鍵的與早期肝癌相關的OTU中篩選出了30個預測效果最佳的，在這個隊列中，AUC值達到80.64%。（奇點糕科普小課堂：OTU是微生物研究中的一個常用概念，通過基因測序，研究人員將序列相似度超過97%的DNA片段歸為一類，組成一個臨時分類單位，也就是OTU，一個OTU相當於一個菌種。AUC值是一個概率值，用來判斷預測模型的優劣，數值通常在0.5-1（50%-100%）之間，越接近1，說明預測越準確。好，現在帶著這些知識再把括號前那句話讀一遍~）
AUC值為80.64%，即紅色曲線下面積（綠色部位為95%置信區間）
模型構建成功之後就要進入驗證階段了。在和構建隊列同屬浙江地區的驗證隊列中，診斷模型區分健康人和早期肝癌患者的AUC值雖然略低於構建隊列，但也達到了76.80%。為了表明診斷模型的特異性，研究人員還使用隊列中的晚期肝癌患者的數據進行了驗證，發現，
在區分健康人與晚期肝癌患者時，AUC值為80.40%，說明這個診斷模型對晚期肝癌患者的診斷也是有效的。最後，還有兩個沒上場的來自新疆和鄭州的隊列，在這兩個與浙江遙遙相望的地區招募的隊列中，預測模型還能有良好的預測效果嗎？結果沒有讓研究人員失望，在新疆隊列中，AUC值為79.20%，而鄭州隊列更是達到了81.70%。
其實用腸道微生物來建立疾病的診斷或是預測模型一直是這個領域內很多研究人員努力的方向，像炎症性腸病、結直腸癌和2型糖尿病都已經取得了一些成果了，這一次輪到了肝癌。
研究人員表示，未來還需要更大規模的，來自不同種族的人群研究來完善、驗證這個模型，他們的最終目標就是為早期肝癌的檢測提供一個基於腸道微生物的新方法，讓患者可以儘早接受治療。
閱讀更多 科學俠 的文章
