近期，由美国托莱多大学（University of Toledo）的科学家进行的一项研究已经证明，借助人工智能深度学习，将能够通过肠道微生物群来诊断和筛查心血管疾病，而无需进行一系列专门的检测。该研究建立的机器学习模型能够高概率识别患有心血管疾病的人群，可作为额外的检测手段，节省时间且降低成本。

  该研究由托莱多大学生理学和药理学系主任Bina Joe教授领导，并发表在《高血压》杂志，题为“Machine Learning Strategy for Gut Microbiome-Based Diagnostic Screening of Cardiovascular Disease”。这项研究首次将心血管疾病患者作为一个群体，识别肠道微生物群特征，并将这些特征应用于人工智能深度学习，开发基于肠道微生物组的疾病诊断筛查方法。

  该研究的作者之一，Bina Joe教授表示：“即使我们尚不了解其中所有的机制，肠道菌群与高血压和心力衰竭等疾病之间的关联也非常清楚。我们团队借助人工智能，开发了一种机器学习模型，可以简单地使用粪便细菌特征来筛查心血管疾病。”

  研究人员使用计算机算法分析了将近1000个人的粪便样本中的细菌组成。其中一组包括478个患有某种形式心血管疾病的人，而另一组包括473个没有报告任何心血管疾病的人。

  分析发现，在每组人群的粪便样本中，某些细菌的含量较高。这从根本上提供了一种微生物特征，显示出患有心血管疾病的人与健康人群的肠道菌群有所区别。结果，研究人员总共鉴定出39种不同的细菌分类群，这些分类群与心血管健康相关。

  研究人员再将这些肠道菌群特征应用于机器学习模型，使得该模型可以根据粪便样本中的细菌筛查个人是否患有心血管疾病。

  图解摘要

  该研究的**作者，UToledo医学与生命科学学院的Sachin Aryal表示：“即使近年来在技术方面取得了巨大的发展，心血管疾病仍然是全球范围内导致死亡的主要原因。目前有多种诊断方法可用于诊断心血管疾病，但对于心血管健康的整体评估仍然是落后的。我们的研究表明，进一步开发基于肠道菌群的方法来诊断心血管疾病具有广阔的前景。”

  机器学习模型能够高概率识别患有心血管疾病的人群，因此可以被医生作为额外的检测和治疗干预，节省时间且降低成本。

  Aryal说：“我很高兴我们的研究获得了如此多的关注，也很高兴有一天这些研究可以作为开发心血管疾病诊断新方法的基础。”

  值得一提的是，研究人员*初使用的1000例样本，仅关注了一般的心血管疾病，而没有考虑高血压或心力衰竭等特定疾病。通过添加个体情况或人口统计信息等更多细微差别的数据，人工智能可能会产生更准确的结果，包括特定情况下的诊断。

  研究人员表示：“该机器与医生非常相似。如果医生看到更多的患者，他们就可以获得更多的经验和专业知识，并进一步改善他们未来的诊断，这是我们未来研究的方向——将人工智能和机器学习与传统生物医学研究相结合。”