图片

这篇题为《预测神经发育缺陷的婴儿肠道菌群的数字孪生》的文章提出了一项开创性的研究，该研究探索了利用数字孪生（一种人工智能模型），根据婴儿的肠道菌群来预测婴儿的神经发育结果。这项研究由尼古拉斯·西斯摩尔领导的团队进行，该团队由来自芝加哥大学、威尔康奈尔医学院和其他机构的专家组成。
肠脑轴因其在健康和疾病中的作用而越来越受到人们的认可。然而，由于肠道菌群相互作用的复杂性和婴儿肠道菌群的快速成熟，了解肠道菌群的早期生命发育及其对婴儿神经发育的影响一直具有挑战性。

图片

研究人员开发了一个称之为数字孪生的计算框架，这是一种人工智能模型，可以学习婴儿肠道中不同微生物类别之间的复杂依赖关系，而对相互作用类型没有任何预先指定的限制。该模型使用16S核糖体RNA谱来预测微生物丰度动态，准确度很高(R2 = 0.69)。
该研究涉及来自两个队列的88名早产儿，收集了粪便样本和临床数据。该人工智能模型在一个队列上进行训练，而在另一个队列上进行了验证，以预测神经发育结果，特别是头围生长（HCG），这是认知发育的一项重要指标。
神经发育缺陷的预测：该数字孪生能够估计个体缺陷风险，并识别头围生长不良的婴儿，在受试者操作特征曲线下获得约76%的面积，在特异性为98%时的阳性预测值可达95%。

图片

该项研究表明，早期微生物移植可能会降低约45.2%的该队列患者的风险。然而，它也警告了“不正确补充”可能产生的负面影响，强调了个性化干预的必要性。
这里的“不正确补充”是指在没有正确了解或考虑婴儿的特定肠道菌群组成和健康状况的情况下，将微生物物种或其他物质引入婴儿肠道微生物组群的潜在负面后果。这可能导致肠道微生物群的意外改变，可能造成伤害或无法提供预期的健康益处。确保正确的补充需要一种谨慎和信息充分的方法，要考虑到每个婴儿独特的微生物环境和健康需求。

图片

本文所提出的这一模型是一个用于生态系统动力学的生成式人工智能模型，具有广泛的应用潜力。它可以深入了解肠道微生物群成熟轨迹对认知发育的影响，进而有助于设计有针对性的临床干预措施。
当然，该研究也承认具有某些局限性，例如样本量较小，需要进一步研究来验证该模型的预测能力，并探索微生物补充对神经发育的长期影响。
这项研究严格遵守伦理审查委员会的批准，并获得了婴儿法定监护人的书面知情同意。

图片

该研究为了解肠道微生物群在婴儿神经发育中的作用提供了一种新的方法，并为预测和减轻神经发育缺陷提供了一种很有应用前景的工具。所提出的模型的开发代表着人工智能在儿科健康应用方面的重大进展，并可能为基于肠道菌群的个性化医疗干预铺平道路。
这项研究得到了美国国立卫生研究院的资助，涉及多个学科的合作，突出了现代医学研究的跨学科性质。该项研究的发现和成果对儿科领域，特别是对早产儿医护领域有着重要意义，从而可能为支持婴儿健康和发育提供更具针对性的方法。

图片