《npj Digital Medicine》：Non-invasive liquid biopsy based on metabolomic profiling improves diagnosis and early warning of severe acute pancreatitis
编辑推荐：
本研究针对急性胰腺炎(AP)诊断标志物缺乏及重症AP(SAP)早期预测难题，通过多中心队列开展代谢组学与人工智能整合分析。研究人员构建了基于胆汁酸(BA)的机器学习模型：9-BA组合实现高精度AP诊断（尤其酶学阴性病例），13-BA组合可预测SAP进展风险。该研究为急腹症精准管理提供了动态风险预警新范式，相关成果发表于《npj Digital Medicine》。
急性胰腺炎(Acute Pancreatitis, AP)作为常见的消化系统急症，其临床管理长期面临两大挑战：一是缺乏高敏感度的诊断标志物，部分患者血清淀粉酶等传统酶学指标呈假阴性，导致漏诊风险；二是难以在疾病早期准确预测是否会发展为重症急性胰腺炎(Severe Acute Pancreatitis, SAP)，而SAP伴随多器官功能衰竭，死亡率高达20-30%。现有诊断体系对疾病严重程度的动态评估能力不足，亟需能够实现精准预警的新型生物标志物。
近日发表于《npj Digital Medicine》的研究通过整合代谢组学与人工智能技术，开创性地构建了基于胆汁酸(Bile Acids, BAs)谱的无创诊断与预警系统。该研究注册于中国临床试验注册中心(ChiCTR2000034117)，通过多中心协作揭示了AP病程中代谢网络的动态重构规律，为急腹症的精准防治提供了新范式。
关键技术方法概述：
研究采用多中心观察性队列（n=948），首先通过非靶向代谢组学筛查AP患者血清中303种代谢物和461种脂质的表达谱，利用加权基因共表达网络分析(Weighted Gene Coexpression Network Analysis, WGCNA)挖掘与临床参数显著相关的代谢模块。进而对63种胆汁酸进行靶向定量，结合机器学习算法筛选出诊断性9-BA面板和预后性13-BA面板，最终通过受试者工作特征曲线(Receiver Operating Characteristic Curve, ROC)评估模型效能。
研究结果：
代谢网络重构揭示AP核心代谢特征
通过比较健康对照与AP患者血清样本，非靶向代谢组学发现氨基酸、脂肪酸和胆汁酸代谢通路发生全局性紊乱。WGCNA分析显示特定代谢物集群与血清淀粉酶、C反应蛋白等临床指标高度相关，其中胆汁酸簇与疾病严重程度的关联最为显著（相关系数r>0.8）。
胆汁酸谱建立AP诊断新标准
靶向定量验证发现多种稀有胆汁酸在AP中异常表达。机器学习衍生的9-BA诊断面板在独立验证队列中曲线下面积(Area Under the Curve, AUC)达0.96，对酶学阴性AP的识别灵敏度为92.3%，并能有效鉴别AP与急性胆管炎（鉴别AUC=0.89）。
动态风险预警模型预测SAP转化
基于疾病进程纵向采样数据构建的13-BA预后面板，可在症状出现48小时内预测SAP转化风险（AUC=0.94）。其中硫酸化胆汁酸与甘氨酰化胆汁酸的比值被证实是器官功能衰竭的独立预测因子（风险比HR=3.21, P<0.001）。
研究结论与意义：
该研究首次系统阐释了胆汁酸代谢网络在急性胰腺炎病理进程中的核心调控作用，开创了代谢组学驱动的人工智能辅助诊断新模式。9-BA诊断面板突破了传统酶学标志物的灵敏度瓶颈，为临床提供互补诊断工具；13-BA预警模型实现了SAP的早期识别，使高危患者能够获得及时干预。更重要的是，该研究建立的动态风险早期预警系统(Dynamic Risk Early-warning System)为急腹症的精准医疗提供了可推广的范式，通过无创液体活检替代传统侵入性检查，显著提升临床决策效率。研究成果不仅为急性胰腺炎的临床管理提供了具体解决方案，更展示了多组学数据与人工智能融合在转化医学中的巨大潜力。
