核心发现：
- 本研究评估的15个基因变异仅解释0.4%的OUD风险变异
- 包含这些变异的新机器学习模型正确分类了52.83%的个体
根据发表于《美国医学会开放网络》（JAMA Network Open）的研究，用于预测阿片类药物使用障碍（OUD）风险的基因风险算法可能未达到临床识别的合理效能标准。
"美国食品药品监督管理局（FDA）近期批准了一种包含15个单核苷酸变异体的算法（AvertD，SOLVD Health），费城Michael J. Crescenz退伍军人事务医疗中心的博士后研究员Christal N. Davis及其同事指出，"该算法说明书声称15个检测到的多态性与OUD相关的奖赏通路有关，但未提供任何文献支持，所有关联性均来自候选基因研究。"
研究方法与结果
研究团队使用1992年12月20日至2022年9月30日的电子健康记录数据，在452,664名美国退伍军人（平均年龄61.15岁，90.46%为男性）中进行病例对照研究，其中33,669人患有OUD。
基于千人基因组计划参考基因组的相似性模式分配遗传推断祖先：欧洲血统（67.46%）、非洲血统（20.9%）、混合美洲血统（9.5%）、东亚血统（0.81%）和南亚血统（0.07%），1.25%未分配。
研究显示，15个单核苷酸变异整体解释了OUD状态0.4%的方差（受试者工作特征曲线下面积[AUROC]=0.54）。在不同祖先群体中，非洲群体仅解释0.04%，混合美洲群体解释0.16%。
相比之下，年龄和性别的解释度达3.27%（AUROC=0.66）。包含15个变异的集成机器学习模型整体正确分类率为52.83%（95%CI 52.07-53.59），仅比随机猜测略高。单独使用年龄和性别的正确率达59.49%（95%CI 58.82-60.16）。
测试数据显示模型敏感度50.72%，特异度54.95%，显著低于厂商报告的敏感度82.76%和特异度79.23%。当考虑局部遗传相似性时，仅3个单核苷酸变异仍与OUD风险相关，且仅在欧洲群体中显现关联。
"尽管AvertD检测采用专有算法，但这些发现表明厂商对遗传学原理存在根本误解，特别是群体结构和等位基因频率差异的影响，"研究人员指出。
SOLVD Health的回应
临床运营高级副总裁Ron McCullough博士强调："研究人员未能获得我们的AvertD技术，而是应用未经验证的模型，因此文中任何比较和结论均不成立。该研究仅使用50%的FDA授权AvertD遗传标记，剩余标记存在20%的基因型估计误差，导致研究中五分之四患者可能出现基因分型错误。"
McCullough特别指出："我们的8年期后批准研究已启动，专注于不同族群的分布特征。FDA批准研究采用临床验证的DSM诊断标准——这是OUD风险评估的金标准。"
研究主要作者、宾夕法尼亚大学成瘾研究中心教授Henry R. Kranzler强调："这些发现凸显了需要更稳健和完整数据的重要性，特别是考虑到精神疾病（包括OUD）的复杂性。有缺陷的OUD基因检测可能带来假阳性和假阴性的风险。"
研究者同时质疑了AvertD开发中遗传标记的群体适用性，而SOLVD Health则指出竞争对手的研究存在方法学缺陷和潜在利益冲突。双方就遗传检测在疼痛管理决策中的应用仍存在重大分歧。
【全文结束】
