数百万患有肌痛性脑脊髓炎/慢性疲劳综合征（ME/CFS）的人，由于缺乏诊断工具而常常被忽视，但根据一项新研究，他们可能离个性化护理更近了一步。这项研究显示，ME/CFS会干扰微生物组、免疫系统和代谢之间的相互作用。
由于ME/CFS与长期新冠症状（long COVID）具有相似性，该研究结果也可能适用于后者。研究使用一种新的人工智能（AI）平台分析了249人的数据，该平台可从粪便、血液和其他常规实验室检测中识别疾病生物标志物。
“我们的研究在区分慢性疲劳综合征患者方面达到了90%的准确率，这具有重要意义，因为医生目前缺乏可靠的诊断生物标志物。一些医生由于缺乏明确的实验室指标，怀疑它不是一种真正的疾病，有时将其归因于心理因素。”研究作者、杰克逊实验室（Jackson Laboratory）免疫学教授德里亚·乌努特马兹（Derya Unutmaz）博士表示。
这项研究由朱莉娅·欧（Julia Oh）博士领导，她此前任职于杰克逊实验室，目前是杜克大学（Duke University）的微生物学家和教授。研究团队还包括ME/CFS临床医生卢辛达·巴特曼（Lucinda Bateman）和苏珊娜·弗农（Suzanne Vernon），他们来自巴特曼·霍恩中心（Bateman Horne Center）。乌努特马兹领导杰克逊实验室的ME/CFS协作研究中心。研究详情今天发表在《自然医学》（Nature Medicine）杂志上。
绘制“隐形”疾病图谱
慢性疲劳综合征的特点是严重症状，显著影响身体和精神活动，包括持续疲劳、睡眠异常、头晕和慢性疼痛。
专家经常将ME/CFS与长期新冠相提并论，因为这两种疾病通常在病毒感染（如爱泼斯坦-巴尔病毒）后发生。根据美国疾病控制与预防中心（Centers for Disease Control and Prevention）的数据，在美国，ME/CFS影响了836,000至330万人，其中许多人未被诊断，每年因医疗支出和生产力损失给经济造成180亿至510亿美元的损失。
乌努特马兹表示，先前的研究已经注意到ME/CFS中的免疫系统紊乱。这项新研究在此基础上进一步探讨了肠道微生物组、其代谢产物和免疫反应如何相互作用。研究团队将这些联系与12类患者报告的症状联系起来，这些症状来自患者健康和生活方式调查生成的数百个数据点。
这些症状包括睡眠障碍、头痛、疲劳、头晕以及其他研究人员从微生物组变化到代谢物、免疫反应和临床症状的全面映射。
“我们将临床症状与尖端的组学技术结合，以识别ME/CFS的新生物标志物，”欧博士表示。“在这个层面上连接症状至关重要，因为ME/CFS具有高度变异性。患者经历的症状范围广泛，严重程度和持续时间各不相同，而当前的方法无法完全捕捉这种复杂性。”
为了进行这项研究，研究人员分析了来自巴特曼·霍恩中心（Bateman Horne Center）的综合数据，这是位于犹他州盐湖城的一家领先的ME/CFS、长期新冠和纤维肌痛症研究中心。研究的另一位主要作者熊瑞云（Ruoyun Xiong）博士开发了一种名为BioMapAI的深度神经网络模型。该工具整合了来自153名患者和96名健康个体的肠道宏基因组、血浆代谢组、免疫细胞谱、血液检测数据和临床症状，数据收集跨度为四年。
免疫细胞分析在预测症状严重程度方面最为准确，而微生物组数据则最能预测胃肠道、情绪和睡眠障碍。该模型连接了数千个患者数据点，重建了疼痛和胃肠道问题等症状。此外，研究还发现，患病时间少于四年的患者其网络紊乱程度低于患病时间超过十年的患者。
“我们的数据表明，这些生物紊乱随着时间推移变得更为根深蒂固，”乌努特马兹表示。“但这并不意味着长期患病的ME/CFS无法逆转，只是可能更具挑战性。”
研究还包括96名年龄和性别匹配的健康对照组，结果显示对照组的微生物组-代谢物-免疫相互作用保持平衡，而ME/CFS患者则存在显著紊乱，与疲劳、疼痛、情绪调节问题和睡眠障碍相关。
ME/CFS患者的肠道益生脂肪酸——丁酸的水平较低，以及其他对代谢、炎症控制和能量至关重要的营养物质也减少。患者体内色氨酸、苯甲酸等标志物水平升高，表明微生物失衡。研究还观察到炎症反应增强，特别是与黏膜相关恒定T细胞（MAIT细胞）相关，这种细胞对肠道微生物健康敏感。
“MAIT细胞将肠道健康与更广泛的免疫功能联系起来，其与丁酸和色氨酸通路的紊乱表明了深刻的失衡，”乌努特马兹表示。
可操作的数据集
尽管这些发现需要进一步验证，但作者表示，它们显著推进了科学家对ME/CFS的理解，并为未来研究提供了更清晰的假设。
由于动物模型无法完全反映ME/CFS中复杂的神经系统、生理、免疫和其他系统紊乱，欧博士表示，直接研究人类以识别可调节因素并开发靶向治疗至关重要。
“微生物组和代谢组是动态的，这意味着我们可能可以通过饮食、生活方式或靶向治疗进行干预，这是基因组数据本身无法提供的。”欧博士表示。
BioMapAI在外部数据集中也达到了约80%的准确率，确认了在原始群体中识别的关键生物标志物。作者表示，这种在不同数据中的稳定性令人印象深刻。
“尽管数据收集方法多样，但在脂肪酸、免疫标志物和代谢物中出现了共同的疾病特征，这表明这不是随机现象，而是真实的生物失调。”欧博士表示。
研究人员计划广泛分享他们的数据集以及BioMapAI，后者支持对多种症状和疾病进行分析，有效整合动物模型难以复制的多组学数据。
“我们的目标是构建免疫系统如何与肠道细菌及其产生化学物质相互作用的详细地图，”欧博士表示。“通过连接这些点，我们可以开始理解驱动疾病的因素，并为长期难以实现的真正精准医学铺平道路。”
【全文结束】
