近日，日内瓦大学（UNIGE）的研究团队在《Cell Host & Microbe》杂志上发表了一项具有里程碑意义的研究。通过机器学习算法，研究人员构建了首个详尽的人体肠道菌群亚种目录，并成功开发出一种基于粪便样本的结直肠癌筛查新方法。该技术不仅为患者提供了非侵入性的筛查选择，更在诊断准确率上展现出与传统肠镜检查相媲美的潜力。

结直肠癌的早期发现对于提高生存率至关重要，但目前的筛查手段往往面临依从性差或准确率不足的问题。长期以来，科学界已知肠道菌群与癌症发生密切相关，但由于同种细菌的不同菌株在功能上存在巨大差异，导致菌群分析难以转化为临床工具。为此，研究团队将目光聚焦于菌群亚种（subspecies）这一中间维度，既保留了菌株级别的功能特异性，又具备了跨人群的普适性。

研究的第一作者Matija Trickovic博士生指出，通过创新的生物信息学分析，团队成功绘制了人体肠道菌群亚种的全面图谱。基于此，研究人员构建的预测模型在临床验证中表现惊人：该方法能够精准识别90%的结直肠癌病例，这一数据极度接近肠镜检查94%的检出率，且远超目前市面上所有的非侵入性检测手段。

研究负责人Mirko Trajkovski教授表示，该方法未来有望成为常规筛查的首选，而肠镜检查则可作为确诊的辅助手段。目前，团队正与日内瓦大学医院（HUG）合作开展临床试验，以进一步明确该技术对不同癌症分期及病变的检测能力。这种基于微生物亚种的分析范式，未来或将拓展至更多疾病的早期诊断，为精准医疗开辟新的路径。