數位孿生應用新方向：分析嬰兒發展狀況

芝加哥大學領導的研究表明，AI技術驅動的「數位孿生」能夠對嬰兒微生物組進行建模，從而預測嬰兒成長後期可能出現的神經發育問題。

使用早產兒糞便樣本中的極早期腸道微生物組相關數據，數位孿生能夠非常準確地預測其後期微生物組組成，以及相對應的神經發育缺陷。

這篇論文發表在《科學展覽》期刊上，研究的主要作者，來自芝加哥大學的Ishanu Chattopadhyay在一份聲明中表示，「我們只需觀察微生物組的快照並分析各類菌群的不同水平，即可快速得出結論。系統數位孿生的新方法，該系統能夠模擬菌群變化時的相互作用。

這項研究仍處於早期階段，但如果得到驗證，研究小組相信其可以幫助預測哪些嬰兒可能需要早期微生物組移植，以幫助他們改善神經發育。

在討論中，作者們指出，「隨著更多的證據表明，微生物失調會導致多種疾病的發生和發展，包括影響基本消化過程甚至通達微生物群-腸-腦這條行進軌跡中樞神經系統。其膠質腦軸運作的具體機制仍是未被徹底揭開的謎團。

為了推動對這一領域的探索，Chattopadhyay及其同事使用從88名早產兒中提取到的398份樣本中16S核醣體RNA譜來指導並訓練數位模型。提供這些資料的嬰兒有些出現了神經發育問題，有些則健康無恙，這就讓AI得以學會如何預測新生兒的潛在發育問題。

研究小組發現，數字孩子生能夠預測發育缺乏與頭圍生長不良的風險，對受試者特徵的正確觀察率高達76%。而30週時的陽性預測正確率為95%，特異度預測正確率為98%。

研究人員計算出，早期微生物組移植能夠幫助約45%的嬰兒免遭發育問題侵擾，但具體情況還須在未來的工作中進一步驗證，特別是錯誤補充菌群可能帶來的負面效應。

Chattopadhyay解釋稱，「我們不能指望著單靠給予益生菌就降低發育風險。嬰兒的微生物組非常重要，在補充時需要從多個角度進行精準把控。」

研究人員也提到，數位孿生模型未來可能會將研究重點放在腸道微生物組中的特定病症與治療目標。與現有研究方法相比，其有望顯著縮短診療方案的開發週期。

#