Gut
人工智能与多组学驱动的克罗恩术后复发精准预测

小赛推荐：

该研究系统整合了AI与多模态数据，为克罗恩病术后监测提供了可转化的个体化策略，显著提升早期复发预测的准确性，对设计基于肠道屏障动态变化的干预实验具有直接指导意义。

 

文献概述

本文《Shaping the future of postoperative recurrence in Crohn’s disease: personalised approaches with AI-enabled imaging and multi-omics》，发表于《Gut》杂志，系统探讨了克罗恩病（CD）术后复发（POR）的复杂病理机制与当前监测手段的局限性。文章回顾了传统内镜、影像与生物标志物在POR评估中的应用瓶颈，进一步分析了先进内镜成像、肠道超声及多组学技术的最新进展，并提出人工智能（AI）可作为整合多维度数据的核心工具，实现精准风险分层与个体化管理。该研究为未来POR监测范式从被动观察转向主动预测奠定了理论基础。

背景知识

克罗恩病是一种慢性、进行性炎症性肠病，约50%患者在诊断后10年内需接受手术治疗，但术后复发率高达70%，成为影响长期预后的关键临床痛点。目前克罗恩病的管理面临两大挑战：一是缺乏对早期黏膜复发的敏感监测手段，因多数患者无症状，导致干预时机延误；二是现有内镜评分系统（如Rutgeerts评分）存在主观性强、可重复性差的问题。此外，手术吻合口的解剖变异（如侧侧、端端吻合）进一步增加了内镜评估难度，而肠道屏障功能障碍与微生物失调已被证实是POR的早期驱动因素。尽管已有研究探索NOD2基因多态性与POR风险的关联，但其预测效能有限，亟需更全面的分子图谱。选题切入点在于整合高分辨率成像、动态屏障评估与多组学数据，通过AI建模实现对POR的早期、精准预测，从而推动从经验性治疗向个体化干预的转变。

 

针对克罗恩病机制研究与药物开发，赛业生物提供多种基因编辑小鼠模型，包括条件性敲除、点突变及人源化模型，支持肠道特异性基因功能研究。我们提供HUGO-GT®全基因组人源化小鼠，可精准模拟人类基因调控环境，适用于IBD相关基因功能验证与药物筛选。结合AI辅助的AAV载体优化服务，助力基因治疗研究。

了解更多

 

研究方法与核心实验

作者采用叙述性综述方法，系统整合了近年来关于POR监测的临床研究、技术进展与机制探索。研究重点评估了多种先进成像技术在POR检测中的表现，包括探头式共聚焦激光显微内镜（pCLE）、电子染色内镜（VCE）与超声造影（CEUS），这些技术可在活体实时评估黏膜微结构与微循环变化。同时，研究纳入了多项多中心队列研究的数据，分析了粪钙卫蛋白（FC）、肠道超声（IUS）与影像组学在POR预测中的效能。特别地，研究强调AI在整合内镜图像、超声参数、转录组与微生物组数据中的潜力，引用了放射组学模型在CTE中预测POR的AUC达0.77的证据，展示了多模态建模的可行性。

关键结论与观点

• 高级内镜技术如pCLE可通过Watson评分量化微血管与上皮损伤，显著提升对早期POR的识别能力，提示未来应将肠道屏障功能纳入常规评估体系，指导高风险患者早期干预。
• 肠道超声联合FC（BWT ≥3 mm + FC ≥50 µg/g）可实现100%阳性预测值，表明非侵入性组合策略有望替代常规内镜监测，尤其适用于克罗恩病术后长期随访，减少患者负担。
• 多组学分析揭示NOD2、LY96、SERPINE1等基因与纤维化及炎症通路相关，为POR提供了新的分子靶点，提示未来可通过基因表达谱筛选高危人群。
• AI驱动的整合模型（如放射组学+临床数据）显著优于传统临床评分，支持其在POR风险分层中的应用，建议后续研究构建多中心验证队列以优化机器学习模型泛化能力。

研究意义与展望

该研究为克罗恩病术后管理提供了全新的框架，强调从单一指标监测转向多模态、动态评估。通过将AI与多组学数据整合，有望实现对POR的个体化预测，从而优化生物制剂的启动时机，避免过度治疗。此外，该策略可加速新药开发，例如靶向肠道屏障修复或微生物组调控的疗法，可在高风险患者中优先测试。对于药物开发领域，该研究提示应关注早期屏障功能标志物作为药效终点；在临床监测中，非侵入性组合模型可降低内镜频率，提升患者依从性；在疾病建模方面，基于患者分子特征构建类器官或人源化小鼠模型，将有助于模拟POR进程并测试个性化治疗方案。

 

为支持克罗恩病的药效评价与机制研究，赛业生物提供自发性结肠炎模型、DSS诱导结肠炎模型及免疫系统人源化小鼠，适用于IBD药物的体内药效测试。我们提供从模型构建、表型分析到药效评价的一站式服务，支持多种给药方式与组织病理分析，满足IND申报需求。

了解更多

 

结语

克罗恩病术后复发是影响患者长期生存质量的关键问题，传统监测手段受限于敏感性与可重复性。本研究系统阐述了AI与多组学技术在POR预测中的前沿进展，提出了一种从“反应性监测”向“前瞻性预测”转变的精准医学范式。通过整合内镜、影像、分子与微生物数据，AI模型可实现对个体复发风险的动态评估，从而指导早期干预。这一策略不仅有望降低再手术率，还将推动个体化治疗的发展。未来，随着PROSPER等多中心研究的推进，基于肠道屏障与微生物组的生物标志物将逐步进入临床实践，成为克罗恩病术后管理的基石。从实验室到临床，该研究为构建可操作的预测模型提供了理论依据，标志着向真正意义上的精准炎症性肠病管理迈出了关键一步。

 

Marietta Iacucci, Irene Zammarchi, Cecilia Lina Pugliano, Olga Maria Nardone, and Subrata Ghosh. Shaping the future of postoperative recurrence in Crohn’s disease: personalised approaches with AI-enabled imaging and multi-omics. Gut.