机器学习与阴道和粪便微生物组在流产中的作用：一项匹配病例对照研究

怀孕期间微小生物为何重要

大多数人知道流产令人心碎且很常见，但很少有人意识到我们体内和体表的看不见生命可能发挥作用。本研究探讨了阴道和肠道的微生物群落，以及一种常见病毒 HPV，是否能帮助解释为何一些妊娠会终止而另一些继续。通过将微生物 DNA 数据与计算模型相结合，研究者提出了一个充满希望的问题：未来是否有可能及早识别高风险的女性，从而提供帮助？

窥探体内的隐秘生态系统

研究团队在一项大型瑞典妊娠项目中开展研究，参与者在妊娠早期邮寄自采的阴道和粪便样本，并在线填写详尽问卷。在数百名女性中，有 79 人后来发生了流产；其中 34 人在流产前至少提供过一个微生物组样本，27 人同时提供了阴道和粪便样本。每一名流产病例都与在年龄、体重和采样时间相似且后来足月分娩的女性配对，以便公平比较微生物和背景因素的差异。

阴道环境与流产风险

在阴道中，细菌群落常形成称为“群落状态类型”的反复出现的模式。有些由单一 Lactobacillus 物种占主导，而另一些则更为混合。研究者发现，妊娠早期阴道微生物由较少见的 Lactobacillus 类型占主导（称为 CST-II）或由更多样化、Lactobacillus 含量较低的群落（CST-IVB）占主导的女性，其随后流产的几率比典型以 Lactobacillus crispatus 为主的模式（CST-I）高出约四到六倍。同时，感染当前疫苗未涵盖的 HPV 类型的女性，流产风险也约高出四倍。相比之下，妊娠前月经周期规律与较低风险相关。

肠道微生物组与智能算法的作用

在肠道方面，按常规多样性指标看，流产组与未流产组的细菌总体构成相似。然而，当研究者让机器学习算法在数千种细菌类型与问卷数据中筛选时，出现了更细微的模式。来自细菌纲 Clostridia 的若干物种在鉴别流产病例与对照组时反复被识别为重要特征。当团队分别用不同数据源训练预测模型时，基于阴道微生物、肠道微生物或问卷答案的算法各自都达到了可被视为有希望的医学检测性能。将三类数据中最有信息量的特征结合起来，产生的模型能较好地区分许多病例与对照，特异性高（误报少），总体准确性良好。

数字能告诉我们的与不能告诉我们的

尽管这些信号令人鼓舞，作者强调本研究规模仍然较小，仅有几十例流产病例，这使得估计存在不确定性。他们无法排除染色体异常是流产原因的可能性，且有关流产确切时间的一些细节缺失。该队列的女性总体受教育程度较高，且更可能有妊娠并发症史，因此结果可能并不适用于所有人群。目前，这些模型对临床常规使用而言过于复杂且对数据要求高，而微生物组检测本身仍然昂贵且技术要求高。

对父母和未来护理的意义

对普通读者而言，结论并非微生物以简单方式“导致”流产，而是阴道细菌、肠道细菌和 HPV 感染的模式似乎与风险相关。具体而言，非疫苗覆盖的 HPV 类型和某些保护性较差的阴道细菌群落与更高的流产概率相关，而一些肠道细菌和常见健康因素也通过机器学习被识别为影响风险的组成部分。通过更大规模和更具多样性的研究，这些洞见可能指引出新的筛查策略和有针对性的干预——例如更好的 HPV 预防，或未来基于微生物组的疗法——以帮助保护那些可能会丢失的妊娠。

引用: Gudnadottir, U., Prast-Nielsen, S., Wagner, N. et al. Machine learning and the role of the vaginal and fecal microbiome in miscarriage: a matched case-control study. npj Biofilms Microbiomes 12, 66 (2026). https://doi.org/10.1038/s41522-026-00956-2

关键词: 流产, 阴道微生物组, 肠道微生物组, HPV 感染, 机器学习