基于"全舌"特征的非哺乳期乳腺炎诊断：无创生物标志物挖掘与诊断模型构建

本研究创新性整合中医舌诊与人工智能技术，通过深度学习量化舌象特征（颜色、纹理、形态）结合16S rRNA（V3-V4区）测序分析舌苔微生物群，构建梯度提升决策树（GBDT）模型诊断非哺乳期乳腺炎（NPM）。模型融合临床特征（腰臀比等）、舌象表型（舌苔黄厚等）及微生物标志物（弯曲菌属等），实现AUROC 0.98的高精度无创诊断，为NPM早期筛查提供新范式。

　　

背景
非哺乳期乳腺炎（NPM）作为涵盖导管扩张症、肉芽肿性乳腺炎等多种炎症的疾病集合体，发病率近二十年持续攀升。其病因涉及感染、自身免疫等多重机制，临床表现与乳腺癌高度重叠，现有诊断依赖有创活检或低特异性的影像学检查。受中医"舌为脾胃外候"理论启发，研究团队开创性提出"全舌"诊断概念，通过多组学整合破解NPM诊断困境。

材料与方法
研究纳入上海中医药大学附属龙华医院乳腺外科100例经病理确诊的NPM患者及100名健康对照。采用标准化舌诊仪（GMSX001）采集舌象，经Nahefa云系统V2.0进行深度学习驱动的舌体检测（mAP评估）、舌苔分割（mIoU评估）和特征分类（acc评估），量化9区舌象表型。同步采用无菌拭子采集舌苔样本，通过Illumina平台进行16S rRNA（V3-V4区）测序，经DADA2去噪获得扩增子序列变异（ASVs），使用SILVA数据库（v138）进行物种注释。最终构建包含逻辑回归（LR）、支持向量机（SVM）和梯度提升决策树（GBDT）的三类诊断模型。

结果
微生物组分析揭示NPM患者舌苔菌群发生显著改变：在门水平上，拟杆菌门（Bacteroidota）和髌骨细菌门（Patescibacteria）丰度升高，而变形菌门（Proteobacteria）降低；属水平上，弯曲菌属（Campylobacter）、别普雷沃菌属（Alloprevotella）和TM7x菌显著富集。舌象特征显示NPM组舌苔亮度值（L）降低（P<0.05）、黄度值（B）升高，且舌苔厚度评分增加1.3倍。

GBDT模型在整合临床特征（腰臀比11%贡献度）、舌象参数（舌苔颜色-L 5%贡献度）和微生物标志物（弯曲菌属12%贡献度）后表现最优，诊断准确率达95%，显著优于单一特征模型（AUROC 0.90-0.92）。决策曲线分析显示当阈值概率在0.6-1.0区间时，GBDT模型的临床净获益最高。

讨论
该研究首次建立舌苔微生物-舌象表型-代谢指标的多维度关联网络。其中腰臀比（WHR）与NPM的强相关性（P<0.001）提示中心性肥胖可能通过脂肪组织介导的慢性炎症促进疾病发生。标志性菌群如弯曲菌属（Campylobacter）的促炎特性可能与白细胞介素-6（IL-6）等细胞因子风暴存在分子对话。

舌诊量化技术突破传统中医主观局限：通过LAB色彩空间标准化和九宫格分区评分，实现舌苔厚度（1=无苔至4=厚苔）、油腻度（1=无腻至4=腐腻）的客观分级。值得注意的是，NPM患者特征性"黄厚苔"与中医"痰热血瘀"病机高度吻合，而舌斑点减少可能反映病程迁延导致的气血耗伤。

展望
尽管该研究存在样本量限制和GBDT模型可解释性待提升等问题，其构建的无创诊断框架已展现临床转化潜力。未来研究可聚焦：1）扩大队列验证模型普适性；2）探究Campylobacter等关键菌属是否通过"肠-乳腺轴"参与发病；3）开发便携式舌诊设备推动社区筛查。这项跨学科研究为中医药现代化提供了示范案例，也为乳腺炎诊疗指南补充了新的无创诊断标准。