瑞士日內瓦大學團隊開發出一套結合腸道微生物組與機器學習的糞便檢測方法，對大腸直腸癌的偵測率達 90%，接近大腸鏡的 94%，遠優於現有所有非侵入性篩檢工具。這項成果於 2026 年 4 月 9 日經 ScienceDaily 報導，研究團隊正與日內瓦大學醫院（HUG）啟動首個臨床試驗。
這項技術的核心突破是什麼？
研究團隊首次建立了腸道細菌的「亞種層級」目錄（subspecies-level catalogue），將微生物組分析的解析度從過去的「屬」或「種」推進到更細的亞種層級。透過機器學習模型分析糞便樣本中數千種細菌亞種的組成模式，系統能辨識出與大腸直腸癌高度相關的微生物特徵。90% 的偵測率意味著每 10 位大腸癌患者中有 9 位可被正確識別，這項數字接近大腸鏡檢查的 94%，且不需要鎮靜麻醉與侵入性操作。
對現有篩檢流程可能帶來什麼改變？
目前台灣 50 歲以上國人可享有每兩年一次的免費糞便潛血檢查（iFOBT），陽性者再安排大腸鏡確認。iFOBT 的敏感度約為 70-80%，存在一定比例的偽陰性。若微生物組 AI 檢測未來通過臨床驗證，90% 的偵測率有望大幅改善初篩的準確度，減少漏篩風險，同時降低不必要的大腸鏡轉介。對於偏鄉或醫療資源不足的地區，這類只需糞便樣本的檢測方式在可近性上也具有優勢。
大腸鏡還需要做嗎？
需要。即使這項新技術的偵測率已相當高，大腸鏡在確認診斷與即時切除息肉方面仍不可替代。糞便微生物組檢測的定位是「篩檢」——協助找出高風險個案——而非「診斷」或「治療」工具。發現異常後，患者仍需接受大腸鏡進行組織切片與必要的息肉切除。此外，研究目前尚未確認這項技術對不同癌症分期的偵測能力是否一致，早期癌與晚期癌的辨識率可能存在差異。
這項研究的限制有哪些？
首先，90% 偵測率的數據來自回顧性分析，臨床試驗才剛啟動，實際應用效果仍待前瞻性研究驗證。其次，腸道微生物組受飲食、藥物與地理區域影響甚大，在不同族群中的表現是否穩定仍是未知數。第三，從實驗室成果到可廣泛推行的普篩工具，還需要解決標準化流程、成本效益分析與監管核准等問題。研究團隊也坦承，需要更多數據才能確認這項技術能否匹配甚至超越大腸鏡的整體效能。
讀者可以怎麼做？
在新技術完成臨床驗證之前，現行的篩檢策略仍是最佳做法：50 歲以上民眾應定期接受糞便潛血檢查，陽性者務必安排大腸鏡追蹤。有大腸癌家族史者，建議提早至 40-45 歲開始篩檢，並與醫師討論個人化的篩檢頻率。維持高纖飲食、規律運動與避免加工肉品攝取，是目前已知可降低大腸癌風險的生活方式調整。