黄志安助理教授团队针对传统单病种、单标签方法难以刻画肠道菌群与多种疾病复杂关联的问题，首次将基于人类肠道微生物组的疾病检测系统性建模为多标签分类任务，提出GutMLC框架。该方法综合利用疾病与微生物语义相似性知识，引入矩阵分解与多标签特征选择，有效缓解微生物数据的高维、稀疏和异质性难题；同时设计带去偏权重的焦点损失函数，显著提升样本类别极度不平衡场景下的多病种联合预测能力。实验表明，GutMLC在大规模跨项目数据集上显著提升了多种复杂疾病的并发预测精度，为基于肠道菌群的精准诊疗提供了强有力的计算工具。

来源：Huang, Z. A., Hu, P., Hu, L., You, Z. H., Chen Tan, K., & Huang, Y. A. (2025). Toward Multilabel Classification for Multiple Disease Prediction Using Gut Microbiota Profiles. IEEE transactions on neural networks and learning systems, 36(7), 12840–12853. https://doi.org/10.1109/TNNLS.2024.3453967