即使对于经验丰富的遗传学家来说，诊断罕见的孟德尔疾病也是一项劳动密集型任务。 贝勒医学院的研究人员正在尝试利用人工智能提高这一过程的效率。 该团队开发了一种名为 AI-MARRVEL (AIM) 的机器学习系统，以帮助优先考虑孟德尔疾病的潜在致病变异。 该研究今天发表在 NEJM AI 上。
贝勒遗传学临床诊断实验室的研究人员指出，AIM 的模块可以独立于感兴趣基因的临床知识进行预测，有助于推进新疾病机制的发现。 “罕见遗传性疾病的诊断率只有30%左右，从症状出现到诊断平均需要六年时间。迫切需要新的方法来提高诊断的速度和准确性。”共同通讯作者刘鹏飞博士，贝勒遗传学分子和人类遗传学副教授兼临床副主任。
AIM 使用已知变异和遗传分析的公共数据库进行训练，该数据库称为稀有变异探索模型生物聚合资源 (MARRVEL)，该数据库先前由贝勒团队开发。 MARRVEL 数据库包含来自数千个确诊病例的超过 350 万个变异。 研究人员向 AIM 提供患者的外显子组序列数据和症状，AIM 提供最有可能导致这种罕见疾病的候选基因的排名。
研究人员将 AIM 的结果与最近基准论文中使用的其他算法进行了比较。 他们使用贝勒遗传学、美国国立卫生研究院资助的未确诊疾病网络 (UDN) 和破译发育障碍 (DDD)项目的三个数据队列测试了这些模型。 AIM 始终将诊断基因列为第一候选基因，其案例数量是使用这些真实世界数据集的所有其他基准方法的两倍。
共同通讯作者刘占东博士表示：“我们训练 AIM 来模仿人类的决策方式，机器可以更快、更高效、成本更低。这种方法有效地使准确诊断率提高了一倍。”贝勒大学儿科神经病学副教授，德克萨斯儿童医院简和丹邓肯神经学研究所 (NRI) 研究员。
AIM 还为多年来悬而未决的罕见疾病病例带来了新的希望。 每年都会报告数百种新的致病变异，它们可能是解决这些悬而未决病例的关键； 然而，由于案件数量众多，确定哪些案件值得重新分析具有挑战性。 研究人员在 UDN 和 DDD 病例数据集上测试了 AIM 的临床外显子组再分析，发现它能够正确识别 57% 的可诊断病例。
“通过使用 AIM 识别一组高置信度的潜在可解决案例，并将这些案例进行人工审核，我们可以提高重新分析过程的效率，”刘占东说。 “我们预计该工具可以恢复数量前所未有的病例，这些病例以前被认为是无法诊断的。”
研究人员还测试了 AIM 发现与疾病无关的新候选基因的潜力。 AIM 正确预测了两个新报告的疾病基因，作为两个 UDN 病例的最佳候选基因。
共同通讯作者 Hugo Bellen 博士表示：“AIM 是利用人工智能诊断罕见疾病的重要一步。它将差异基因诊断范围缩小到几个基因，并有可能指导发现以前未知的疾病。”贝勒大学分子和人类遗传学杰出服务教授，邓肯国家研究所神经遗传学系主任。
“当与我们经过认证的临床实验室主任的深厚专业知识、精心策划的数据集和可扩展的自动化技术相结合时，我们看到了增强智能的影响，可以大规模提供全面的遗传见解，即使是针对最脆弱的患者群体和复杂的情况，”资深作者、贝勒大学分子和人类遗传学副教授、贝勒遗传学公司临床基因组学副总裁夏范博士说。 “通过应用来自 Baylor Genetics 队列的真实训练数据，无需任何纳入标准，AIM 显示出卓越的准确性。Baylor Genetics 的目标是开发下一代诊断智能，并将其应用于临床实践。”
这项工作的其他作者包括 Dongxue Mao、Chaozhong Liu、Linhua Wang、Rami AI-Ouran、Cole Deisseroth、Sasidhar Pasupuleti、Seon Young Kim、Lucian Li、Jill A.Rosenfeld、Linyan Jia、Lindsay C. Burrage、Michael Wangler、Shinya山本、迈克尔·桑塔纳、维克多·佩雷斯、Priyank Shukla、Christine Eng、Brendan Lee 和 Bo Yuan。 他们隶属于以下一个或多个机构：贝勒医学院、德克萨斯儿童医院扬和丹邓肯神经学研究所、侯赛因技术大学、贝勒遗传学和贝勒人类基因组测序中心。
这项工作得到了张扎克伯格倡议和国家神经疾病和中风研究所 (3U2CNS132415) 的支持。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
