利用人工智能提高罕见遗传疾病的诊断

　　

诊断罕见的孟德尔疾病是一项劳动密集型的任务，即使对经验丰富的遗传学家来说也是如此。贝勒医学院(Baylor College of Medicine)的研究人员正试图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，以帮助确定孟德尔疾病潜在致病变异的优先级。这项研究发表在《NEJM AI》上。

来自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的基因的临床知识进行预测，有助于推进新疾病机制的发现。

“罕见遗传疾病的诊断率仅为30%左右，从症状出现到诊断平均需要6年时间。我们迫切需要新的方法来提高诊断的速度和准确性，”贝勒遗传学院分子与人类遗传学副教授、临床副主任Pengfei Liu博士说。

AIM使用已知变异和遗传分析的公共数据库进行训练，该数据库称为模型生物罕见变异探索聚合资源(MARRVEL)，之前由贝勒团队开发。marvel数据库包括来自数千个诊断病例的350多万个变体。研究人员向AIM提供患者的外显子组序列数据和症状，AIM提供了最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。他们使用三个数据队列来测试这些模型，这些数据队列来自贝勒遗传学、未诊断疾病网络(UDN)和破译发育障碍(DDD)项目。AIM始终将诊断基因列为第一候选基因的情况是使用这些真实世界数据集的所有其他基准方法的两倍。

“我们训练AIM模仿人类做决定的方式，机器可以更快、更有效、成本更低。这种方法有效地将准确诊断率提高了一倍，”共同通讯作者Zhandong Liu博士说，他是贝勒大学儿科神经病学副教授，也是德克萨斯儿童医院简和丹邓肯神经学研究所(NRI)的研究员。

AIM还为多年未解之谜的罕见疾病病例带来了新的希望。每年都有数百种新的致病变异被报道，它们可能是解决这些感冒病例的关键;然而，由于病例数量众多，确定哪些病例需要重新分析是具有挑战性的。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。

Zhandong Liu说:“通过使用AIM识别一组高可信度的潜在可解决案例，并将这些案例推给人工审查，我们可以使再分析过程更加高效。我们预计，这种工具可以恢复前所未有的数量，这些病例以前被认为是不可诊断的。”

研究人员还测试了AIM在发现与疾病无关的新候选基因方面的潜力。在两个UDN病例中，AIM正确地预测了两个新报道的疾病基因作为首选候选基因。

“AIM是利用人工智能诊断罕见疾病的重要一步。它将差异基因诊断缩小到几个基因，并有可能指导发现以前未知的疾病，”共同通讯作者Hugo Bellen博士说，他是贝勒大学分子和人类遗传学杰出服务教授，邓肯NRI神经遗传学主席。

贝勒分子和人类遗传学副教授、贝勒遗传学临床基因组学副总裁夏凡博士说:“结合我们经过认证的临床实验室主任的深厚专业知识、高度整理的数据集和可扩展的自动化技术，我们看到了增强智能的影响，可以大规模地提供全面的遗传见解，即使是对最脆弱的患者群体和复杂的情况。”

“通过应用来自贝勒遗传学队列的真实训练数据，没有任何纳入标准，AIM显示出卓越的准确性。贝勒遗传学的目标是开发下一代诊断