AI usprawni diagnostykę rzadkich chorób genetycznych

Dzięki systemowi uczenia maszynowego o nazwie AI-MARRVEL (AIM) genetycy będą mogli szybciej i łatwiej diagnozować choroby genetyczne spowodowane przez mutację pojedynczego genu – informuje pismo „NEJM AI”.

• Diagnostyka chorób rzadkich, które powoduje mutacja pojedynczego genu, to bardzo pracochłonne zadanie, nawet dla doświadczonych genetyków
• Wskaźnik rozpoznawania rzadkich chorób genetycznych wynosi tylko około 30 proc., a od pojawienia się objawów do postawienia diagnozy mija średnio sześć lat
• System uczenia maszynowego AI-MARRVEL (AIM) pomaga w ustalaniu najbardziej prawdopodobnych wariantów zaburzeń
• Szkolenie AIM odbywa się przy użyciu publicznej bazy danych znanych wariantów i analizy genetycznej zwanej Model organism Aggregated Resources for Rare Variant ExpLoration (MARRVEL)
• W bazie MARRVEL znajduje się ponad 3,5 miliona wariantów spośród tysięcy zdiagnozowanych przypadków

Żmudne i czasochłonne badania

Choroby, które powoduje mutacja pojedynczego genu, są też określane jako mendlowskie lub dziedziczone monogenowo. Określenie „mendlowskie” pochodzi od nazwiska Grzegorza Mendla, który na przykładzie zielonego groszku badał, w jaki sposób są dziedziczone i przekazywane poszczególne cechy. Diagnostyka rzadkich zaburzeń mendlowskich to bardzo pracochłonne zadanie, nawet dla doświadczonych genetyków.

Naukowcy z Baylor College of Medicine (Houston, Teksas, USA) starają się usprawnić ten proces, wykorzystując sztuczną inteligencję. System uczenia maszynowego AI-MARRVEL (AIM) pomaga w ustalaniu najbardziej prawdopodobnych wariantów zaburzeń.

– Wskaźnik rozpoznawania rzadkich chorób genetycznych wynosi tylko około 30 proc., a od pojawienia się objawów do postawienia diagnozy mija średnio sześć lat. Istnieje pilna potrzeba opracowania nowych podejść, które poprawią szybkość i dokładność diagnozy AI – wskazał dr Pengfei Liu, zastępca dyrektora klinicznego w Baylor Genetics.

Baza MARRVEL to 3,5 mln wariantów

Szkolenie AIM odbywa się przy użyciu publicznej bazy danych znanych wariantów i analizy genetycznej zwanej Model organism Aggregated Resources for Rare Variant ExpLoration (MARRVEL), opracowanej wcześniej przez zespół Baylor. W bazie MARRVEL znajduje się ponad 3,5 miliona wariantów spośród tysięcy zdiagnozowanych przypadków.

Naukowcy dostarczają AIM danych dotyczących sekwencji genów i objawów pacjentów, a AIM udostępnia ranking najbardziej prawdopodobnych kandydatów na geny wywołujące rzadką chorobę.

Naukowcy porównali wyniki AIM z innymi algorytmami. Przetestowali modele, korzystając z trzech kohort danych z ustalonymi diagnozami z Baylor Genetics, sieci niezdiagnozowanych chorób finansowanej przez Narodowy Instytut Zdrowia (UDN) oraz projektu Deciphering Developmental Disorders (DDD). AIM konsekwentnie plasowało zdiagnozowane geny na kandydata nr 1 w dwukrotnie większej liczbie przypadków niż w przypadku wszystkich innych metod porównawczych wykorzystujących te rzeczywiste zbiory danych.

AIM naśladuje sposób podejmowania decyzji przez ludzi

– Wyszkoliliśmy AIM, aby naśladował sposób, w jaki ludzie podejmują decyzje, a maszyna może to robić znacznie szybciej, wydajniej i przy niższych kosztach. Metoda ta skutecznie podwoiła wskaźnik trafnej diagnozy – powiedział współautor badań, dr Zhandong Liu z Baylor.

AIM daje także nową nadzieję w nierozwiązanych od lat przypadkach chorób rzadkich, umożliwiając powtórne analizy na podstawie nowej wiedzy.

– Możemy znacznie usprawnić proces ponownej analizy, wykorzystując AIM do zidentyfikowania przypadków o wysokim stopniu pewności, które można rozwiązać, i przekazując je do ręcznego przeglądu. Przewidujemy, że to narzędzie może wykryć bezprecedensową liczbę przypadków, które wcześniej nie były uważane za możliwe do zdiagnozowania – przekazał Zhandong Liu.

Naukowcy przetestowali także potencjał AIM w zakresie odkrywania nowych kandydatów na geny, których nie powiązano z chorobą. AIM poprawnie przewidział dwa nowo zgłoszone geny chorobowe jako głównych „podejrzanych” w dwóch przypadkach. Zamierzają także opracować następną generację inteligencji diagnostycznej i wprowadzić ją do praktyki klinicznej.

Przeczytaj także: „Choroby rzadkie – wszystko jest priorytetem” i „W chorobach rzadkich liczy się umiejętne interpretowanie badań genetycznych”.