Dijagnostikovanje retkih Mendelovih poremećaja je radno intenzivan zadatak, čak i za iskusne genetičare. Istražitelji na Medicinskom koledžu Bejlor pokušavaju da učine proces efikasnijim korišćenjem veštačke inteligencije. Tim je razvio sistem mašinskog učenja pod nazivom AI-MARRVEL (AIM) kako bi pomogao u određivanju prioriteta potencijalno uzročnih varijanti za Mendelove poremećaje. Studija je objavljena u NEJM AI.
Istraživači iz kliničke dijagnostičke laboratorije Bailor Genetics primetili su da AIM-ov modul može doprineti predviđanjima nezavisno od kliničkog znanja o genu od interesa, pomažući da se unapredi otkrivanje novih mehanizama bolesti.
„Stopa dijagnostike retkih genetskih poremećaja je samo oko 30%, a u proseku je šest godina od trenutka pojave simptoma do postavljanja dijagnoze. Postoji hitna potreba za novim pristupima za povećanje brzine i tačnosti dijagnoze“, rekao je ko-korespondentni autor dr Pengfei Liu, vanredni profesor molekularne i humane genetike i saradnik kliničkog direktora u Bailor Genetics.
AIM se obučava koristeći javnu bazu podataka poznatih varijanti i genetičke analize pod nazivom Model organizma agregirani resursi za istraživanje retkih varijanti ( MARRVEL ) koju je prethodno razvio Bejlorov tim. MARRVEL baza podataka uključuje više od 3,5 miliona varijanti iz hiljada dijagnostikovanih slučajeva. Istraživači pružaju AIM-u podatke o sekvenci egzoma i simptome pacijenata, a AIM pruža rangiranje najverovatnijih kandidata za gen koji izazivaju retku bolest.
Istraživači su uporedili rezultate AIM-a sa drugim algoritmima koji su korišćeni u nedavnim benchmark radovima. Oni su testirali modele koristeći tri grupe podataka sa utvrđenim dijagnozama iz Bailor Genetics-a, Mreže nedijagnosticiranih bolesti (UDN) i projekta Dešifrovanje razvojnih poremećaja (DDD). AIM je dosledno rangirao dijagnostikovane gene kao kandidate br. 1 u duplo više slučajeva nego sve druge referentne metode koje koriste ove skupove podataka iz stvarnog sveta.
„Obučili smo AIM da oponaša način na koji ljudi donose odluke, a mašina to može učiniti mnogo brže, efikasnije i po nižoj ceni. Ova metoda je efektivno udvostručila stopu tačne dijagnoze“, rekao je ko-korespondent dr Zhandong Liu. , vanredni profesor pedijatrije—neurologije u Bejloru i istraživač na Institutu za neurološka istraživanja Jan i Dan Dankan (NRI) u Teksaškoj dečijoj bolnici.
AIM takođe nudi novu nadu za slučajeve retkih bolesti koji su godinama ostali nerešeni. Stotine novih varijanti koje izazivaju bolesti koje mogu biti ključne za rešavanje ovih hladnih slučajeva prijavljuju se svake godine; međutim, teško je odrediti koji slučajevi zahtevaju ponovnu analizu zbog velikog broja slučajeva. Istraživači su testirali AIM-ovu reanalizu kliničkog egzoma na skupu podataka o UDN i DDD slučajevima i otkrili da je bila u stanju da tačno identifikuje 57% slučajeva koji se mogu dijagnostikovati.
„Proces ponovne analize možemo učiniti mnogo efikasnijim korišćenjem AIM-a za identifikaciju skupa potencijalno rešivih slučajeva visoke pouzdanosti i gurajući te slučajeve na ručni pregled“, rekao je Zhandong Liu. „Očekujemo da ovaj alat može oporaviti neviđeni broj slučajeva za koje se ranije nije smatralo da se mogu dijagnostikovati.“
Istraživači su takođe testirali potencijal AIM-a za otkrivanje novih genskih kandidata koji nisu povezani sa bolešću. AIM je tačno predvideo dva novoprijavljena gena bolesti kao glavne kandidate u dva UDN slučaja.
„AIM je veliki korak napred u korišćenju veštačke inteligencije za dijagnostikovanje retkih bolesti. On sužava diferencijalne genetske dijagnoze na nekoliko gena i ima potencijal da vodi otkrivanje ranije nepoznatih poremećaja“, rekao je ko-korespondent dr Hugo Belen, Uvaženi profesor molekularne i ljudske genetike u Bejloru i predsedavajući neurogenetike na Duncan NRI.
„U kombinaciji sa dubokom ekspertizom naših sertifikovanih direktora kliničkih laboratorija, visoko kuriranim skupovima podataka i skalabilnom automatizovanom tehnologijom, vidimo uticaj proširene inteligencije kako bismo pružili sveobuhvatne genetske uvide u velikom obimu, čak i za najugroženije populacije pacijenata i složene uslove“, rekao je stariji autor dr Fan Sja, vanredni profesor molekularne i ljudske genetike u Bejloru i potpredsednik kliničke genomike u Bejlor genetici.
„Primenjujući podatke o obuci iz stvarnog sveta iz kohorte kompanije Bailor Genetics bez ikakvih kriterijuma za uključivanje, AIM je pokazao superiornu tačnost. Bailor Genetics ima za cilj da razvije sledeću generaciju dijagnostičke inteligencije i uvede ovo u kliničku praksu.“
