新型人工智能模型预测哪些基因突变真正致病

该团队着手利用人工智能（AI）和常规实验室检测（如胆固醇、血细胞计数和肾功能）来解决这个问题。研究细节发表于8月28日的《科学》(Science)在线期刊上。他们的新方法将机器学习与电子健康记录相结合，提供更准确、数据驱动的遗传风险视图。

传统遗传学研究通常依赖简单的"是/否"诊断对患者进行分类。但许多疾病，如高血压、糖尿病或癌症，并不能简单地归入二元类别。西奈山的研究人员训练AI模型在疾病谱系上进行量化，为疾病风险在现实生活中的表现提供更细致的见解。

"我们希望超越非黑即白的答案，这些答案常常让患者和医疗提供者对基因检测结果的实际意义感到不确定，"资深研究作者、西奈山伊坎医学院个性化医学Charles Bronfman教授Ron Do博士说。"通过使用人工智能和现实世界的实验室数据，例如作为大多数医疗记录一部分的胆固醇水平或血细胞计数，我们现在可以更好地估计携带特定基因变异的个体患病的可能性。这是一种更细致、可扩展且易于获取的方式来支持精准医疗，尤其是在处理罕见或模棱两可的发现时。"

研究人员利用超过100万份电子健康记录，为10种常见疾病构建了AI模型。随后，他们将模型应用于已知携带罕见基因变异的人群，生成一个介于0和1之间的分数，该分数反映了患病的可能性。

较高的分数（接近1）表明该变异更可能导致疾病，而较低分数则表示风险极小或无风险。该团队计算了超过1,600种基因变异的"机器学习外显率"评分。

研究人员表示，部分结果出乎意料。先前被标记为"意义不明"的变异显示出清晰的疾病信号，而被认为会导致疾病的其它变异在实际数据中影响甚微。

"虽然我们的AI模型并非旨在取代临床判断，但它有可能成为一个重要的指导工具，尤其是在检测结果不明确时。未来医生可以利用ML外显率评分来决定患者是否应接受早期筛查或采取预防措施，或者当变异风险较低时避免不必要的担忧或干预，"主要研究作者、西奈山伊坎医学院Do博士实验室的Iain S. Forrest医学博士及哲学博士说。"例如，如果患者携带与林奇综合征相关的罕见变异且评分较高，这可能触发早期癌症筛查；但如果风险较低，则可避免草率下结论或过度治疗。"

该团队目前正在努力扩展模型，以涵盖更多疾病、更广泛的基因变异和更多样化的人群。他们还计划追踪这些预测随时间推移的准确性，评估携带高风险变异者是否确实发展为疾病，以及早期行动能否产生影响。

"最终，我们的研究指向一个潜在的未来：人工智能与常规临床数据协同工作，为解读基因检测结果的患者及家庭提供更个性化、可操作的见解，"Do博士表示。"我们希望这成为一种可扩展的方式，以支持更好的决策、更清晰的沟通，并增强对基因信息真实含义的信心。"

论文标题为"基于机器学习的基因变异外显率"。

该研究的作者（按期刊所列）为：Iain S. Forrest, Ha My T. Vy, Ghislain Rocheleau, Daniel M. Jordan, Ben O. Petrazzini, Girish N. Nadkarni, Judy H. Cho, Mythily Ganapathi, Kuan-Lin Huang, Wendy K. Chung, 以及 Ron Do。

本工作部分获得以下基金支持：美国国立卫生研究院（NIH）国家普通医学科学研究所（T32-GM007280）；NIH国家普通医学科学研究所（R35-GM124836）；国家糖尿病、消化和肾脏疾病研究所（U24-DK062429）；NIH国家人类基因组研究所（R01-HG010365）；NIH国家普通医学科学研究所（R35-GM138113）；国家糖尿病、消化和肾脏疾病研究所（U24-DK062429）。

* 西奈山医疗体系成员医院：西奈山医院；西奈山布鲁克林分院；西奈山晨边医院；西奈山皇后区分院；西奈山南山医院；西奈山西区医院；纽约西奈山眼耳医院