ИИ от Mount Sinai предсказывает, какие генетические мутации действительно приводят к болезням

Исследователи Mount Sinai создали инструмент ИИ, который использует лабораторные результаты и электронные медицинские карты для оценки реального воздействия редких генетических мутаций. Система выявляет неожиданные закономерности, уточняя, какие варианты действительно повышают риск заболеваний. Фото: Shutterstock

Когда генетическое тестирование выявляет редкую мутацию ДНК, врачи и пациенты часто остаются в неведении относительно её реального значения. Исследователи из Медицинской школы Икан при Mount Sinai разработали новый мощный метод, позволяющий определить, приведёт ли мутация у пациента к реальному развитию заболевания — концепция, известная в генетике как пенетрантность.

Команда решила эту проблему с помощью искусственного интеллекта (ИИ) и рутинных лабораторных тестов, таких как уровень холестерина, показатели крови и функция почек. Подробности findings были опубликованы 28 августа в онлайн-выпуске журнала Science. Их новый метод сочетает машинное обучение с электронными медицинскими картами, предлагая более точный, основанный на данных взгляд на генетический риск.

Традиционные генетические исследования часто полагаются на простой диагноз «да/нет» для классификации пациентов. Но многие заболевания, такие как высокое кровяное давление, диабет или рак, не укладываются в чёткие бинарные категории. Исследователи Mount Sinai обучили модели ИИ количественно оценивать заболевание по спектру, предлагая более тонкое понимание того, как риск заболевания проявляется в реальной жизни.

«Мы хотели выйти за рамки чёрно-белых ответов, которые часто оставляют пациентов и врачей в неопределённости относительно того, что на самом деле означает результат генетического теста», — говорит Рон До, доктор философии, старший автор исследования и профессор персонализированной медицины имени Чарльза Бронфмана в Медицинской школе Икан при Mount Sinai. — «Используя искусственный интеллект и реальные лабораторные данные, такие как уровень холестерина или показатели крови, которые уже являются частью большинства медицинских карт, мы теперь можем лучше оценить, насколько вероятно развитие заболевания у человека с определённым генетическим вариантом. Это гораздо более тонкий, масштабируемый и доступный способ поддержки прецизионной медицины, особенно когда речь идёт о редких или неоднозначных находках».

Используя более 1 миллиона электронных медицинских карт, исследователи построили модели ИИ для 10 распространённых заболеваний. Затем они применили эти модели к людям с известными редкими генетическими вариантами, генерируя оценку от 0 до 1, которая отражает вероятность развития заболевания.

Более высокая оценка, близкая к 1, предполагает, что вариант с большей вероятностью может способствовать заболеванию, в то время как более низкая оценка указывает на минимальный или нулевой риск. Команда рассчитала оценки «ML-пенетрантности» для более чем 1600 генетических вариантов.

Некоторые результаты оказались неожиданными, говорят исследователи. Варианты, ранее обозначенные как «неопределённые», показали чёткие сигналы заболевания, в то время как другие, которые, как считалось, вызывают болезнь, мало повлияли на реальные данные.

«Хотя наша модель ИИ не предназначена для замены клинического суждения, она потенциально может служить важным руководством, особенно когда результаты анализов неясны. В будущем врачи могли бы использовать оценку ML-пенетрантности, чтобы решить, следует ли пациентам проходить более ранние обследования или принимать профилактические меры, или же избегать ненужного беспокойства или вмешательства, если вариант является низкорисковым», — говорит ведущий автор исследования Иэн С. Форрест, доктор медицины и философии из лаборатории доктора До в Медицинской школе Икан при Mount Sinai. — «Если у пациента есть редкий вариант, связанный с синдромом Линча, например, и он получает высокий балл, это может спровоцировать более ранний скрининг на рак, но если риск кажется низким, можно избежать поспешных выводов или избыточного лечения».

Команда сейчас работает над расширением модели, чтобы включить больше заболеваний, более широкий спектр генетических изменений и более разнообразные популяции. Они также планируют отслеживать, насколько хорошо эти прогнозы сохраняются с течением времени, действительно ли люди с высокорисковыми вариантами впоследствии заболевают и может ли раннее действие что-то изменить.

«В конечном счёте, наше исследование указывает на потенциальное будущее, в котором ИИ и рутинные клинические данные работают рука об руку, чтобы предоставить более персонализированные, действенные идеи для пациентов и семей, разбирающихся с результатами генетических тестов», — говорит доктор До. — «Мы надеемся, что это станет масштабируемым способом поддержки лучших решений, более ясного общения и большей уверенности в том, что на самом деле означает генетическая информация».

Исследование озаглавлено «Пенетрантность генетических вариантов на основе машинного обучения».