官方网站-首页

【导语】当基因检测发现罕见DNA突变时，其实际意义常令医患困惑。如今，美国西奈山伊坎医学院科学家开发出人工智能系统，通过结合机器学习与海量临床数据，生成“机器学习外显率”评分，可预测罕见基因突变引发疾病的概率，为精准医疗提供更细致的风险解读。相关研究于8月28日发表于《科学》杂志。

编译：高杰

当基因检测发现一种罕见的DNA突变时，医生和患者往往对它的实际意义不大清楚，可能需要临床医生猜测其影响。如今，美国西奈山伊坎医学院的科学家们开发出一套人工智能系统，能够预测罕见基因突变引发疾病的概率，清晰指明哪些变异会真正提高疾病风险。

该系统将机器学习与数百万份电子健康档案及胆固醇、肾功能等常规实验室检测数据相结合，生成“机器学习外显率”评分，将基因风险置于一个连续谱上，而非简单的“是/否”判断。一些曾被认为危险的变异(yì)在(zài)实(shí)际中影响甚微，而一些先前被标注为“不确定”的变异则显示出与疾病的强关联。相关研究结果于8月28日在《科学》杂志发表。

传统遗传学研究通常依赖简单的“是/否”诊断来对患者进行分类。但许多疾病，如高血压、糖尿病或癌症，往往无法用二元标准简单界定。西奈山的研究人员训练AI模型，将疾病量化在一个连续谱上，为现实生活中的疾病风险提供了更细致的解读。

“我们希望超越非黑即白的(de)答(dá)案(àn)模(mó)式(shì)，因(yīn)为(wèi)这(zhè)种(zhǒng)模(mó)式(shì)常(cháng)常(cháng)让(ràng)患(huàn)者(zhě)和(hé)医(yī)生(shēng)对(duì)基(jī)因(yīn)检(jiǎn)测(cè)结(jié)果(guǒ)的(de)实(shí)际(jì)意(yì)义(yì)感(gǎn)到(dào)困(kùn)惑(huò)。”本(běn)研(yán)究(jiū)资(zī)深(shēn)作(zuò)者(zhě)、西(xi)奈(nài)山(shān)伊(yī)坎(kǎn)医(yī)学(xué)院(yuàn)教(jiào)授(shòu)Ron Do博(bó)士(shì)说(shuō)，“通(tōng)过利用人工智能和实际临床实验室数据（如大多数医疗记录中已包含的胆固醇水平或血常规数据），我们现在可以更好地估算携带特定基因变异的个体患病的可能性。这是一种更(gèng)细(xì)致(zhì)、可扩展且易于实施的精准医疗支持方式，尤其是在处理罕见或模棱两可的检测结果时。

基于机器学习的遗传变异外显率估计

研究人员利用超过100万份电子健康档案，针对10种常见疾病构建了AI模型。随后，将这些模型应用于已知携带罕见基因变异的个体，生成一个介于0到1之间的风险评分，用于反映其患病的可能性(xìng)。

评(píng)分(fēn)越(yuè)高(gāo)，越(yuè)接(jiē)近(jìn)1，表明该变异导致疾病的可能性越大；评分越低，则表明风险极小或可忽略不计。研究团队为超过1600种基因变异计算了“机器学习外显率”评分。

研究人员指出，一些结果令人惊讶：先前被标注为“不确定”的变异显示出明确的疾病信号，而某些被认为会导致疾病的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，但它可能成为一个重要的指南，尤其是在检测结果不明确时。”

西奈山伊坎医学院Do博士实验室的首席研究作者Iain S. Forrest博士表示，“未来，医生可以利用“机器学习外显率”评分来决定患者是否应接受早期筛查或采取预防措施，或者如果变异风险较低，则避免不必要的担忧或干预。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(gāo)，这(zhè)可(kě)能(néng)触(chù)发(fā)早(zǎo)期(qī)癌(ái)症(zhèng)筛(shāi)查(chá)；但(dàn)如(rú)果(guǒ)风(fēng)险(xiǎn)较(jiào)低(dī)，则(zé)可(kě)避(bì)免(miǎn)妄(wàng)下(xià)结(jié)论(lùn)或(huò)过(guò)度(dù)治(zhì)疗(liáo)。”

研(yán)究(jiū)团(tuán)队(duì)目(mù)前(qián)正(zhèng)致(zhì)力(lì)于(yú)扩(kuò)展(zhǎn)模(mó)型(xíng)应(yīng)用(yòng)范(fàn)围(wéi)，纳(nà)入(rù)更(gèng)多(duō)疾(jí)病(bìng)类(lèi)型、更广泛的基因变化以及更多样化的人群。他们还计划追踪这些预测随时间推移的准确性，即携带高风险变异的个体是否真的会患病，以及早期干预是否能产生积极影响。

“最终，我们的研究表明，未来AI和常规临床数据可能携手为患者和家庭提供更个性化、可操作的见解，帮助其理解基因检测结果。”Do博士说。