人工智能助力診斷兒童罕見病

　　對重癥患者而言，時間就是生命。美國瑞迪兒童基因組醫學研究所（RCIGM）一向以快速診斷著稱。去年2月，他們曾在短短19.5小時內完成患兒基因組測序并實現遺傳診斷，創造了一項新的吉尼斯世界紀錄。

　　如今，該機構的研究人員更新了他們在診斷罕見病時的兒科測序流程，結合機器學習方法來生成、分析和解釋遺傳數據，并更快地將這些信息提供給臨床醫生。這項成果于本周發表在《Science Translational Medicine》上。

　　瑞迪兒童基因組醫學研究所的總裁Stephen Kingsmore博士表示：“借助技術的力量，我們可以快速準確地確定遺傳病的根本原因。我們迅速將這一信息傳遞給重癥監護室的醫生，讓他們為那些危在旦夕的嬰兒提供個性化治療。”

　　Kingsmore及其同事在文中概述了全基因組測序和解釋的流程，其中包括簡化的文庫制備，以及自動化的機器學習和臨床自然語言處理（CNLP）。這個實驗和分析流程是由瑞迪研究所聯合Illumina、Fabric Genomics、Diploid、Alexion以及Clinithink共同開發的。

　　Stephen Kingsmore早前在堪薩斯城的兒童慈善醫院擔任兒科基因組醫學中心的主任。他帶領團隊開發出快速的兒科基因組測序方法，并證明了該方法的潛在臨床應用。他在2015年來到瑞迪兒童基因組醫學研究所，加快了兒科基因組測序的進程。

　　之前的研究證實，快速全基因組測序能夠幫助醫生診斷和治療那些患有遺傳病的危重患兒，特別是新生兒及兒科重癥監護室中的嬰兒。然而，測序結果需要高素質的專業人士來解釋，這就阻礙了此方案的廣泛實施。

　　在這項研究中，研究人員將這種方法應用在100多名兒童的回顧性樣本上，這些兒童已在瑞迪診斷出105種遺傳性疾病。他們從干血斑和新鮮血液樣本中提取出DNA，并開展文庫制備。他們能夠在15.5小時內完成雙端短讀長測序，之后在Illumina Dragen平臺的幫助下比對和檢出變異。

　　接下來，研究團隊依靠機器學習中的臨床自然語言處理方法，從電子病歷中收集表型信息。通過這種策略，他們提取了兒科患者的表型組，查準率（precision）達80%，查全率（recall）達93%，因此可以根據患兒的癥狀或特征對疾病相關變異進行排序。

　　利用這個流程，研究人員成功診斷出101名兒童的105種遺傳病。自動化CNLP方法平均提取出4.3種表型特征，與疾病的預期表型特征相符。相比之下，手動解釋只能發現約0.9個表型特征。

　　之后，研究團隊利用這種快速的自動化分析管道對ICU中的重病嬰兒進行前瞻性評估，發現能夠對7個病例中的3個進行成功診斷，查準率和查全率達到100%，平均用時略長于20小時。與之前的測序和分析相比，大約節省了22小時。

　　此外，作者報告稱，這種自動化的臨時診斷工具可以擴大規模，利用手頭的每臺測序儀器每周可對30多名患者進行評估。

　　基于這些結果，他們認為“自動化系統可以帶來有效的一線診斷，從而讓寶貴的資源用在無法解決的困難病例、變異的手動注釋，以及臨床報告的生成上”。