针对重症婴儿的快速人工智能遗传疾病诊断

Rady儿童基因组医学研究所(RCIGM)的研究人员以快速工作着称。去年2月，他们通过全基因组测序打破了吉尼斯世界纪录，获得最快的诊断，平均为19小时。

继续这项工作，他们建立了一条自动化管道，用于分析来自干血斑的电子健康记录和基因组序列的数据，从而为患有疑似遗传性疾病的住院(通常是重症)儿童提供潜在的诊断。该管道需要最少的用户干预，增加可用性和缩短诊断时间，在不到24小时的中位时间内提供临时发现。

这项工作发表在科学转化医学的一篇题为“通过快速全基因组测序和自动表型分析和解释诊断重病儿童遗传疾病”的论文中。

“这是RCIGM团队的真正开创性工作 - 通过使用AI快速准确地分析其全基因组序列，挽救病情严重的新生婴儿的生命，”Scripps Research分子医学教授Eric Topol博士说。

“使用机器学习平台并不能取代人类专家。相反，它增强了他们的能力，“RCIGM统计科学家，该研究的第一作者Michelle Clark博士说。“通过及时的靶向治疗，快速的基因组测序可以改善患有遗传性疾病的重病儿童的结果。”

所涉及的技术包括快速全基因组测序(rWGS)过程，以筛选儿童从血液样本中发现的数千个遗传异常的整个基因组成。rWGS管道中的关键组件来自Illumina，包括Nextera DNA Flex文库制备，通过NovaSeq 6000的全基因组测序和S1流动细胞格式。其他管道元素包括Clinithink的临床自然语言处理平台CliX ENRICH，可以快速梳理患者的电子病历，自动提取关键的表型信息。机器学习系统的另一个核心要素是由Diploid提供的MOON。该平台使用AI自动化基因组解释，以自动过滤和排列可能的致病变体。深度表型整合，基于医学文献的自然语言处理，是推动这种自动化解释的关键特征之一。MOON花了五分钟时间来表明全基因组中450万个变异体中的因果突变。此外，Alexion的罕见疾病和数据科学专业知识使临床信息能够转换为可计算的格式，用于指导变异解释。

基因测序数据在研究人员的监督下进入自动化计算平台。为了进行比较和验证，团队中的临床医学遗传学家使用Fabric Genomics的基于AI的算法-VAAST和Phevor集成到临床决策支持软件OPAL(现称Fabric Fabric)中 - 以确认自动化管道的输出。

“有些人称之为人工智能，我们称之为增强型智能，”RCIGM总裁兼首席执行官，医学博士，DSc表示。“患者护理将始终以医生开始和结束。通过利用技术的力量，我们可以快速准确地确定遗传病的根本原因。我们迅速向重症监护医生提供这些重要信息，以便他们可以专注于为难以生存的婴儿提供个性化护理。“

据估计，北美有4%的新生儿受到遗传性疾病的影响，遗传性疾病是婴儿死亡的主要原因。罕见的遗传性疾病也占儿童医院入院的约15%。

通过减少经验稀缺的临床医学遗传学家对耗时的人工分析和数据解释的需求，增加了该过程的自动化，从而消除了扩大WGS临床使用的障碍。虽然这条管道需要适应不同的医院系统使用，但这种自动化工具可以帮助临床医生加快准确的遗传疾病诊断，可能加速患者护理的救命变化。这种新方法为增加使用基因组测序打开了大门，作为对隐性条件婴儿的一线诊断测试。