2024年10月，感染研究所和MedTechONE联合主办了一场临床挑战研讨会。会议由Graham Cooke教授主持，Daniel Elson教授和Charles Bangham教授进行了开场致辞。此次研讨会聚集了研究传染病的感染研究人员、临床医生、工程师和人工智能（AI）专家，共同探讨干预、诊断和治疗方面的挑战。会上提出了五个重要的临床传染病挑战，呼吁工程、技术和AI解决方案来克服这些挑战。研讨会还为进一步讨论提供了平台，并为网络交流和寻找潜在的跨学科合作者创造了机会。
用于肺移植诊断的抗原阵列
肺移植的存活率在所有器官移植中最低，五年生存率为50%。晚期移植物失败可能是由于免疫排斥，也可能是由如曲霉菌感染等疾病引起。传染病学系的Darius Armstrong James教授介绍了多组学方法，这些方法已识别出可用于区分感染和排斥状态的特征。他的团队还在研究曲霉菌感染中的T细胞依赖途径，以及介导真菌感染和排斥之间相互作用的抗体。他阐述了他的愿景，即寻求合作者开发高密度抗原阵列，以检测不同抗体特异性，区分不同类型的感染与移植物排斥，从而帮助早期诊断。
使用AI预测免疫反应以推动疫苗学发展
感染研究所和生命科学系的Faith Osier教授旨在利用AI指导疫苗开发，特别是在候选抗原验证后的下游步骤。Osier教授提出了几个问题：“我们如何消除选择最合适的疫苗平台或佐剂的猜测？”“能否制定更严格的方法来确定最佳给药途径（例如口服与针头注射）？”“是否有办法使用AI进行临床预测，例如识别感染后可能发展为严重疾病的人群？”讨论集中在这些临床问题的可行性和实施细节上，包括需要数千个数据点以实现基于AI的预测。
驱动细菌疫苗开发的AI驱动表位预测方法
CHANTS研究是一项正在进行的首次人体挑战研究，重点关注非伤寒沙门氏菌（NTS）。除了收集有关沙门氏菌感染反应的信息外，该研究还生成了复杂的组学数据。传染病学系的Anna Rydlova博士感兴趣的是从这些数据集中提取有价值的信息，以识别刺激和驱动保护性免疫反应的抗原。Rydlova博士正在寻求蛋白质语言模型（PLM）、逆向表位映射和其他深度学习方法的合作与专业知识，以识别和预测抗原，从而开发有效的细菌疫苗。
为了临床利益而面临的肠道微生物组采样和操作挑战
粪便/肠道微生物组移植（FMT/IMT）是治疗肠道细菌感染如艰难梭菌的标准疗法，并有望用于其他传染性和非传染性疾病。代谢、消化和生殖学系的Julian Marchesi教授和Benjamin Mullish博士介绍了他们的研究，以及需要创新技术来：
- 收集肠道微生物组样本，包括能够从胃肠道不同部位取样的技术。
- 通过使用能够克服制造封装FMT/IMT产品所需繁琐过程的方法，将健康供体的粪便样本移植到受感染患者体内，同时提高患者接受度。
他们正在寻求具有生物材料封装、静电去除、将有效载荷递送至肠道正确部位以及采集胃肠道内容物（尤其是不同区域的胃肠道内容物）的专业知识的合作者。观众提出的解决方案包括使用“胶囊内镜”机器人进行活检，以及与Helix中心（该中心已开发出一种用于结肠癌筛查的相关设备）和戴森设计工程学院等中心的潜在合作。
检测人类T细胞白血病病毒：打破传播循环的机会
人类T细胞白血病病毒（HTLV-1）是一种病毒感染，90%的携带者呈亚临床状态，但在一小部分感染者中可导致高度侵袭性的恶性肿瘤成人T细胞白血病/淋巴瘤（ATL）或慢性炎症性疾病HTLV-1相关脊髓病（HAM）。传染病学系的Aileen Rowan博士描述了如何通过测量外周血单核细胞（PBMCs）中的病毒负荷——前病毒载量——来预测个体患ATL或HAM的风险。Rowan博士还提到，现在普遍认识到HTLV-1筛查的价值，因为可以通过避免传播（例如从母亲到孩子）或使用抗病毒药物治疗来预防感染。世界卫生组织最近也将该病毒列为重要的公共卫生威胁。然而，现有的HTLV-1检测方法存在临床挑战：血清学诊断假阳性率高，无法提供个体是否会发展为ATL或HAM的信息；而核酸检测仅在专门中心进行，费用昂贵。Rowan博士呼吁开发新一代诊断工具，这些工具成本效益高，可在现场使用，提供个体风险信息，并能早期检测ATL。
建立联系
此次活动在网络交流和识别可能的新跨学科合作方面非常受欢迎。帝国理工学院内外的研究人员（例如日本）以及帝国理工学院的卓越中心（包括NIHR体外诊断健康技术研究中心、糖科学实验室、Helix中心和戴森设计工程学院）建立了联系。一位与会者称赞此次活动为帝国理工学院社区提供了“走向学科和科学领域的融合，并充分利用现有能力和能力”的机会。
如果您有解决上述临床挑战的专业知识或技术，并有兴趣合作，请直接联系研究人员，或联系梅尔·布拉德南博士（感染研究所）或尼基莎·贝尔博士（MedTechONE）。
(全文结束)
