一种新的AI工具被设计用来基于免疫细胞精确识别疾病。AI研究人员庆祝了一项医学突破：由美国研究团队开发的一种新AI算法能够根据B细胞和T细胞的典型变化，以极高的准确性检测感染和自身免疫性疾病。
来自美国斯坦福大学的马克西姆·扎斯拉夫斯基（Maxim Zaslavsky）及其合著者在《科学》杂志上报道了这一发现。这些疾病是从免疫细胞受体的基因序列中读取的。
目前，传染病的诊断通常基于寻找病原体作为病因。这往往意味着需要等待培养物生成并进行评估。抗体反应也常常延迟。对于1型糖尿病等自身免疫性疾病，疾病是通过代谢后果来诊断的；对于类风湿关节炎，则通过结合多种疾病的迹象，包括实验室值（如类风湿因子）来诊断，但存在很大的不确定性。
然而，科学家们，包括巴塞尔大学热带研究所的专家，提出了一个新想法：疾病会在受影响者的免疫系统中引发特定反应。例如，在B细胞和T免疫细胞上会形成非常特定的受体。专家们的想法是：可能可以从这些受体中读出免疫系统当前正在处理的问题。
“我们的免疫系统不断用B细胞和T细胞监测我们的身体，这些细胞就像分子威胁传感器。”扎斯拉夫斯基在加州大学发布的一份新闻稿中表示，“从这两个主要免疫系统区域的信息组合为我们提供了更全面的免疫系统对疾病以及导致自身免疫或疫苗反应的过程的响应图景。”
因此，研究人员对患有感染或自身免疫性疾病的患者的B细胞和T细胞受体基因的某些部分进行了测序。这些受体用于检测病原体或在自身免疫性疾病中导致对自身组织的错误防御反应。科学家们使用名为Mal-ID（“机器学习用于免疫诊断”）的AI软件创建了一个程序，该程序可以识别某些疾病中免疫细胞受体的典型变化。
在一项初步研究中，Mal-ID分析了来自593人的血液样本中的1620万个B细胞受体和2350万个T细胞受体的序列数据。其中63人感染了SARS-CoV-2，95人感染了HIV病毒。86名测试对象患有自身免疫性疾病（红斑狼疮），92人患有1型糖尿病（也是一种自身免疫性疾病）。37名测试对象接种了流感疫苗。对照组由217名未受影响的测试对象组成。
结果表明，Mal-ID以几乎100%的灵敏度（检测受影响的人）和特异性（排除未患病的人）检测到个别疾病，如SARS-CoV-2感染、HIV感染、红斑狼疮、1型糖尿病以及之前的流感疫苗接种。根据疾病的类型，有一个差异：测试对象B细胞受体的基因序列识别出了HIV和Covid-19感染以及流感疫苗接种。T细胞受体则识别出了红斑狼疮和糖尿病患者。
随着近年来基因测序成本大幅下降，这种方法可能会变得对临床诊断感兴趣。特别是对于自身免疫性疾病，这些疾病通常需要数月或数年的搜索才能确诊。
尽管研究人员目前仅基于六种疾病或免疫状况（疫苗接种）开发了Mal-ID，但他们认为该算法可以快速适应，以识别许多其他疾病和状况的特定免疫特征。这对于复杂的自身免疫性疾病尤其如此，包括类风湿关节炎和慢性多发性关节炎。
“患者往往要经过多年挣扎才能得到诊断，即使这样，我们给这些疾病起的名字也是通用术语，忽略了复杂疾病背后的生物多样性。”扎斯拉夫斯基说。“如果我们能用Mal-ID来解码红斑狼疮或类风湿关节炎背后的异质性，那将产生重大影响。”
(全文结束)
