诊断罕见的孟德尔疾病对于拥有多年经验的遗传学家来说可能是一个相当大的挑战。为了简化这一过程，贝勒医学院的一个团队转向了人工智能。他们创建了AI-MARRVEL（AIM），这是一个旨在帮助优先考虑孟德尔疾病潜在致病变异的机器学习系统。目标是帮助优先考虑孟德尔疾病的潜在致病变异。该研究今天在NEJM AI上发布。贝勒遗传学临床诊断实验室的研究人员发现，AIM模块可以在不需要基因临床知识的情况下进行预测，这可以帮助揭示新的疾病机制。“罕见遗传疾病的诊断率仅约为30%，而且从症状出现到诊断平均需要六年时间。迫切需要新的方法来加快和提高诊断的准确性，”共同作者刘鹏飞博士说，他是分子与人类遗传学的副教授，同时也是贝勒遗传学的副临床主任。他表示，AIM是使用MARRVEL数据库进行训练的，该数据库是已知变异和遗传分析的公共数据库。MARRVEL数据库由贝勒团队开发，包含来自数千个已诊断病例的350多万种变异。研究人员将患者的外显子序列数据和症状输入AIM，AIM随后提供最可能导致罕见疾病的基因候选者的排名。最近的基准论文使用其他算法对来自三组的模型进行测试：贝勒遗传学、国家卫生研究院资助的未诊断疾病网络（UDN）和解码发育障碍（DDD）项目。AIM在这些真实世界数据集中一贯将已诊断基因排名为首选候选者，其案例数量是所有其他基准方法的两倍。
“我们训练AIM模仿人类的决策过程，而机器可以更快、更高效且成本更低地做到这一点。这种方法有效地使准确诊断的速度翻了一番，”共同作者、贝勒儿科和神经学副教授兼德克萨斯儿童医院简·丹·邓肯神经研究所（NRI）研究员刘展东博士说。
AIM还为那些多年未解决的罕见疾病案例提供了新的希望。每年都有数百种新的致病变异被报道，这些变异可能对解决这些未解决的案例至关重要。然而，由于案件数量庞大，确定哪些案件需要重新分析是一个挑战。研究人员在UDN和DDD案例的数据集上测试了AIM的临床外显子重新分析，并发现它能够正确识别。AIM能够识别57%的可诊断病例。根据刘展东的说法，通过使用AIM精准找到潜在可解决的病例，并将这些病例推送进行人工审查，可以使重新分析过程更加高效。相信这个工具能够发现大量先前被认为无法诊断的病例。
此外，研究人员测试了AIM发现与疾病没有关联的新基因候选者的能力。在两个UDN案例中，AIM准确预测了两个新报告的疾病基因作为首选候选者。这标志着该领域的重大进展。贝勒研究人员正在使用人工智能帮助通过将遗传诊断缩小到几个基因来诊断罕见疾病。根据胡戈·贝伦博士的说法，这种方法有可能揭示先前未知的疾病。结合人工智能技术、认证临床实验室主任的专业知识、高度策划的数据集和可扩展的自动化，正在通过为各种患者群体提供全面的遗传见解产生重大影响，包括最脆弱的群体。根据文章的高级作者、贝勒医学院分子与人类遗传学副教授及贝勒遗传学临床基因组学副总裁夏凡博士的说法，新的诊断智能AIM在识别来自贝勒遗传学队列的真实世界训练数据中的遗传疾病方面表现出优越的准确性。贝勒遗传学的目标是继续开发该技术，以改善临床实践。文章的其他作者包括毛东雪、刘超忠、王林华、拉米·阿尔·奥兰、科尔·迪塞罗斯、萨西德哈·帕苏普雷提、金善永、鲁西安·李、吉尔·A·罗森菲尔德、孟丽燕、林赛·C·巴雷奇、M·迈克尔·王格勒、山田慎也、迈克尔·圣安娜、维克多·佩雷斯、普里扬克·舒克拉、克里斯汀·恩格、布伦丹·李和博·袁与贝勒医学院、德克萨斯儿童医院简·丹·邓肯神经研究所、阿尔侯赛因理工大学、贝勒遗传学以及贝勒人类基因组测序中心有联系。该项工作得到了张·扎克伯格倡议和国家神经疾病与中风研究所（3U2CNS132415）的支持。
