Science重磅：只需“一滴血”，AI工具一次性诊断糖尿病/艾滋病/红斑狼疮/新冠等多种复杂疾病

传统诊断技术依赖于患者病史、体格检查和实验室检查，通常需要多次检查才能诊断出一些复杂疾病。

近年来，人工智能（AI）的发展日新月异，并在通用领域、生命科学和医学等得到了广泛应用。通过大数据集训练出来的 AI 算法模型，其庞大的数据库和越来越精准的识别能力，使得“AI+医疗”成为现实。

斯坦福大学的研究人员在国际顶尖学术期刊 Science 上发表了题为：Disease diagnostics using machine learning of B cell and T cell receptor sequences 的研究论文。

该研究开发了一种人工智能（AI）诊断工具——Machine Learning for Immunological Diagnosis（Mal-ID）。该 AI 工具可以通过筛选血液样本中的免疫细胞（B 细胞和 T 细胞）基因序列，一次性诊断一系列感染和健康状况。

通过一项对近 600 名参与者的研究，该 AI 工具确定了参与者是否健康或患有 COVID-19、1 型糖尿病、艾滋病或自身免疫病，以及他们最近是否接种了流感疫苗。

免疫系统通过两种主要的免疫细胞类型——B 细胞和 T 细胞，保存着对过去和现在所接触的病原体的免疫记忆。其中，B 细胞产生附着在病毒和有害分子上的抗体，而 T 细胞则激活其他免疫反应或直接杀死被感染的细胞。

值得注意的是，当一个人受到感染或自身免疫性疾病时，免疫系统会被激活，B 细胞和 T 细胞的数量也会增加，并开始产生特定的表面受体。因此，通过对编码这些受体的基因进行测序，就可以解锁这个人关于疾病和感染的独特记录。

在这项最新研究中，研究团队基于人工智能（AI）构建了一种分子诊断工具，其针对 B 细胞受体（BCR）和 T 细胞受体（TCR）各训练了三个模型——受体库组成分析模型、CDR3 序列聚类模型、蛋白质语言模型嵌入模型，以分析编码 B 细胞受体和 T 细胞受体关键区域的基因序列，并挑选出与特定疾病相关的模式。

Mal-ID的框架构建

研究团队使用该工具在 593 人的血液样本中筛选了 1620 万个 B 细胞受体序列和 2350 万个 T 细胞受体序列。这一 AI 诊断工具从这些参与者中检测到 63 人曾患COVID-19，95 人 HIV 阳性，86 人患系统性红斑狼疮，92 人患 1 型糖尿病，37 人最近接种过流感疫苗，剩余 220 名参与者为健康对照者。

在对 542 名同时拥有 B 细胞和 T 细胞数据的参与者的样本进行的分析中，该 AI 诊断工具在一个指标中得分高达 0.986（满分为 1 分），该指标衡量的是它将参与者与他们的疾病正确匹配的程度。

Mal-ID使用IgH和TRB序列对疾病进行分类

此外，当比较 AI 工具单独使用 B 细胞受体、单独使用 T 细胞受体或同时使用这两种受体对疾病的区分能力时，研究团队发现，将两种细胞类型的数据结合起来效果最好。例如，1 型糖尿病和系统性红斑狼疮在 T 细胞受体中有更清晰的标记，而 COVID-19、HIV 和流感在 B 细胞受体中较易识别。

Mal-ID可以区分已知的SARS-CoV-2特异性抗体序列和健康供体序列

研究团队表示，AI 工具可以调整到只筛查一种或多种疾病，但它的预测并不是完全没有错误的，距离临床应用还有很长的路要走。事实上，从另一种角度来说，AI 作为基于大数据的预测模型，其错误预测也可能源于传统检测方法所遗漏的人群之间的细微差异。因此，这些 AI 的错误案例可能有助于梳理出免疫相关疾病的全新子类别，并有助于定制个性化治疗方案。

研究模式图：从血液到疾病的免疫受体测序分类

总的来说，这项发表于 Science 的研究开发了一款 AI 诊断工具——Mal-ID，该 AI 工具可以自动识别免疫受体测序数据以区分一系列疾病状态，包括 COVID-19、糖尿病、艾滋以及自身免疫疾病等。随着进一步的验证和扩展，Mal-ID 有望开发出利用免疫受体群体中包含的大量信息进行医学诊断的临床工具，还可能用于预测诊断疾病的具体进程。