O AIM, desenvolvido pelo Baylor College of Medicine, aumenta a precisão e a velocidade do diagnóstico genético ao priorizar variantes causais em doenças raras, apresentando resultados superiores em comparação com outros métodos.
Diagnosticar doenças mendelianas raras é uma tarefa trabalhosa, mesmo para geneticistas experientes.
Investigadores do Baylor College of Medicine estão tentando tornar o processo mais eficiente usando inteligência artificial.
A equipe desenvolveu um sistema de machine learning chamado AI-MARRVEL (AIM) para ajudar a priorizar variantes potencialmente causadoras de distúrbios mendelianos.
O estudo foi publicado hoje no NEJM AI.
Pesquisadores do laboratório de diagnóstico clínico Baylor Genetics observaram que o módulo do AIM pode contribuir para previsões independentes do conhecimento clínico do gene de interesse, ajudando avançando na descoberta de novos mecanismos de doenças.
“A taxa de diagnóstico de doenças genéticas raras é de apenas cerca de 30% e, em média, decorrem seis anos desde o início dos sintomas até ao diagnóstico.
Há uma necessidade urgente de novas abordagens para aumentar a velocidade e a precisão do diagnóstico”, disse o co-autor Dr. Pengfei Liu, professor associado de genética molecular e humana e diretor clínico associado da Baylor Genetics.
O AIM é treinado usando um banco de dados público de variantes conhecidas e análises genéticas chamado Organismo modelo Aggregated Resources for Rare Variant ExpLoration (MARRVEL) desenvolvido anteriormente pela equipe de Baylor.
O banco de dados MARRVEL inclui mais de 3,5 milhões de variantes de milhares de casos diagnosticados.
Os pesquisadores fornecem ao AIM dados e sintomas da sequência do exoma dos pacientes, e o AIM fornece uma classificação dos genes candidatos mais prováveis que causam a doença rara.
Os pesquisadores compararam os resultados do AIM com outros algoritmos usados em artigos de benchmark recentes.
Eles testaram os modelos usando três coortes de dados com diagnósticos estabelecidos da Baylor Genetics, da Rede de Doenças Não Diagnosticadas (UDN), financiada pelos Institutos Nacionais de Saúde, e do projeto Deciphering Developmental Disorders (DDD).
O AIM classificou consistentemente os genes diagnosticados como o candidato número 1 em duas vezes mais casos do que todos os outros métodos de referência que usam esses conjuntos de dados do mundo real.
“Treinamos o AIM para imitar a forma como os humanos tomam decisões, e a máquina pode fazer isso com muito mais rapidez, eficiência e custo menor.
Este método efetivamente dobrou a taxa de diagnóstico preciso”, disse o co-autor Dr. Zhandong Liu, professor associado de pediatria – neurologia em Baylor e investigador do Jan and Dan Duncan Neurological Research Institute (NRI) no Texas Children’s Hospital.
AIM também oferece uma nova esperança para casos de doenças raras que permaneceram sem solução durante anos.
Centenas de novas variantes causadoras de doenças que podem ser fundamentais para resolver esses casos resfriados são relatadas todos os anos; no entanto, determinar quais casos justificam uma nova análise é um desafio devido ao elevado volume de casos.
Os pesquisadores testaram a reanálise clínica do exoma do AIM em um conjunto de dados de casos UDN e DDD e descobriram que ela foi capaz de identificar corretamente 57% dos casos diagnosticáveis.
“Podemos tornar o processo de reanálise muito mais eficiente usando o AIM para identificar um conjunto de casos potencialmente solucionáveis de alta confiança e encaminhando esses casos para revisão manual”, disse Zhandong Liu.
“Prevemos que esta ferramenta possa recuperar um número sem precedentes de casos que anteriormente não eram considerados diagnosticáveis.” Os investigadores também testaram o potencial do AIM para a descoberta de novos genes candidatos que não tenham sido associados a uma doença.
AIM previu corretamente dois genes de doenças recentemente relatados como principais candidatos em dois casos de UDN.
“O AIM é um grande passo em frente na utilização da IA para diagnosticar doenças raras.
Ele restringe os diagnósticos genéticos diferenciais a alguns genes e tem o potencial de orientar a descoberta de doenças anteriormente desconhecidas”, disse o co-autor Dr. Hugo Bellen, Distinguished Service Professor em genética molecular e humana em Baylor e catedrático em neurogenética em o Duncan NRI.
“Quando combinado com a profunda experiência de nossos diretores de laboratórios clínicos certificados, conjuntos de dados altamente selecionados e tecnologia automatizada escalonável, estamos vendo o impacto da inteligência aumentada para fornecer insights genéticos abrangentes em escala, mesmo para as populações de pacientes mais vulneráveis e condições complexas, – disse o autor sênior Dr. Fan Xia, professor associado de genética molecular e humana em Baylor e vice-presidente de genômica clínica na Baylor Genetics.
“Ao aplicar dados de treinamento do mundo real de uma coorte da Baylor Genetics sem quaisquer critérios de inclusão, o AIM demonstrou precisão superior.
A Baylor Genetics pretende desenvolver a próxima geração de inteligência diagnóstica e trazê-la para a prática clínica.” Referência: “AI-MARRVEL: Uma Inteligência Artificial Orientada ao Conhecimento para Diagnóstico Molecular de Distúrbios Mendelianos? 25 de abril de 2024, NEJM AI.
Publicado em 28/04/2024 23h58
Artigo original: