10月，感染研究所和MedTechONE共同主办了一次临床挑战研讨会。会议由Graham Cooke教授主持，Daniel Elson教授和Charles Bangham教授发表了开场致辞。此次研讨会汇聚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，讨论了干预、诊断和治疗方面的议题。研讨会上提出了五个重要的临床感染疾病挑战，呼吁工程、技术和AI解决方案来克服这些挑战。研讨会提供了一个进一步讨论的平台，并为网络交流和识别潜在的跨学科合作者提供了机会。
肺移植诊断中的抗原阵列
肺移植在所有器官移植中生存率最低，五年后的存活率仅为50%。晚期移植物失败可能是由于免疫系统对移植物的排斥，但也可能是由如曲霉病等感染引起的。曲霉病是由一种霉菌感染导致的。传染病系的Darius Armstrong James教授描述了多组学方法如何识别不同感染和排斥状态的特征。他的团队还在研究曲霉病中的T细胞依赖途径，并试图确定介导真菌感染和排斥之间相互作用的抗体。他阐述了寻求合作者开发高密度抗原阵列的愿景，以检测不同抗体特异性，区分不同类型感染与移植物排斥，包括识别针对供体抗原的抗体。这将有助于早期诊断。
用于疫苗学的AI预测免疫反应
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中。Osier教授提出了几个问题：“我们如何减少选择最合适的疫苗平台或佐剂的猜测？”、“能否设计出更严谨的方法来确定最佳给药途径（例如口服与针剂）？”、“是否有办法使用AI进行临床预测，例如识别感染后有严重疾病风险的人群？”讨论集中在这些临床问题的可行性和物流需求上，包括需要数千个数据点以实现基于AI的预测。
用于细菌疫苗开发的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。传染病系的Anna Rydlova博士感兴趣的是如何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博士寻求在蛋白质语言模型（PLMs）、反向表位映射和其他深度学习方法方面的合作，以识别和预测抗原，开发有效的细菌疫苗。
为临床获益而进行的肠道微生物采样和操作挑战
粪便/肠道微生物移植（FMT/IMT）是治疗肠道细菌感染——艰难梭菌的标准疗法，并有望作为其他传染性和非传染性疾病的治疗方法。代谢、消化和生殖系的Julian Marchesi教授和Benjamin Mullish博士介绍了他们的研究，并提出需要创新来：1）采集肠道微生物样本，包括允许从胃肠道不同部位采样的技术；2）通过使用克服当前制造封装FMT/IMT产品所需繁琐过程的方法，将健康捐赠者的粪便样本移植到受感染患者体内，同时提高患者的接受度。寻求在生物材料封装、静电去除、向肠道正确部分输送载荷和采样胃肠道内容物（尤其是不同区域的胃肠道）方面具有专长的合作者。来自观众的解决方案包括使用“胶囊摄像”机器人进行活检，以及与Helix中心（已开发相关设备用于肠癌筛查）和Dyson设计工程学院的潜在合作。
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%的携带者无症状，但一小部分感染者会发展成高度恶性的成人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，现在广泛认识到筛查HTLV-1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：血清学诊断的假阳性率高，无法提供个体是否会发展成ATL或HAM的信息，而核酸测试仅在专门中心提供且费用昂贵。Rowan博士呼吁开发新一代诊断方法，这些方法成本效益高，可在现场使用，提供个体风险概况信息，并能早期检测ATL。
建立联系
此次活动在网络建设和识别可能的新跨学科合作方面非常受欢迎。建立了帝国理工学院内外（例如日本）的研究人员之间的联系，以及与帝国理工学院卓越中心的联系，包括NIHR体外诊断健康技术研究中心、糖科学研究实验室、Helix中心和Dyson设计工程学院。一位参会者称赞了帝国理工社区有机会“朝着学科和科学领域的融合方向努力，并充分利用已有的能力和能力”。
如果您拥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Mel Bradnam博士（感染研究所）或Nikeysha Bell博士（MedTechONE）。
(全文结束)
