模型可根据患者数据预测疾病
达纳-法伯癌症研究所(Dana-Farber Cancer Institute)的研究人员与麻省总医院布里格姆(Mass General Brigham)的合作者创建了一种单一算法,可同时预测某位患者罹患348种不同疾病的可能。该算法发表于《自然》(Nature)杂志,是首个仅依据常规采集的电子健康记录数据,再加上患者疾病遗传风险知识,就能进行多疾病预测的算法。该算法会随时间动态更新其风险评估,而且随着患者年龄的增长,其预测能力还会提高。
“这是一种新颖的算法,它分析患者的完整临床数据轨迹,从而对未来疾病转归作出非常准确的预测,”共同资深作者、达纳-法伯研究所科学家亚历山大·古谢夫(Alexander Gusev)博士说。“人们都在思考未来几年自己的健康状况会是什么样,尤其是在干预选择不断增多的情况下。这一工具为改进对未来疾病的预测提供了一条路径,使医生和患者能够采取行动,努力预防这些疾病。”
该团队由共同资深作者古谢夫、达纳-法伯研究所研究员兼人口科学部副主任乔瓦尼·帕尔米贾尼(Giovanni Parmigiani)博士、麻省总医院(MGH)的普拉迪普·纳塔拉詹(Pradeep Natarajan),以及第一作者、麻省总医院心脏病学家萨拉·乌尔布特(Sarah Urbut)医学博士/博士领导。他们把概率建模与机器学习相结合,采用了一种独特的设计,使该工具的预测既强大,又具有生物学上的可解释性。
研究人员运用概率建模定义了20种生物学“特征标记”(signatures),即一系列有很大概率引发某些疾病的生物学趋势。例如,患者病史中的高胆固醇会增加心血管疾病的发生概率。这些特征标记还纳入了已知会增加疾病发生可能性的基因变异。这些标记复杂且相互重叠。例如,结肠癌的风险就与多种不同的特征标记相关。
“我们煞费苦心地精心整理了这些特征标记,这是一个很大的区别所在。与通常被视为‘黑箱’的深度学习方法不同,我们精心整理的特征标记以可解释的方式捕捉了其背后的生物学机制,”帕尔米贾尼说。“这些特征标记随后成为模型预测能力的驱动因素。”
该团队利用人工智能技术训练了一个模型,通过其精心整理的疾病特征标记视角,以及通过学习获得的关于疾病共现的理解,根据患者的健康史来预测多种疾病的风险。
“一份病历中包含大量有用的信息,无论是随时间推移的信息,还是跨越不同疾病领域的信息,”帕尔米贾尼说。“这些数据对人类来说很难在头脑中处理,但对机器学习模型来说却是可处理的。”
该模型名为Aladynoulli(由阿拉丁——他能获得实现愿望的精灵——与数学家雅各布·伯努利所定义、基于概率的动态预测理念拼接而成的合成词),研究人员利用三个大型生物样本库中总计超过68.3万份患者记录对其进行了训练和验证。在10年期预测方面,该模型的准确性超过了现有的心血管风险模型——PCE、QRISK3和PREVENT。在1年期乳腺癌预测方面,它也超过了GAIL乳腺癌风险模型。
该模型还能以非常高的准确性预测哪些患者在未来一年内会患上结直肠癌。标记出即将发生结直肠癌的高风险,可以帮助初级保健医生将患者转诊进行结肠镜检查,即使该患者按现行基于年龄的指南尚未达到筛查资格。鉴于年轻发病的结直肠癌正以惊人的速度增加,这种风险评估可以帮助医生在疾病仍可预防时及早干预。
“在临床上,两名诊断相同的患者并不是同一种患者,”麻省总医院布里格姆心脏与血管研究所预防心脏病学主任、麻省理工学院与哈佛大学布罗德研究所(Broad Institute)准成员普拉迪普·纳塔拉詹(Pradeep Natarajan)医学博士说。“这一模型显示,他们往往具有不同的潜在特征标记谱,这可能转化为不同的疾病进展模式,以及对同一治疗的不同反应。”
“这一模型是临床中一项创新且可能具有颠覆性的工具,因为它可能促使更多临床医生以跨学科的思维方式思考,”帕尔米贾尼说。“重要的是,要尝试以对数据的全方位360度视角来理解患者,而不是按专科将信息割裂开来。这一模型最大的优势之一是,它知道许多疾病都是由相同的底层生物学机制驱动的。”
该团队的下一步工作包括利用该模型进一步了解黑色素瘤(一种皮肤癌)为何以及如何扩散到其他器官。团队已与达纳-法伯医学肿瘤学家大卫·刘(David Liu)医学博士、公共卫生硕士合作,训练模型识别不同的转移模式,例如早期或晚期扩散,或广泛扩散或局限扩散。这项工作可能有助于识别此前未被认识的疾病亚型。
“Aladynoulli不仅能帮助预测不同的转移轨迹,还能让我们从生物学上理解患者为何沿着这些不同轨迹进展,”古谢夫说。“通过对生物学更深入的理解,我们有望找到更有益的治疗方法。”
与此同时,团队正致力于扩充模型中的特征标记,以提高风险预测的准确性和生物学基础。他们还在寻找机会,推动该模型在临床实践中落地应用,并将其作为改进临床试验设计的工具。
【全文结束】

