普林斯顿精准健康计划（Princeton Precision Health, PPH）中的科学家和工程师应用尖端的人工智能和计算模型来处理大规模数据集，以深入了解塑造健康和疾病的各类因素。在PPH执行委员会首次会议上，流行病学家杰西卡·梅特卡夫（Jessica Metcalf）在一旁观看同事握手。
人类健康受到极其复杂的一系列因素的影响，从遗传和社会经济到空气质量以及生活方式因素如运动。普林斯顿精准健康计划（Princeton Precision Health, PPH）正致力于解决这一复杂的问题，汇集了独特的专家组合、庞大的数据集和先进的计算方法，以全面了解如何使人类保持健康。
该计划的核心教员包括社会学、心理学、计算机科学、工程学、基因组学、环境科学、流行病学和医学等领域的专家，PPH已颁发了22项由基金资助的种子基金，支持大学各院系的研究人员探索健康相关主题，例如技术对心理健康的影响以及计算机视觉工具如何帮助诊断自闭症。
虽然某一学术部门内的教员通常使用类似的方法来解决不同的问题，“PPH的目标是将广泛不同的方法和方法应用于一个共同的大挑战，”社会学教授兼PPH核心教员马修·萨尔加尼克（Matthew Salganik）说。
这个大挑战是：通过整合所有健康因素的复杂计算方法，在分子、个体和社会层面实现对人类健康的深刻理解，从而可靠地预测个人和群体的健康结果。
PPH的方法集中在开发人工智能（AI）和计算模型，以处理大量数据集，并理解不同风险和变量如何相互作用以塑造健康结果。萨尔加尼克说：“我们没有直接的临床目标，也没有患者，因此我们可以研究影响健康的各个因素之间的相互作用，解决那些需要更长时间才能研究的难题。”
“这种方法结合了各个学科的严格模型，揭示这些相互作用背后的‘为什么’，并做出准确且科学可验证的预测，”他说。“精准健康最终目标是改善个人和群体的健康。”
奥尔加·特罗亚诺娃（Olga Troyanskaya）教授同时担任计算机科学和刘易斯-西格勒综合基因组学研究所的主任，她领导着PPH。“基因组——基本上是由四种不同字母组成的代码——大约有30亿个字母长，”她说。“我们已经绘制了大多数基因的位置，但这些只占基因组的不到2%。其余98%控制着基因何时及如何激活。直到最近，我们对这98%的理解还很有限。然而，深度学习模型的出现改变了我们解码这些机制的能力。”
“我们现在正在使用AI模型来揭示基因是如何开启和关闭的，并预测这些激活何时会发生，”特罗亚诺娃继续说道。“在普林斯顿精准健康计划中，我们进一步将基因组数据与其他关键信息——如社会经济和环境因素——结合起来，提供对健康结果的更全面理解。这种综合方法有助于我们深入研究各种健康挑战，包括传染病、自闭症、肾病和抑郁症。”
变革的“完美契合”
虽然数据一直推动着健康研究的发展，但健康相关信息的巨大数量以及计算和人工智能的进步使得重大飞跃成为可能，计算机科学和刘易斯-西格勒综合基因组学研究所的教授莫娜·辛格（Mona Singh）表示。
“神经网络、基础模型、语言模型——这些人工智能技术表现出的卓越性能是十年前难以想象的，”她说。“思考人工智能如何帮助精准健康实现其目标是非常令人兴奋的。”
而普林斯顿大学具备引领这一变革的理想条件，辛格说。
PPH主任奥尔加·特罗亚诺娃表示，深度学习模型的出现已经改变了“我们解码基因如何开启和关闭以及预测这些激活何时发生”的能力。跨学科的综合方法有助于PPH深入研究包括传染病、自闭症、肾病和抑郁症在内的健康挑战。
普林斯顿精准健康计划（PPH）已向35名普林斯顿研究人员发放了超过200万美元的22项种子基金，其中包括以下项目：
- 多位研究人员合作确定广泛的技术使用与儿童和年轻人心理健康危机之间是否存在因果关系——如果存在，哪些遗传、临床或环境因素导致了这种风险。政治科学家杰克·夏皮罗（Jake Shapiro）、神经科学家雅埃尔·尼夫（Yael Niv）、心理学家莫莉·克罗克特（Molly Crockett）和克里斯蒂娜·奥尔森（Kristina Olson）以及PPH数据科学家马诺吉·库马尔（Manoj Kumar）正在这一领域开展工作。
- 生态与进化生物学家布莱恩·格林费尔（Bryan Grenfell）和计算机科学家阿德吉·布索·迪恩（Adji Bousso Dieng）正在使用新方法和人工智能来理解免疫系统的个体差异，然后将这种分析扩展到整个人群的免疫反应。
- 社会学家道尔顿·康利（Dalton Conley）正在研究儿童在教育成就、多动症和抑郁方面的遗传倾向如何影响父母的情绪、婚姻质量和对该儿童的发展投资。
- 临床心理学家埃里克·努克（Erik Nook）正在使用大型语言模型来量化青少年焦虑和抑郁等心理障碍的最佳治疗方法，使用数千小时的匿名青少年与治疗师对话记录。
- 生物学家科琳·墨菲（Coleen Murphy）正在推进关于影响女性生殖衰老的因素的研究，开发所谓的“生物钟”生物标志物，并探讨影响这些生物标志物的社会和环境因素。她正在与PPH的妇产科医生黛布拉·巴斯曼（Debra Baseman）博士合作。
- 计算机科学家奥尔加·鲁萨科夫斯基（Olga Russakovsky）正在使用视觉人工智能工具，从匿名临床视频中更好地理解神经多样性。自2022年5月启动以来，已有超过20篇同行评审期刊文章承认了PPH的支持，涉及的主题从COVID-19到抑郁症再到肾病。
健康超越医学
普林斯顿大学四个学院——人文、社会科学、自然科学和工程学——的教员已经在塑造精准健康研究领域方面做出了贡献。“参与这项研究的教员中有40%来自社会科学和人文学科，这是普林斯顿的一个重要优势，”特罗亚诺娃说。
社会学家、心理学家、电气工程师和计算机科学家可能是健康研究中的意外合作伙伴，但这正是PPH的独特之处，她说。
“通过跨学科整合专业知识、方法和视角，我们可以解锁更深层次且原本无法获得的关于个体和群体健康的知识，”心理学助理教授兼PPH核心教员埃里克·努克说。
在一个没有医学院的大学里发生根本性发现并非巧合，分子生物学实践教授丹·诺特曼（Dan Notterman）博士说。
“PPH允许跨学科合作，这在专注于疾病的医疗环境中可能无法实现，后者可能没有足够的灵活性来探索影响健康的人类遗传、行为和环境的细微差别，”诺特曼说。“在普林斯顿，我们有能力进行需要更长时间框架和更多样化方法的研究。”
这就是为什么PPH的研究设施位于拿骚街252号，那里没有通风橱或培养皿，而是成片的笔记本电脑、小型聚会空间和一个开放的演讲空间，用于他们受欢迎的演讲系列。
利用庞大数据集的基础设施
为了建立对人类健康的变革性理解，PPH研究人员正在利用一些真正庞大的数据集，包括数十万个完整的人类基因组和数百万条分散的医疗保险索赔记录——所有数据都是匿名的，并具有强大的记录保护措施。
健康研究中的数据集在安全获取、存储和处理方面提出了独特的挑战，萨尔加尼克说。无论多么资源丰富的单个研究人员都无法将它们全部整合在一起，并从不同来源和学科的数据中进行关联。PPH汇集了专业知识——数据、临床和研究科学家——以及必要的资源来实现这一点。
“目前，正在生成涵盖基因组、分子、社会、行为和环境因素以及临床记录的各种数据，但这些数据仍然孤立存在，”萨尔加尼克说。“PPH可以提供必要的基础设施、专业知识和协作框架，以获取、整合和分析这些多样化的数据集。”
PPH科学家们花费了多年时间让这些数据集“互相交流”，PPH执行主任卡拉·多林斯基（Kara Dolinski）说。例如，临床数据和环境数据提供了关于健康的不同方面的信息，并且是在非常不同的尺度上测量的。但是通过非凡的努力和尖端的人工智能及计算技术，研究人员可以链接例如哪些生活方式因素与特定的肾衰竭遗传倾向相互作用。
“人类是复杂的，”努克说。“PPH正在改变我们对健康研究的思考方式。它不仅仅是孤立地研究遗传、行为或环境，而是要在每个层面上整合这些因素，以获得对人类健康更全面和预测性的理解。”
培养下一代
PPH的核心教员都是教授，他们期待与普林斯顿的学生分享这种新的健康思维方式。教授们正在开发创新课程，使不同专业的学生掌握数据驱动、计算和跨学科方法，以解决精准健康中的复杂问题。学生和早期职业学者将把PPH的变革性方法带到其他学术、临床和行业组织中——将PPH的影响扩大到普林斯顿以外的地方，努克说。
“普林斯顿的学生渴望接受真正的跨学科培训，以便能够解决健康的基础和应用挑战，”特罗亚诺娃说，她的计算机科学课程“精准健康中的人工智能”吸引了公共事务、人类学、生物学、化学和心理学等专业背景的学生——每次开课都有长长的等候名单。
“我们的跨学科课程和研究，整合了各领域的数据，将为学生和早期职业学者准备，使他们在多个健康相关领域做出变革性贡献，”她说。“未来的医生，当然，还有对生物医学研究、工程、健康相关的社会经济和政策领域以及公共慈善事业感兴趣的学生都将获得相同的建模工具和跨学科见解——并将学会说同一种语言。”
苹果公司的杰出工程师、现任普林斯顿大学奥古斯丁家族电气与计算机工程教授的吉列尔莫·萨皮罗（Guillermo Sapiro）很大程度上是因为PPH才加入普林斯顿大学的，他说。
“在我加入普林斯顿之前，人们会对我说，‘但普林斯顿没有医学院，’我会说，‘普林斯顿有更好的东西。普林斯顿为学生提供跨学科培训，以应对人类健康方面的现代挑战，知识和技能来应对数据过载、学科孤岛和人工智能日益增长的影响，’”萨皮罗说。“通过跨学科培训，PPH将为学生做好准备，使他们在医学、生物医学研究、工程和卫生政策方面做出变革性贡献，赋予他们在多样化健康相关领域成为领导者的能力。”
萨皮罗的研究重点是健康与人类行为之间的关系，包括使用可穿戴设备等工具。
“这是一个非常令人兴奋的倡议，”他说。“普林斯顿大学基础性和跨学科研究的传统使我们能够采取一种变革性的定量和整体观点来看待人类健康——这种观点整合了前沿科学、数据驱动的见解以及对影响健康结果的环境、社会和生物因素的深刻理解。通过这样做，我们正在开辟一条以前从未走过的健康转型之路。”
(全文结束)
