伦敦医学科学MRC实验室计算心脏成像组的研究人员开发了一种新方法，该方法通过将心脏成像与人工智能(AI)驱动的知识图谱相结合，有助于加速心脏病药物的识别。这项发表在《自然心血管研究》(Nature Cardiovascular Research)上的新方法，将来自医学图像的详细心脏结构和功能直接整合到生物知识图谱中。这种名为CardioKG的方法有助于预测基因-疾病关联，从而识别出可以重新用于治疗心血管疾病的现有药物，效果可能优于当前可用的治疗方法。
知识图谱是一种从生物数据库收集信息的工具，它以结构化网络的形式连接已知的基因、疾病、治疗、分子通路和症状。但它们缺乏关于受影响器官实际外观和功能的详细个体级信息。CardioKG通过将成像数据添加到知识图谱中填补了这一空白，这是首次以这种方式整合图像。虽然知识图谱可以连接包括基因组学、分子通路、疾病和药物在内的广泛信息，但它们一直依赖于抽象化或群体级数据。通过整合基于成像的表型，研究人员现在可以捕捉疾病如何影响心脏本身的患者级变异。
为了构建该模型，研究团队从英国生物银行(UK Biobank)收集了4,280名患有心房颤动、心脏病发作或心力衰竭的患者的心脏成像数据，以及5,304名健康参与者的数据。从这些成像数据中，研究人员生成了20多万个基于图像的特征，用于定义心脏结构和功能。然后，这些特征与来自18个生物数据库的信息整合，创建了一个包含100多万个关系的网络，连接基因、疾病、通路和药物。
人工智能在从成像-知识图谱整合中提取知识方面起着关键作用。研究人员使用变分图自动编码器(variational graph auto-encoder)从知识图谱中学习嵌入。这提供了基因-疾病关联和药物再利用可能性的预测。通过创建比许多可观察特征更接近疾病机制的基于成像的"内表型"(endophenotypes)，添加成像数据提高了模型的性能和预测能力。使用CardioKG，研究团队识别出了新的疾病相关基因，并预测了几种潜在的药物再利用机会。其中包括甲氨蝶呤(methotrexate)——一种常用于治疗类风湿性关节炎的药物，作为心力衰竭的候选药物；以及用于糖尿病的gliptins，作为心房颤动的潜在治疗方法。该模型还表明，咖啡因与心房颤动之间存在保护性关联，适用于心律不齐且心跳过快的患者。
MRC的首席研究员、资深作者Declan O'Regan博士说："令人兴奋的是，该领域还有其他最近的研究支持我们的初步发现。这突显了知识图谱在发现可能被重新用作新治疗的现有药物方面的巨大潜力。"
研究人员指出，这种新方法增强了先前全基因组关联研究(GWAS)的能力，这些研究已识别出许多与疾病相关的变异，但无法具体识别可操作的治疗靶点。研究人员写道："一个重要的瓶颈是能够与网络中其他语义信息链接的个体级表型的有限可用性。"早期研究已经表明了知识图谱的潜力，但CardioKG的开发表明，添加成像数据丰富了这些GWAS，改进了通路发现和药物靶点优先级排序。
对临床护理的影响指向在患者个体基础上更早、更精确地识别治疗靶点。通过快速识别高优先级基因和候选药物，增强成像的知识图谱还可以指导药物开发，并允许进行更有针对性的临床试验。本研究的数据还显示，预测的心力衰竭药物再利用可以提高患者生存率。
MRC团队目前正在计划使用CardioKG进一步完善他们的方法。"在这一工作的基础上，我们将把知识图谱扩展为一个动态的、以患者为中心的框架，捕捉真实的疾病轨迹，"伦敦帝国理工学院的博士后研究员、第一作者Khaled Rjoob博士说。研究人员还将寻求纳入更多样化的成像数据集，并指出有机会将相同的方法应用于大脑和体脂，因为成像在这些领域已经得到广泛使用。
【全文结束】
