Forskere har skabt et værktøj til kunstig intelligens (AI), der er i stand til at diagnosticere forskellige infektioner og sundhedstilstande i en enkelt analyse ved at undersøge immuncelle-gensekvenser fra blodprøver. I en nylig undersøgelse med næsten 600 deltagere, offentliggjort i *Science* den 20. februar, kunne værktøjet afgøre, om individer var sunde eller påvirket af COVID-19, type 1-diabetes, HIV eller den autoimmune sygdom lupus, samt identificere dem, der for nylig var blevet vaccineret mod influenza. ”Dette er en engangs-sekventeringsmetode, der fanger alle dine immunsystems eksponeringer, ” siger Sarah Teichmann, en molekylærbiolog ved University of Cambridge i Storbritannien. Selvom værktøjet endnu ikke er egnet til kliniske anvendelser, kan yderligere forbedringer gøre det muligt at hjælpe klinikere med at diagnosticere “tilstande, der i øjeblikket mangler definitive tests, ” bemærker studieco-forfatter Maxim Zaslavsky, en datalog fra Stanford University i Californien. ”Fra et praktisk perspektiv ville målet være at have en samlet model for immunsystemet, der kan give indsigt i alle en persons eksponeringer og forbinde disse oplysninger til deres sundhedspleje, ” forklarer Teichmann. "Selvom der er mange skridt, der er nødvendige for at opnå dette i fremtiden, har vi gjort fremskridt med dette indledende skridt. ” Naturlig diagnostisk kapacitet Immunsystemet fører en omfattende optegnelse over tidligere og nuværende sygdomme via sine to primære celletyper: B-celler og T-celler.

B-celler skaber antistoffer for at målrette mod vira og skadelige stoffer, mens T-celler udløser yderligere immunresponser eller ødelægger inficerede celler. Når en person lider af en infektion eller en autoimmun sygdom, hvor kroppen fejlaktigt angriber sine væv, prolifererer deres B-celler og T-celler og begynder at producere specifikke overfladereceptorer. At analysere de gener, der er ansvarlige for disse receptorer, kan afsløre en persons unikke historie om sygdomme og infektioner. ”Immunsystemet er et iboende diagnostisk værktøj, og hvis vi forstår, hvordan det fungerer, kunne vi gentage den proces, ” siger Victor Greiff, en beregningsmæssig immunolog ved University of Oslo. Nuværende diagnostiske metoder ”udnytter immunsystemets sygdomseksponeringsoptegnelse i begrænset omfang, ” nævner Zaslavsky, men tidligere metoder har hovedsageligt koncentreret sig om sekvenser fra enten B- eller T-celler. “At integrere data fra begge giver et omfattende billede af immunaktivitet og en bedre forståelse af potentielle sundhedsproblemer. ” Hurtige sekventeringsteknikker fremskynder genomisk diagnose Zaslavsky og hans team udviklede et AI-værktøj, der kombinerer seks maskinlæringsmodeller til at analysere gensekvenser relateret til kritiske områder i B-celle- og T-cellereceptorer, hvilket identificerer mønstre knyttet til specifikke sygdomme.