人工智能追踪吸血虫以早期诊断血吸虫病

2024-11-23 20:43来源:本站编辑

感染导致血吸虫病的寄生虫的患者的血液样本中含有标志着该疾病不同阶段的隐藏信息。在我们最近发表的研究中,我们的团队使用机器学习来发现隐藏的信息,并改善感染的早期检测和诊断。

作者

  • Trirupa Chakraborty

    美国匹兹堡大学综合系统生物学博士研究生

  • Aniruddh Sarkar

    美国佐治亚理工学院生物医学工程助理教授

  • Jishnu Das

    匹兹堡大学免疫学和计算与系统生物学助理教授

引起血吸虫病的寄生虫在两个宿主中完成其生命周期——首先在蜗牛中,然后在哺乳动物中,如人、狗和老鼠。淡水虫卵通过皮肤进入人体,并在全身循环,损害多个器官,包括肝脏、肠道、膀胱和尿道。当这些幼虫到达连接肠道和肝脏的血管时,它们就成熟为成虫。然后,它们释放卵子,当感染者排便时,这些卵子就会排出体外,继续传播循环。

由于目前的诊断依赖于检测粪便中的卵子,医生通常会错过感染的早期阶段。当检测到卵子时,患者已经到了疾病的晚期。由于诊断率很低,公共卫生官员通常会向受影响地区的人口大量使用吡喹酮。然而,吡喹酮不能在感染早期清除幼虫,也不能防止再次感染。

我们的研究通过识别血液中隐藏的早期感染信号,为提高早期检测和诊断提供了一条明确的途径。

你的身体对血吸虫病感染的反应是通过建立一种免疫反应,包括几种类型的免疫细胞,以及专门针对蠕虫和虫卵分泌或存在的分子的抗体。我们的研究介绍了两种方法来筛选早期感染的抗体的某些特征。

第一种是捕获免疫反应的定量和定性特征的分析,包括各种类型的抗体和决定它们如何与其他免疫细胞交流的特征。这使我们能够识别免疫反应的特定方面,区分未感染患者与早期和晚期疾病患者。

其次,我们开发了一种新的机器学习方法,可以分析抗体,以识别与疾病阶段和严重程度相关的免疫反应的潜在特征。我们在感染和未感染患者的免疫剖面数据上训练模型,并在未用于训练的数据和来自不同地理位置的数据上测试模型。我们不仅确定了这种疾病的生物标志物,还确定了感染的潜在机制。

为什么重要?

血吸虫病是一种被忽视的热带疾病,影响全世界2亿多人,每年造成28万人死亡。早期诊断可提高治疗效果,预防严重疾病。

此外,与许多黑箱机器学习方法不同,我们的方法也是可解释的。这意味着,除了简单地识别疾病标志物之外,它还可以深入了解疾病发展的原因和方式,指导未来的早期诊断和治疗策略。

还有什么是未知的

我们确定的血吸虫病感染特征在两大洲的两个地理区域保持稳定。未来的研究可以探索这些生物标志物在其他人群中的应用效果。

此外,我们的工作确定了疾病进展背后的潜在机制。我们发现,针对蠕虫表面特定蛋白质的特定免疫反应标志着感染的中间阶段。了解免疫系统如何对这种未被研究的抗原作出反应可以改善诊断和治疗。

接下来是什么

除了提高我们对免疫系统如何对感染的不同阶段作出反应的理解之外,我们的发现还确定了关键抗原,可以为设计具有成本效益和有效的诊断和治疗方法铺平道路。我们接下来的步骤将包括在现场实际部署这些战略,以便及早发现和管理疾病。

研究简报是关于有趣的学术工作的简短介绍。

The Conversation

Trirupa Chakraborty隶属于总部位于印度的非营利组织Light Up。该组织与本文没有任何联系或从中获益。

Aniruddh Sarkar获得了NIAID、BARDA、全球卫生工作组(TFGH)、亚特兰大护理技术中心(ACME POCT)、儿童感染和疫苗中心(CCIV)以及佐治亚理工学院伯尼·马库斯早期职业教授的资助

jishhnu Das拥有来自美国国立卫生研究院(NIAID, NHGRI, NIAMS, NEI, NCI, NHLBI, NIMH),国防部和Rainin基金会的研究资助。他在个案基础上为Seromyx提供咨询,并获得相应的财务补偿,包括股票期权。Seromyx与本文没有直接联系(包括从经济或其他方面受益)。

中磅网声明:未经许可,不得转载。