クレジット: krisanapong detraphiphat / Moment / Getty Images
ロンドンの MRC 医科学研究所の計算心臓イメージング グループの研究者らは、心臓イメージングと人工知能 (AI) 主導のナレッジ グラフを組み合わせることにより、心臓病の治療薬の同定を加速するのに役立つ新しい方法を開発しました。新しいメソッドは、 ネイチャー心臓血管研究は、医療画像からの詳細な心臓の構造と機能を生物学的知識グラフに直接統合します。 CardioKG と呼ばれるこのアプローチは、遺伝子と疾患の関連性の予測を支援し、現在利用可能な治療法よりも心血管疾患の治療に再利用できる既存の薬剤を特定できます。
ナレッジ グラフは、生物学的データベースから情報を収集し、遺伝子、病気、治療法、分子経路、症状についてすでにわかっていることを構造化されたネットワークに結び付けるためのツールです。しかし、影響を受けた臓器が実際にどのように見え、機能するかについての、個人レベルの詳細な情報が欠けていた。
CardioKG は、画像データをナレッジ グラフに追加することでそのギャップを埋めます。この方法で画像が初めて統合されました。ナレッジ グラフは、ゲノミクス、分子経路、疾患、薬剤などの幅広い情報を結び付けることができますが、抽象化されたデータまたは集団レベルのデータに依存していました。画像由来の表現型を組み込むことで、研究者らは病気が心臓自体にどのような影響を与えるかについて患者レベルでの変動を捉えることができるようになった。
モデルを構築するために、チームは英国バイオバンクから心房細動、心臓発作、心不全の患者 4,280 名と健康な参加者 5,304 名から心臓画像データを収集しました。これらの画像データから、研究者らは心臓の構造と機能を定義する 200,000 を超える画像ベースの特徴を生成しました。これらの形質は 18 の生物学的データベースからの情報と統合され、遺伝子、病気、経路、薬物を結び付ける 100 万を超える関係のネットワークが作成されました。
AI の使用は、画像と知識のグラフの統合から知識を導き出すための鍵でした。研究者らは、変分グラフ自動エンコーダを使用してナレッジ グラフから埋め込みを学習しました。これにより、遺伝子と疾患の関連性と薬物の再利用の可能性が予測されました。画像データの追加により、多くの観察可能な形質よりも疾患メカニズムに近い画像由来の「エンドフェノタイプ」が作成され、モデルのパフォーマンスと予測能力が向上しました。
CardioKG を使用して、チームは新しい疾患関連遺伝子を特定し、いくつかの潜在的な薬物再利用の機会を予測しました。その中には、心不全の候補として関節リウマチの治療に一般的に使用されるメトトレキサートや、心房細動の潜在的な治療法として糖尿病に使用されるグリプチンが含まれていました。このモデルはまた、不規則で速い心拍リズムを持つ患者におけるカフェインと心房細動との間の保護的関連性を示唆しました。
「興味深いのは、この分野で我々の予備的発見を裏付ける最近の研究が他にもあるということです」と上級著者でMRCの主任研究員であるデクラン・オリーガン博士は述べた。 「[This] 新しい治療法として再利用できる可能性のある既存の薬剤を発見する上でのナレッジグラフの大きな可能性を強調しています。」
臨床ケアへの影響は、患者ごとに治療標的をより早期に、より正確に特定することを示しています。優先度の高い遺伝子と候補薬を迅速に特定することで、画像処理されたナレッジグラフが医薬品開発を導き、よりターゲットを絞った臨床試験を可能にする可能性もあります。この研究のデータは、心不全に対する予測された薬物の転用により患者の生存率が向上する可能性があることも示しました。
MRC チームは現在、CardioKG を使用してアプローチをさらに改良することを計画しています。 「この研究に基づいて、私たちはナレッジグラフを、実際の病気の軌跡を捉える動的な患者中心のフレームワークに拡張します」と、筆頭著者であり、インペリアル・カレッジ・ロンドンの博士研究員であるカレド・リューブ博士は述べています。研究者らはまた、より多様なイメージングデータセットを含めることを目指しており、イメージングがすでに広く使用されている脳と体脂肪を含めるために同じアプローチを適用する機会があると指摘した。
#が心臓画像を使用して心臓病の治療機会を予測