Ein auf maschinellem Lernen basierendes System der künstlichen Intelligenz (KI) kann die Vorgeschichte von Infektionen und Krankheiten des Immunsystems einer Person entschlüsseln. Dies ist ein potenziell präzises Diagnoseinstrument für Autoimmunerkrankungen, Virusinfektionen und Impfstoffreaktionen.
Dies geht aus einer neuen Studie hervor, die von der Stanford University (USA) geleitet und in der Zeitschrift Science veröffentlicht wurde. Darin wird die Entwicklung von Machine Learning for Immunological Diagnosis (Mal-ID) vorgestellt, einem Interpretationsrahmen, der es ermöglicht, mehrere Krankheiten gleichzeitig zu erkennen oder eine Erkrankung genau zu testen.
Die klinische Diagnose umfasst in der Regel eine körperliche Untersuchung, die Anamnese des Patienten und verschiedene Labortests sowie bildgebende Untersuchungen. Dies ist ein langwieriger Prozess, der durch Fehldiagnosen und unklare Systeme oft erschwert wird. Allerdings wird die Aufzeichnung des menschlichen Immunsystems in Bezug auf die Exposition gegenüber Rezeptor-kodierten Antigenen (BCR) und T-Zell-Antigenen (TCR) des Patienten nur in begrenztem Umfang genutzt.
Als Reaktion auf Krankheitserreger, Impfstoffe und andere Antigenreize verändern sich die BCR- und TCR-Rezeptoren. Die Sequenzierung von BCR und TCR könnte ein Instrument für die umfassende Diagnose darstellen, das es ermöglichen würde, gleichzeitig sowohl Infektionskrankheiten als auch Autoimmunerkrankungen und immunvermittelte Krankheiten in einem einzigen Test nachzuweisen. Allerdings ist noch nicht geklärt, inwieweit diese Sequenzierung allein in der Lage ist, Krankheiten zuverlässig und umfassend zu klassifizieren.
Die Ergebnisse zeigen, dass das System sechs verschiedene Krankheitszustände in 550 gepaarten BCR- und TCR-Proben mit einer außergewöhnlich hohen Klassifizierungsgenauigkeit effektiv unterscheiden konnte. Diese Pilotstudie zeigt, dass Sequenzierungsdaten von Immunrezeptoren „eine Reihe von pathologischen Zuständen unterscheiden und biologische Erkenntnisse gewinnen können, ohne dass die antigen-spezifischen Rezeptormuster vorher bekannt sein müssen“, schreiben die Autoren in ihrem Artikel.
Das Modell konnte auch zwischen Covid-19, HIV, Lupus, Typ-1-Diabetes und gesunden Personen unterscheiden, was sein Potenzial als leistungsfähiges Diagnoseinstrument verdeutlicht, auch wenn der Ansatz noch weiterentwickelt werden muss. Darüber hinaus könnten laut den Wissenschaftlern „mit einer weiteren Validierung und Erweiterung Mal-ID zu klinischen Instrumenten führen, die die umfangreichen Informationen in den Populationen von Immunrezeptoren für die medizinische Diagnose nutzen“.
Quelle: Agenturen
