Mô hình trí tuệ nhân tạo mới giúp đẩy nhanh chẩn đoán bệnh hiếm

Mỗi con người đều mang hàng chục nghìn thay đổi rất nhỏ trong ADN được gọi là biến thể có thể làm ảnh hưởng đến cách tế bào tạo ra protein.

Tuy nhiên, trong một bộ gene của con người, chỉ một số ít thay đổi có khả năng làm biến đổi protein theo cách gây bệnh. Điều này dẫn đến câu hỏi quan trọng: làm thế nào để các nhà khoa học tìm ra “cây kim” gây bệnh trong các biến thể di truyền?

Trong nhiều năm, các nhà khoa học đã thực hiện nhiều nghiên cứu liên kết toàn bộ bộ gene và phát triển công cụ AI để giải quyết bài toán này. Giờ đây, một mô hình AI mới do các nhà nghiên cứu tại Trường Y Harvard (HMS) và cộng sự phát triển đã tiến thêm một bước, theo thông tin từ trang web của trường này.

Mô hình này, được đặt tên là popEVE, đã đưa ra điểm số cho từng biến thể trong bộ gene bệnh nhân, thể hiện mức độ có thể gây bệnh và đặt các biến thể đó trên một phổ liên tục.

Trong bài báo công bố ngày 24/11 trên tạp chí Nature Genetics, nhóm nghiên cứu cho biết, mô hình popEVE có thể dự đoán biến thể nào là lành tính, biến thể nào gây bệnh, và biến thể nào dẫn đến tử vong ở tuổi thơ ấu hay tuổi trưởng thành.

Mô hình đã xác định hơn 100 biến đổi mới gây ra các bệnh di truyền hiếm gặp chưa từng được chẩn đoán trước đó.

“Chúng tôi muốn phát triển một mô hình có thể xếp hạng các biến thể theo mức độ nghiêm trọng của bệnh, từ đó cung cấp cho các bác sĩ cái nhìn có giá trị lâm sàng về bộ gene của bệnh nhân”, bà Debora Marks, giáo sư sinh học hệ thống tại HMS, cho biết.

Nhóm nghiên cứu hy vọng rằng, popEVE có thể giúp các bác sĩ chẩn đoán nhanh và chính xác hơn các bệnh di truyền do một biến thể đơn lẻ – đặc biệt là bệnh hiếm. Mô hình cũng có thể được dùng để xác định mục tiêu thuốc mới cho các bệnh di truyền.

Công cụ này bổ trợ cho những nỗ lực của cộng đồng HMS trong việc nghiên cứu, xây dựng công cụ AI và hợp tác trên toàn quốc nhằm cải thiện chẩn đoán và điều trị bệnh hiếm.

PopEVE – MÔ HÌNH TRÍ TUỆ NHÂN TẠO NÂNG CẤP VÀ TIÊN TIẾN HƠN

Khi giải trình tự gene trở nên phổ biến hơn, các bác sĩ có nhiều thông tin hơn về các biến thể di truyền của bệnh nhân.

Nhưng với những biến thể mà mối liên hệ với bệnh chưa rõ ràng, việc xác định biến thể nào chịu trách nhiệm cho tình trạng của bệnh nhân thường mất nhiều thời gian, thiếu hiệu quả và đôi khi không đi đến đâu.

Kết quả là nhiều bệnh nhân mắc các bệnh hiếm gặp hoặc rất đặc biệt phải mất nhiều năm mới có cơ hội được chẩn đoán.

Vài năm trước, phòng thí nghiệm bà Marks đã phát triển một mô hình AI tạo sinh tên là EVE, sử dụng thông tin tiến hóa sâu từ nhiều loài để học các mô hình đột biến được bảo tồn trong sinh học. EVE có thể dự đoán các biến thể ở gene người sẽ ảnh hưởng đến chức năng protein ra sao.

Tuy nhiên, EVE gặp khó khăn trong việc so sánh biến thể ở các gene khác nhau để xác định biến thể nào gây rủi ro lớn nhất. Điều này cũng đúng với nhiều mô hình dự đoán biến thể mới xuất hiện gần đây.

Nhóm nghiên cứu tin rằng, nếu có thể so sánh biến thể giữa các gene tốt hơn, các bác sĩ sẽ biết nên ưu tiên biến thể nào khi chẩn đoán, theo chia sẻ của bà Rose Orenbuch, nghiên cứu sinh tại phòng thí nghiệm của giáo sư Marks và là tác giả chính của nghiên cứu.

Để tạo ra popEVE, nhóm đã thêm hai thành phần vào EVE: một mô hình ngôn ngữ lớn dành cho protein – học từ các chuỗi axit amin tạo nên protein, và dữ liệu quần thể người – phản ánh sự đa dạng tự nhiên trong biến thể gene. Nhờ đó, họ hiệu chỉnh mô hình để gán điểm số của từng biến thể có thể so sánh giữa các gene.

Vì popEVE kết hợp thông tin giữa các loài và trong cùng loài, mô hình cho thấy một biến thể ảnh hưởng đến chức năng protein ở mức nào, đồng thời phản ánh tầm quan trọng của biến thể đối với sinh lý người.

ĐƯA MÔ HÌNH VÀO THỬ NGHIỆM VÀ ỨNG DỤNG TRONG BỆNH VIỆN

Khi thử nghiệm popEVE trên các biến thể đã được ghi nhận và các ca bệnh thực tế, nhóm nhận thấy mô hình có thể phân biệt biến thể gây bệnh và biến thể lành tính; Phân biệt người khỏe mạnh và bệnh nhân mắc rối loạn phát triển nặng.

Cùng với đó, mô hình cũng có thể xác định biến thể có thể gây tử vong trong tuổi thơ ấu hay trưởng thành; Đánh giá biến đổi là di truyền hay xuất hiện ngẫu nhiên, ngay cả khi không có dữ liệu gene của bố mẹ.

Quan trọng là mô hình không thể hiện sai lệch theo tổ tiên di truyền và không dự đoán quá mức tần suất biến thể gây bệnh.

Sau đó, nhóm áp dụng popEVE lên khoảng 30.000 bệnh nhân mắc rối loạn phát triển nặng nhưng chưa có chẩn đoán. “Chúng tôi tin đó là bệnh di truyền do một biến thể duy nhất, nhưng biến thể đó chưa được tìm ra”, bà Orenbuch nói

Phân tích đã giúp chẩn đoán khoảng 1/3 số ca. Đáng chú ý nhất, mô hình xác định biến thể trên 123 gene liên quan đến rối loạn phát triển mà trước đây chưa từng được ghi nhận – về cơ bản là tìm ra nguyên nhân di truyền có khả năng cao nhất. Trong số đó, 25 gene đã được các phòng thí nghiệm khác xác nhận độc lập.

Giáo sư Marks và cộng sự đang làm việc để đưa popEVE đến tay các bác sĩ và nhà nghiên cứu để sử dụng và kiểm chứng trong thực tế. Họ cũng hợp tác với nhiều tổ chức, bao gồm Mạng lưới Bệnh hiếm ở trẻ em tại Bệnh viện Nhi Boston, Bộ phận Di truyền người tại Bệnh viện Nhi Philadelphia và Genomics England.

Bà Marks cho biết một bác sĩ – nhà nghiên cứu tại Trung tâm Phân tích Gene quốc gia ở Barcelona đã dùng popEVE để diễn giải biến thể gene cho bệnh nhân, giúp ông chẩn đoán được nhiều ca bệnh hiếm.

Bà cũng đặc biệt kỳ vọng vào tiềm năng của mô hình đối với những bệnh nhân không thể được chẩn đoán bằng các phương pháp thông thường. “Đây là những ca cần nhìn ra ngoài các gene gây bệnh đã biết, và popEVE đã tìm được rất nhiều gene mới”, cô nói.

Dù vậy, nhóm nghiên cứu lưu ý rằng, mô hình AI tạo sinh popEVE cần được xác minh thêm để đảm bảo an toàn và độ chính xác trước khi được áp dụng rộng rãi trong bệnh viện.