极客FUN 新的人工智能突破终于可以检测寄生虫感染

雄性吸血蠕虫的头部，小雌性从图像底部的后槽中伸出。（美国国立卫生研究院/Stocktrek Image/Getty Images）

感染引起血吸虫病的寄生虫的患者的血液样本中含有标记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进感染的早期检测和诊断。

引起血吸虫病的寄生虫在两个宿主体内完成其生命周期——首先是在蜗牛中，然后是在人、狗和小鼠等哺乳动物中。淡水虫卵通过皮肤进入人体宿主并在全身循环，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，它们就会成熟为成虫。然后它们释放虫卵，当感染者排便时排出体外，继续传播循环。

由于目前的诊断依赖于检测粪便中的虫卵，医生通常会错过感染的早期阶段。当检测到卵子时，患者已经达到了疾病的晚期阶段。

由于诊断率很低，公共卫生官员通常向受影响地区的人群大规模施用吡喹酮药物。然而，吡喹酮不能清除感染早期的幼虫，也不能防止再次感染。

我们的研究通过识别血液中指示活跃早期感染的隐藏信息，为改善早期检测和诊断提供了一条明确的道路。

您的身体通过启动涉及多种类型免疫细胞的免疫反应以及专门针对线虫和虫卵分泌或存在的分子的抗体来应对血吸虫病感染。

我们的研究介绍了两种方法来筛选早期感染信号抗体的某些特征。

第一个是捕获免疫反应的定量和定性特征的测定，包括各种类型的抗体和决定它们如何与其他免疫细胞通信的特征。这使我们能够识别免疫反应的特定方面，从而区分未感染的患者与早期和晚期疾病的患者。

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。

我们根据感染和未感染患者的免疫特征数据训练模型，并根据未用于训练的数据和来自不同地理位置的数据测试模型。我们不仅确定了该疾病的生物标志物，还确定了感染的潜在机制。

为什么这很重要

血吸虫病是一种被忽视的热带疾病，影响全球超过 2 亿人，每年造成 28 万人死亡。早期诊断可以提高治疗效果并预防严重疾病。

此外，与许多黑匣子机器学习方法不同，我们的方法也是可解释的。这意味着它不仅可以简单地识别疾病标志物，还可以深入了解疾病发生的原因和方式，指导未来的早期诊断和治疗策略。

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如何适用于其他人群。

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待研究的抗原做出反应可以改善诊断和治疗。

除了提高我们对免疫系统如何应对不同感染阶段的理解之外，我们的研究结果还确定了关键抗原，这些抗原可以为设计具有成本效益且高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策略，以实现疾病的早期检测和管理。

研究简介是对有趣的学术工作的简短介绍。