Nature Genetics｜AI通过基因组预测主动脉瘤风险

异常增大的主动脉（主动脉瘤）会撕裂或破裂，并导致心源性猝死。不幸的是，在将血液从心脏输送到身体其他部位的主动脉发生故障之前，患者通常没有任何迹象或症状。

由马萨诸塞州总医院（MGH）研究人员领导的一个团队最近使用一种称为深度学习的人工智能来揭示主动脉大小变异的遗传基础。除了识别高危人群外，研究结果还可能指向新的预防和治疗目标。

发表在《Nature Genetics》上的这项研究（“Deep learning enables genetic analysis of the human thoracic aorta”）依赖于来自英国生物银行的数据，该研究对40000多人的心脏和主动脉进行了多次磁共振成像测试。

研究人员写道：“我们训练了一个深度学习模型来评估来自英国生物银行的460万张心脏磁共振图像中的升主动脉和降主动脉的尺寸。”

“然后，我们对39688名个体进行了全基因组关联研究，确定了82个与升主动脉直径相关的位点和47个与降主动脉直径相关的位点，其中14个位点重叠。全转录组分析、罕见变异负荷试验和人类主动脉单核RNA测序优先考虑了包括SVIL在内的基因，这与降主动脉直径密切相关。”

“在385621名英国生物银行参与者中，升主动脉直径的多基因评分与胸主动脉瘤相关（危险比=1.43/s.d.，置信区间1.32-1.54，P=3.3×10−20）。我们的结果说明了通过深度学习快速定义数量特征的潜力，这种方法可以广泛应用于生物医学图像。”

“英国生物银行没有提供主动脉测量值，我们想读取收集到的所有图像中的主动脉直径。”主要作者、MGH心脏病学家、哈佛医学院医学讲师James Pirruccello医学博士解释说，“这对人类来说很难做到，因为这需要很长时间，这促使我们使用深度学习模型来大规模地完成这个过程。”

研究人员训练了深度学习模型来评估460万张心脏图像中主动脉上升和下降部分的尺寸。然后，他们分析了研究参与者的基因，确定了82个与升主动脉直径相关的基因位点和47个与降主动脉直径相关的基因位点的变异。一些位点靠近已知与主动脉疾病相关的基因。

研究人员说：“当我们把这些基因变异加到所谓的多基因评分中时，得分较高的人更有可能被医生诊断出患有主动脉瘤。这表明，经过进一步的开发和测试，这样的评分有一天可能会有助于我们识别动脉瘤高危人群。我们发现的基因位点也为尝试确定主动脉扩张的新药物靶点提供了有用的起点。”

研究人员补充说，研究结果还提供了支持性证据，证明深度学习和其他机器学习方法有助于加速对成像结果等复杂生物医学数据的科学分析。