本文来源：药明康德AI
哮喘在全球范围约有3亿患者，被认为是影响所有年龄组的严重世界性健康问题。它也是最常见的慢性儿童疾病之一，对患者、家属和医疗保健系统造成相当大的负担。因此，如何对哮喘进行精确地诊断，成为了治疗哮喘疾病的重要前提。近日，来自印度的研究人员利用机器学习算法及呼出气体冷凝液的核磁共振（NMR）图谱，实现了对哮喘的精确诊断，同时还识别出了三种哮喘亚型。
这项研究由印度的Anurag Agrawal博士和Tavpritesh Sethi博士领导完成。研究对象包括89名18岁以下患有哮喘的儿童，以及20名没有哮喘病史或临床表现的健康儿童。研究人员利用这些儿童的NMR图谱和临床数据，来确定哮喘患儿的NMR图谱特征，从而进行亚型的识别。
▲该项研究的负责人Anurag Agrawal博士（左）和Tavpritesh Sethi博士（右）。（图片来源：CSIR-Institute of Genomics and Integrated Biology/IIIT-Delhi）
在NMR的使用方面，以前的研究人员主要用NMR在患儿呼出的气体中查找特定代谢物，而Agrawal博士和Sethi博士并没有采用这种传统方法，他们致力于检测呼出气体中所有代谢物的NMR图谱特征。Agrawal博士表示：“呼出气体的浓度容易被稀释，一直是哮喘研究领域的挑战。我们使用的方法和之前寻找特定代谢物的传统方法不同，就算呼出气体的浓度改变了，NMR图谱的特征也可以整体保留下来。”
然而，研究NMR图谱的一个难题在于，人的眼睛不可能将所有的图谱都看一遍，从中得出规律。这时，人工智能就可以派上用场了。研究人员采用了一种名为Boruta的随机森林算法，这种算法可以计算每一个变量的统计学意义，来对不同类型的变量进行区分，从而能够识别出健康儿童和哮喘患者的NMR图谱差异，同时也可以识别出三种新的哮喘亚型 。同时，该算法也能对所有数据进行内部验证和勘误，从而在识别儿童是否患有哮喘方面保持着80％的灵敏度和75％的特异度。
该研究的具体数据（图片来源：Journal of Translational Medicine）
在新识别出的三种亚型中，患有亚型1型哮喘的儿童具有典型的氨代谢物特征，但他们都没有哮喘家族病史。亚型2型的嗜酸性粒细胞数量较高，在其他方面与亚型1型类似，但与亚型3型差异较大。“亚型1型哮喘更像典型的过敏性哮喘，”Sethi博士表示：“但亚型3型与其他两种亚型相比，血液嗜酸性粒细胞较少，中性粒细胞较多。患有该亚型哮喘的儿童具有家族病史的可能性较大，甚至在治疗时急性哮喘发作也更为严重。”
“了解亚型1型和2型整体上和亚型3型的区别，将有助于医生开发出更好的治疗策略，这同样也是精准医学的目标，”Sethi博士补充说：“患有亚型3型哮喘的儿童可能需要更积极的治疗或替代治疗策略。”
Agrawal博士和Sethi博士领导的这一研究通过人工智能手段，将目前行业内对于儿童哮喘的认知，推广到了代谢组学（研究代谢物的化学过程）亚型方向。我们希望人工智能继续在哮喘诊断方面大放异彩，从而造福更多患有哮喘的儿童。
参考资料：
[1] Artificial intelligence diagnoses asthma, identifies subtypes
[2] Exhaled breath condensate metabolome clusters for endotype discovery in asthma
