人工智能
新的AI突破终于可以检测寄生虫感染
AI技术解锁血液中的早期感染信号，让寄生虫病诊断更快速高效。
寄生虫感染引发的血吸虫病通过病患血液样本中的隐含信息可以区分不同病程。我们团队的新研究利用机器学习解码这些信息，帮助早期检测和诊断感染。
导致血吸虫病的寄生虫需要两种宿主完成生命周期——首先寄生于蜗牛，然后感染人类、狗或鼠类等哺乳动物。淡水中的虫卵通过皮肤进入人体，在体内循环，对肝脏、肠道、膀胱和尿道等器官造成损害。
这些寄生虫幼虫在血管中发育成成虫，成虫释放虫卵，卵随排泄物排出，继续传播。现有诊断依赖于检测粪便中的虫卵，通常到发现时，患者已进入病程较晚阶段。
由于现有诊断准确率低，公共卫生机构通常对疫区人群大规模服用吡喹酮，但此药无法清除早期阶段的幼虫，也无法防止再感染。
我们的研究通过识别血液中标志早期感染的隐性信息，为改进早期检测和诊断提供了新途径。身体对感染的免疫反应包括多种免疫细胞，和专门针对寄生虫分泌物和虫卵的抗体。
我们介绍了两种检测早期感染信号的方法。首先是检测法，能量化和质化免疫反应，包括不同种类的抗体及其与其他免疫细胞的交流特性。我们识别出了早期和晚期感染患者的免疫反应特征。其次，我们开发了一种机器学习方法，通过分析抗体，识别与病情相关的免疫特征。
我们用感染患者和未感染患者的免疫数据训练模型，并用未参与训练的样本和来自不同地区的数据进行验证，不仅找到了疾病的生物标志物，还揭示了感染背后的潜在机制。
研究意义
血吸虫病是一种被忽视的热带病，影响全球超过2亿人，每年导致约28万人死亡。早期诊断能提高治疗效果并预防严重病情。此外，与许多机器学习“黑箱”方法不同，我们的方法具备可解释性，不仅能识别疾病标志，还能深入了解疾病发展的原因，为未来的诊断和治疗策略提供指导。
研究未知之处
我们发现的血吸虫病感染特征在两大洲的不同地区都保持稳定。未来研究可以探索这些生物标志在其他人群中的适用性。我们还发现特定的免疫反应对应感染的中期阶段，深入了解该免疫反应将有助于改善诊断和治疗。
下一步计划
我们的研究不仅加深了对不同感染阶段的免疫反应理解，还确定了设计成本低、效果佳的诊断与治疗方案的关键抗原。下一步，我们将推进这些策略在实际环境中的应用，用于早期检测和疾病管理。
本文译自 ScienceAlert，由 BALI 编辑发布。