异常增大的主动脉(主动脉瘤)可能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衰竭之前，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尺寸变化的遗传基础。除了识别高危人群之外，这些发现还可能指出新的预防和治疗目标。

发表在《自然遗传学》上的这项研究(“深度学习能够对人类胸主动脉进行遗传分析”)依赖于英国生物银行的数据，该研究对40,000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，以评估英国生物银行460万张心脏磁共振图像中胸主动脉升主动脉和降主动脉的尺寸。”

“然后，我们对39,688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基因座和47个与降主动脉直径相关的基因座，其中14个基因座重叠。全转录组分析、罕见变异负荷测试和人主动脉单核RNA测序优先考虑了包括SVIL在内的基因，该基因与主动脉直径下降密切相关。

“在385,621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(风险比=1.43persd，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数据，我们希望读取收集到的所有图像中的主动脉直径，”主要作者JamesPirruccello医学博士解释道，他是麻省总医院的心脏病专家、哈佛医学院的医学讲师。“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升段和降段的尺寸。然后，他们分析了研究参与者的基因，以确定与升主动脉直径相关的82个基因位点和与降主动脉直径相关的47个基因位点的变异。一些基因座靠近已知与主动脉疾病相关的基因。

“当我们将遗传变异添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，”Pirruccello说。“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风险人群。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。”

Pirruccello补充道，这些发现还提供了支持性证据，表明深度学习和其他机器学习方法可以帮助加速对复杂生物医学数据(例如成像结果)的科学分析。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：主动脉深度研究