來源：生物世界 傳統診斷技術依賴于患者病史、體格檢查和實驗室檢查，通常需要多次檢查才能診斷出一些復雜疾病。 近年來，人工智能（AI）的發展日新月異，并在通用領域、生命科學和醫學等得到了廣泛應用。通過大數據集訓練出來的 AI 算法模型，其龐大的數據庫和越來越精準的識別能力，使得“AI+醫療”成為現實。 2025 年 2 月 21 日，斯坦福大學的研究人員在國際頂尖學術期刊 Science 上發表了題為：Disease diagnostics using machine learning of B cell and T cell receptor sequences 的研究論文 該研究開發了一種人工智能（AI）診斷工具——Machine Learning for Immunological Diagnosis（Mal-ID）。該 AI 工具可以通過篩選血液樣本中的免疫細胞（B 細胞和 T 細胞）基因序列，一次性診斷一系列感染和健康狀況。 通過一項對近 600 名參與者的研究，該 AI 工具確定了參與者是否健康或患有 COVID-19、1 型糖尿病、艾滋病或自身免疫病，以及他們最近是否接種了流感疫苗。 免疫系統通過兩種主要的免疫細胞類型——B 細胞和 T 細胞，保存著對過去和現在所接觸的病原體的免疫記憶。其中，B 細胞產生附著在病毒和有害分子上的抗體，而 T 細胞則激活其他免疫反應或直接殺死被感染的細胞。 值得注意的是，當一個人受到感染或自身免疫性疾病時，免疫系統會被激活，B 細胞和 T 細胞的數量也會增加，并開始產生特定的表面受體。因此，通過對編碼這些受體的基因進行測序，就可以解鎖這個人關于疾病和感染的獨特記錄。 在這項最新研究中，研究團隊基于人工智能（AI）構建了一種分子診斷工具，其針對 B 細胞受體（BCR）和 T 細胞受體（TCR）各訓練了三個模型——受體庫組成分析模型、CDR3 序列聚類模型、蛋白質語言模型嵌入模型，以分析編碼 B 細胞受體和 T 細胞受體關鍵區域的基因序列，并挑選出與特定疾病相關的模式。 研究團隊使用該工具在 593 人的血液樣本中篩選了 1620 萬個 B 細胞受體序列和 2350 萬個 T 細胞受體序列。這一 AI 診斷工具從這些參與者中檢測到 63 人曾患COVID-19，95 人 HIV 陽性，86 人患系統性紅斑狼瘡，92 人患 1 型糖尿病，37 人最近接種過流感疫苗，剩余 220 名參與者為健康對照者。 在對 542 名同時擁有 B 細胞和 T 細胞數據的參與者的樣本進行的分析中，該 AI 診斷工具在一個指標中得分高達 0.986（滿分為 1 分），該指標衡量的是它將參與者與他們的疾病正確匹配的程度。 此外，當比較 AI 工具單獨使用 B 細胞受體、單獨使用 T 細胞受體或同時使用這兩種受體對疾病的區分能力時，研究團隊發現，將兩種細胞類型的數據結合起來效果最好。例如，1 型糖尿病和系統性紅斑狼瘡在 T 細胞受體中有更清晰的標記，而 COVID-19、HIV 和流感在 B 細胞受體中較易識別。 研究團隊表示，AI 工具可以調整到只篩查一種或多種疾病，但它的預測并不是完全沒有錯誤的，距離臨床應用還有很長的路要走。事實上，從另一種角度來說，AI 作為基于大數據的預測模型，其錯誤預測也可能源于傳統檢測方法所遺漏的人群之間的細微差異。因此，這些 AI 的錯誤案例可能有助于梳理出免疫相關疾病的全新子類別，并有助于定制個性化治療方案。 總的來說，這項發表于 Science 的研究開發了一款 AI 診斷工具——Mal-ID，該 AI 工具可以自動識別免疫受體測序數據以區分一系列疾病狀態，包括 COVID-19、糖尿病、艾滋以及自身免疫疾病等。隨著進一步的驗證和擴展，Mal-ID 有望開發出利用免疫受體群體中包含的大量信息進行醫學診斷的臨床工具，還可能用于預測診斷疾病的具體進程。 論文鏈接： https://www.science.org/doi/10.1126/science.adp2407