ИИ в медицинской генетике: анализ ДНК, предсказание наследственных болезней и персонализированная терапия

Геном человека — 3 миллиарда пар оснований. В нём — вся информация о биологических предрасположенностях, реакции на лекарства, рисках болезней. Прочитать его можно за несколько дней и $200–300. Интерпретировать — значительно сложнее. Именно здесь AI становится незаменимым.

Кейс 1. DeepVariant (Google) и AI-интерпретация генома

Инструменты

• DeepVariant — нейросеть для выявления генетических вариаций
• CNN (Convolutional Neural Network) для интерпретации данных секвенирования
• Более высокая точность vs традиционные алгоритмы (GATK)
• Open-source: доступен для исследовательских организаций

Что происходит

Секвенирование генома даёт «сырые» данные — миллиарды коротких прочтений. Задача: точно определить, где в геноме конкретного человека отличия от референсного генома (эти отличия — варианты, некоторые из которых клинически значимы). Традиционные алгоритмы ошибаются в сложных регионах. DeepVariant — CNN, обученная как задача распознавания изображений, — делает это точнее.

Клиническое значение: точнее выявленные варианты = правильнее интерпретированные мутации = лучшие клинические решения. Особенно критично для редких генетических заболеваний.

Результаты

• DeepVariant точность: >99% для однонуклеотидных вариантов — выше всех сравниваемых алгоритмов
• Снижение частоты диагностических ошибок при редких генетических болезнях: значимое
• DeepVariant используется в >200 крупных геномных исследовательских центрах

Кейс 2. 23andMe и Illumina — AI для генетического скрининга

Инструменты

• ML-анализ SNP (однонуклеотидных полиморфизмов) — до 700 000+ позиций
• Polygenic Risk Scores: суммарный риск заболеваний из сотен вариантов
• Ancestry Analysis: ML-алгоритм определения этнического происхождения
• Drug Response Prediction: реакция на препараты по генетическому профилю

Что происходит

Потребительское генетическое тестирование: человек сдаёт слюну → секвенирование → ML-анализ → отчёт: риск сердечно-сосудистых заболеваний, онкологии, диабета 2 типа; реакция на 25+ препаратов; 2 700+ признаков (цвет глаз, вкусовые предпочтения, спортивные задатки).

Polygenic Risk Score — ключевое достижение AI: раньше «имеешь ген BRCA1 → высокий риск рака груди» — это один ген. Сейчас ML учитывает тысячи вариантов, каждый с малым эффектом, для суммарного предсказания риска. Это на порядок точнее.

Фармакогеномика: «вы носитель варианта CYP2D6*4 — стандартная доза кодеина для вас неэффективна». До анализа ДНК врач узнавал это методом проб и ошибок.

Результаты

• 23andMe: >14 миллионов клиентов
• Выявление повышенного риска онкологии до клинических симптомов: у сотен тысяч пользователей выявлены значимые варианты BRCA/BRCA2
• Farmакогеномика: ошибки в дозировке лекарств у пользователей с геномными данными: снижение на ~30% в пилотных программах

Кейс 3. AI в онкогенетике — анализ опухолевых мутаций

Инструменты

• Foundation Medicine — ML для анализа опухолевого генома
• Tempus — AI-платформа молекулярной онкологии
• Multimodal AI: интеграция геномных данных с клиническими и патологическими

Что происходит

Онкология переходит к «precision medicine»: лечить не «рак лёгкого», а «рак лёгкого с мутацией EGFR L858R» — потому что это разные болезни с разными эффективными препаратами. AI анализирует опухолевый геном пациента и определяет: какие мутации есть, какие таргетные препараты могут работать, есть ли клинические испытания с препаратами против этих мутаций.

Без AI: онколог вручную искал бы эту информацию в базах данных — часы работы. Tempus AI: автоматически → 15 минут.

Результаты

• Пациенты с Foundation Medicine/Tempus профилированием: в 1,5 раза выше вероятность получить таргетную терапию (подходящую именно их мутациям)
• Выживаемость при применении геномно-подобранной таргетной терапии vs стандартной: рост на ~30–50% для подходящих мутаций
• Tempus: >2 миллионов геномных профилей онкологических пациентов

Источники: Google DeepVariant research paper, 23andMe Annual Report, Foundation Medicine molecular profiling data, NEJM «Precision Oncology» meta-analysis.