弗朗西斯·克里克研究所和伦敦大学学院皇后广场神经病学研究所的研究人员与科技公司Faculty AI合作，证明机器学习可以利用源自患者的干细胞图像准确预测帕金森病的亚型。他们今天发表在《自然机器智能》上的研究表明，计算机模型可以准确地对帕金森病的四种亚型进行分类，其中一种亚型的准确率达到 95%。这可能为个性化医疗和靶向药物发现铺平道路。

帕金森病是一种影响运动和认知的神经退行性疾病。由于引起疾病的潜在机制的差异，症状和疾病进展因人而异。

到目前为止，还没有一种方法可以准确区分亚型，这意味着人们只能得到非特异性的诊断，并且并不总是能够获得有针对性的治疗、支持或护理。

帕金森病涉及关键蛋白质的错误折叠和有缺陷的线粒体(细胞能量产生的来源)清除功能障碍。大多数帕金森病病例都是散发性的，但有些可能与基因突变有关。

研究人员从患者自身细胞中产生干细胞，并通过化学方法创造了四种不同的帕金森病亚型，其中两种涉及导致α-突触核蛋白毒性积聚的途径，另两种涉及导致线粒体失效的途径，从而创造出“人类帕金森病”。培养皿中的脑疾病模型”。

然后，他们对疾病模型进行了微观细节成像，并标记了包括溶酶体在内的关键细胞成分，溶酶体参与分解细胞的磨损部分。研究人员“训练”了一个计算机程序来识别每种亚型，然后当出现以前从未见过的图像时，该程序就能够预测该亚型。

线粒体和溶酶体是预测正确亚型的最重要特征 - 证实它们与帕金森病的发展有关 - 但细胞的其他区域(如细胞核)也被发现很重要，以及我们可以得到的图像的各个方面。还没有解释。

克里克大学和伦敦大学学院的博士生、Karishma D'Sa 和 Gurvir Virdi 的共同第一作者 James Evans 说：“现在我们使用更先进的图像技术，我们生成了大量数据，其中大部分在我们手动选择一些感兴趣的特征。

“在这项研究中使用人工智能使我们能够评估更多的细胞特征，并评估这些特征在辨别疾病亚型中的重要性。使用深度学习，我们能够从图像中提取比传统图像分析更多的信息。我们现在希望扩展这种方法，以了解这些细胞机制如何影响帕金森氏症的其他亚型。”

克里克神经变性生物学实验室助理研究主任兼组长索尼娅·甘地 (Sonia Gandhi) 表示：“我们了解导致人们大脑中帕金森病的许多过程。但是，当它们还活着时，我们无法知道正在发生哪种机制，因此无法给予精确的治疗。

“我们目前还没有能够对帕金森病的进展产生巨大影响的治疗方法。使用患者自身神经元的模型，并将其与大量图像相结合，我们生成了一种算法来对某些亚型进行分类——这是一种强大的方法，可以为识别生活中的疾病亚型打开大门。更进一步，我们的平台将允许我们首先在干细胞模型中测试药物，并在参加临床试验之前预测患者的脑细胞是否可能对药物产生反应。希望有一天这能够给我们提供个性化医疗的方式带来根本性的改变。”

该项目是在流感大流行期间实验室研究中断期间开发的 - 整个团队参加了强化编码课程，学习用 Python 编码，开发他们现在应用于当前项目的技能。

克里克研究所首席信息官詹姆斯·弗莱明 (James Fleming) 曾与人工智能学院合作开展该项目，他表示：“人工智能是一项令人着迷且强大的技术，但常常因炒作和行话而变得难以理解。这篇论文是与Faculty 进行独特的行业合作的结果，目的是看看一群完整的人工智能初学者是否可以在非常压缩的时间范围内学习最佳实践并将其直接应用到他们的科学中。该项目的成功不仅证明了他们可以，在此过程中释放了新的见解，而且还帮助推动了对我们自己的人工智能和软件工程团队快速扩张的投资，该团队拥有超过 25 个“正在进行中”的项目，这些项目具有不同的特点。整个克里克实验室，每个月都有新项目启动。”

研究小组的下一步是了解具有其他基因突变的人的疾病亚型，并确定是否可以以类似的方式对散发的帕金森病病例(即没有基因突变)进行分类。