Chẩn đoán đúng các rối loạn tâm thần có thể là một thách thức, đặc biệt là đối với trẻ mới biết đi, những người không thể hoàn thành bảng câu hỏi hoặc thang đánh giá. Thách thức này đặc biệt gay gắt đối với các nhóm dân tộc thiểu số ít được hiểu biết. Nghiên cứu bộ gen trong quá khứ đã tìm thấy một số tín hiệu bộ gen cho nhiều loại rối loạn tâm thần, với một số được coi là mục tiêu thuốc điều trị tiềm năng. Các thuật toán học sâu cũng đã được sử dụng để chẩn đoán thành công các bệnh phức tạp như rối loạn tăng động giảm chú ý (ADHD). Tuy nhiên, những công cụ này hiếm khi được áp dụng cho một số lượng lớn bệnh nhân người Mỹ gốc Phi.
Trong một nghiên cứu độc đáo, các nhà nghiên cứu đã tạo ra toàn bộ dữ liệu giải trình tự bộ gen từ 4,179 mẫu máu của bệnh nhân người Mỹ gốc Phi, bao gồm 1,384 bệnh nhân đã được chẩn đoán mắc ít nhất một chứng rối loạn tâm thần. Nghiên cứu này tập trung vào tám chứng rối loạn tâm thần phổ biến, bao gồm ADHD, trầm cảm, lo âu. , rối loạn phổ tự kỷ, thiểu năng trí tuệ, rối loạn nói / ngôn ngữ, chậm phát triển và rối loạn thách thức chống đối (ODD). Mục tiêu dài hạn của công việc này là tìm hiểu thêm về những nguy cơ cụ thể đối với việc phát triển một số bệnh ở người Mỹ gốc Phi và cách cải thiện tiềm năng kết quả sức khỏe bằng cách tập trung vào các phương pháp điều trị được cá nhân hóa hơn.
Tác giả cao cấp Hakon Hakonarson, MD, PhD, Giám đốc Trung tâm Di truyền Ứng dụng tại CHOP cho biết: “Hầu hết các nghiên cứu chỉ tập trung vào một căn bệnh và các nhóm dân số thiểu số đã được đại diện rất ít trong các nghiên cứu hiện có sử dụng máy học để nghiên cứu các rối loạn tâm thần. . “Chúng tôi muốn thử nghiệm mô hình học sâu này trong cộng đồng người Mỹ gốc Phi để xem liệu nó có thể phân biệt chính xác bệnh nhân rối loạn tâm thần với các nhóm kiểm soát khỏe mạnh hay không và liệu chúng tôi có thể ghi nhãn chính xác các loại rối loạn, đặc biệt là ở những bệnh nhân mắc nhiều chứng rối loạn hay không.”
Thuật toán học sâu tìm kiếm gánh nặng của các biến thể bộ gen trong các vùng mã hóa và không mã hóa của bộ gen. Mô hình đã chứng minh độ chính xác trên 70% trong việc phân biệt bệnh nhân rối loạn tâm thần với nhóm chứng. Thuật toán học sâu cũng hiệu quả như nhau trong việc chẩn đoán bệnh nhân mắc nhiều chứng rối loạn, với mô hình cung cấp kết quả chẩn đoán chính xác trong khoảng 10% trường hợp.
Mô hình cũng xác định thành công nhiều vùng gen được làm giàu cho các rối loạn tâm thần, có nghĩa là chúng có nhiều khả năng liên quan đến sự phát triển của các rối loạn y tế này. Các con đường sinh học liên quan bao gồm các con đường liên quan đến đáp ứng miễn dịch, liên kết kháng nguyên và axit nucleic, một con đường tín hiệu chemokine và các thụ thể protein liên kết với guanin nucleotide. Tuy nhiên, các nhà nghiên cứu cũng phát hiện ra rằng các biến thể ở các vùng không mã hóa protein dường như có liên quan đến các rối loạn này ở tần suất cao hơn, có nghĩa là chúng có thể đóng vai trò là dấu hiệu thay thế.
“Bằng cách xác định các biến thể di truyền và các con đường liên quan, nghiên cứu trong tương lai nhằm xác định đặc điểm chức năng của chúng có thể cung cấp cái nhìn sâu sắc về mặt cơ học về cách những rối loạn này phát triển,” Hakonarson nói.
Nghiên cứu này được hỗ trợ bởi các Quỹ Phát triển Thể chế từ CHOP đến Trung tâm Bộ gen Ứng dụng và Bệnh viện Nhi đồng Philadelphia, Chủ tịch Nghiên cứu Bộ gen.
ĐIỀU NÊN rút ra từ bài viết này:
- In a unique study, the researchers generated whole genome sequencing data from 4,179 patient blood samples of African American patients, including 1,384 patients who had been diagnosed with at least one mental disorder This study focused on eight common mental disorders, including ADHD, depression, anxiety, autism spectrum disorder, intellectual disabilities, speech/language disorder, delays in developments and oppositional defiant disorder (ODD).
- “We wanted to test this deep learning model in an African American population to see whether it could accurately differentiate mental disorder patients from healthy controls, and whether we could correctly label the types of disorders, especially in patients with multiple disorders.
- The long-term goal of this work is to learn more about specific risks for developing certain diseases in African American populations and how to potentially improve health outcomes by focusing on more personalized approaches to treatment.