Helix Đạt Mốc 500.000 Hồ Sơ Di Truyền Liên Kết và Ra Mắt Công Cụ AI cho Khám Phá Y Sinh

Cuộc đua xây dựng AI tốt hơn cho chăm sóc sức khỏe đã bị hạn chế bởi một vấn đề đơn giản: thiếu dữ liệu đủ lớn, chất lượng cao kết nối thông tin di truyền với kết quả bệnh nhân trong thế giới thực. Tuần này, Helix đã công bố một cột mốc có thể giúp giải quyết thách thức đó, tiết lộ rằng nền tảng GenoSphere của họ đã vượt qua 500.000 hồ sơ lâm sàng-di truyền liên kết trong khi giới thiệu các công cụ nghiên cứu mới được hỗ trợ bởi AI nhằm tăng tốc khám phá khoa học.

Việc công bố này đặt Helix vào một nhóm nhỏ các tổ chức cố gắng tạo ra các tập dữ liệu lớn, dài hạn kết hợp chuỗi di truyền với nhiều năm hồ sơ chăm sóc sức khỏe. Các tập dữ liệu như vậy ngày càng được coi là cơ sở hạ tầng quan trọng cho thế hệ tiếp theo của y học chính xác, phát triển thuốc và nghiên cứu y sinh được hỗ trợ bởi AI.

Tại Sao Dữ Liệu Di Truyền Liên Kết Quan Trọng

Mặc dù việc giải mã di truyền đã trở nên rẻ hơn đáng kể trong thập kỷ qua, DNA một mình hiếm khi kể toàn bộ câu chuyện về bệnh.

Những người nghiên cứu cũng cần truy cập vào kết quả lâm sàng, lịch sử điều trị, chẩn đoán và hồ sơ sức khỏe dài hạn để hiểu cách các biến thể di truyền ảnh hưởng đến sức khỏe bệnh nhân trong thế giới thực. Thách thức là những tập dữ liệu này thường tồn tại trong các hệ thống riêng biệt và khó kết nối ở quy mô lớn.

Helix cho biết mỗi hồ sơ GenoSphere kết hợp dữ liệu Exome+ sequencing với trung bình 13 năm hồ sơ điện tử về sức khỏe và khoảng tám năm dữ liệu về yêu cầu. Tập dữ liệu này được lấy từ Mạng lưới Nghiên cứu Helix, hiện bao gồm 16 hệ thống chăm sóc sức khỏe tham gia.

Loại tập dữ liệu đa phương thức này ngày càng quan trọng vì nhiều mô hình AI hiện đại hoạt động tốt nhất khi chúng có thể phân tích nhiều hình thức thông tin cùng một lúc thay vì chỉ dựa vào di truyền hoặc hồ sơ lâm sàng riêng lẻ.

Từ Di Truyền Dân Số đến Cơ Sở Hạ Tầng Nghiên Cứu

Được thành lập vào năm 2015, Helix ban đầu tập trung vào di truyền dân số và xét nghiệm di truyền. Theo thời gian, công ty đã mở rộng sang chẩn đoán lâm sàng, hợp tác với hệ thống chăm sóc sức khỏe và cơ sở hạ tầng nghiên cứu. Ngày nay, Helix hoạt động tại giao điểm của xét nghiệm di truyền, sức khỏe dân số và khám phá y sinh.

Chiến lược dài hạn của công ty dường như ngày càng tập trung vào xây dựng một nền tảng nghiên cứu quy mô lớn thay vì chỉ cung cấp các xét nghiệm di truyền. Helix báo cáo rằng GenoSphere đã tăng gấp đôi quy mô trong hai năm qua và dự kiến sẽ vượt qua một triệu hồ sơ liên kết trong vòng 18 tháng tới.

Quy mô quan trọng vì nhiều biến thể di truyền lâm sàng quan trọng là hiếm. Các tập dữ liệu lớn hơn cải thiện khả năng của các nhà nghiên cứu trong việc xác định mối liên hệ có ý nghĩa giữa các dấu hiệu di truyền và kết quả bệnh, đặc biệt là trên các quần thể bệnh nhân đa dạng.

Công Cụ AI Nhằm Giảm Ít Điểm Nghiên Cứu

Cùng với việc mở rộng tập dữ liệu, Helix đã giới thiệu các công cụ mới được hỗ trợ bởi AI nhằm đơn giản hóa cách các nhà nghiên cứu tương tác với dữ liệu di truyền phức tạp.

Phiên bản đầu tiên là một công cụ Xây dựng Tập hợp được hỗ trợ bởi AI, cho phép các nhà nghiên cứu tạo và phân tích các tập hợp bệnh nhân bằng cách sử dụng các quy trình làm việc được điều khiển bởi ngôn ngữ tự nhiên thay vì yêu cầu chuyên môn sinh học phân tử rộng lớn. Theo công ty, công cụ này có thể tạo ra các tập hợp lâm sàng-di truyền được nhắm mục tiêu trong vài phút, có khả năng giảm vài tuần chuẩn bị và xây dựng dữ liệu thủ công.

Điều này phản ánh một xu hướng rộng lớn hơn trên toàn ngành chăm sóc sức khỏe và khoa học đời sống, nơi AI ngày càng được áp dụng không chỉ cho phân tích khoa học mà còn cho các điểm nghẽn hoạt động làm chậm nghiên cứu. Các mô hình ngôn ngữ lớn đang trở thành giao diện cho các cơ sở dữ liệu y sinh phức tạp, cho phép các nhà khoa học tập trung nhiều hơn vào việc tạo ra giả thuyết và ít hơn vào kỹ thuật dữ liệu.

Tầm Quan Trọng Của Dữ Liệu Chăm Sóc Sức Khỏe Sẵn Sàng Cho AI

Tầm quan trọng của thông báo của Helix vượt ra ngoài quy mô của tập dữ liệu chính nó.

Trên toàn ngành chăm sóc sức khỏe, các nhà nghiên cứu đang nhận ra rằng các hệ thống AI thành công phụ thuộc nhiều vào chất lượng và cấu trúc dữ liệu cũng như kiến trúc mô hình. Các nỗ lực gần đây trên toàn học thuật, chính phủ và ngành công nghiệp đã ngày càng tập trung vào việc phát triển các tập dữ liệu y sinh sẵn sàng cho AI có thể hỗ trợ các ứng dụng học máy quy mô lớn trong y học.

Đối với các nhà phát triển thuốc, những tập dữ liệu này có thể giúp xác định các mục tiêu điều trị mới, khám phá các dấu ấn sinh học, cải thiện phân loại bệnh nhân và dự đoán tốt hơn phản ứng điều trị. Đối với các hệ thống chăm sóc sức khỏe, chúng có thể hỗ trợ các phương pháp được cá nhân hóa hơn cho việc sàng lọc, chẩn đoán và phòng ngừa bệnh.

Điều Này Có Nghĩa Là Gì Đối Với Y Học Chính Xác

Ngành chăm sóc sức khỏe đã dành nhiều năm để thảo luận về lời hứa của y học chính xác, nhưng tiến bộ thường bị hạn chế bởi các hệ sinh thái dữ liệu phân mảnh và thông tin dài hạn không đủ.

Nền tảng GenoSphere đang phát triển của Helix đại diện cho một phần của sự thay đổi lớn hơn hướng tới các môi trường nghiên cứu tích hợp nơi dữ liệu di truyền, lâm sàng và chăm sóc sức khỏe thực tế có thể được phân tích cùng nhau. Việc bổ sung các công cụ nghiên cứu được hỗ trợ bởi AI cho thấy rằng giai đoạn tiếp theo của y học chính xác có thể phụ thuộc không chỉ vào việc thu thập các tập dữ liệu lớn, mà còn vào việc làm cho chúng dễ tiếp cận hơn với một loạt các nhà khoa học.

Nếu xu hướng này tiếp tục, lợi thế cạnh tranh trong AI y sinh có thể ngày càng đến không chỉ từ việc xây dựng các mô hình lớn hơn, mà từ việc xây dựng các tập dữ liệu phong phú hơn, kết nối hơn cho phép các mô hình đó khám phá ra những thông tin trước đây không thể phát hiện.