Para peneliti telah mengembangkan alat kecerdasan buatan (AI) yang dapat mendiagnosis berbagai infeksi dan kondisi kesehatan dalam satu kali pemeriksaan, dengan menyaring sekuens gen sel kekebalan dalam sampel darah.
Dalam sebuah penelitian terhadap hampir 600 orang, yang diterbitkan di Science pada 20 Februari lalu, alat ini mengidentifikasi apakah partisipan dalam keadaan sehat atau mengidap COVID-19, diabetes tipe 1, HIV, atau penyakit autoimun lupus, serta apakah mereka baru saja menerima vaksin flu.
“Ini adalah pendekatan pengurutan sekali tembak yang menangkap semua hal yang telah terpapar oleh sistem kekebalan tubuh Anda,” kata Sarah Teichmann, ahli biologi molekuler di University of Cambridge, Inggris.
Alat ini belum siap untuk penggunaan klinis, tetapi dengan lebih banyak pekerjaan untuk menyempurnakan pendekatan ini, suatu hari nanti dapat membantu dokter untuk menangani “kondisi yang saat ini tidak memiliki tes yang pasti”, kata rekan penulis studi Maxim Zaslavsky, seorang ilmuwan komputer di Standford University di California.
“Dari sudut pandang dunia nyata, janjinya adalah memiliki satu model dasar untuk sistem kekebalan tubuh di mana Anda dapat membaca semua yang telah dilihat seseorang dan kemudian menghubungkannya dengan perawatan kesehatan mereka,” kata Teichmann. “Ada banyak langkah untuk mewujudkan hal tersebut di masa depan, tetapi ini adalah satu langkah.”
Diagnostik alami
Sistem kekebalan tubuh menyimpan catatan ekstensif tentang penyakit di masa lalu dan saat ini melalui dua jenis sel utamanya – sel B dan sel T. Sel B menghasilkan antibodi yang menempel pada virus dan molekul berbahaya, sedangkan sel T mengaktifkan respons lain atau membunuh sel yang terinfeksi.
Ketika seseorang mengalami infeksi, atau kondisi autoimun di mana tubuh secara keliru menyerang jaringannya sendiri, sel B dan sel T mereka bertambah banyak dan mulai memproduksi reseptor permukaan yang spesifik. Mengurutkan gen yang mengkodekan reseptor ini dapat membuka catatan unik penyakit dan infeksi seseorang.
“Sistem kekebalan tubuh adalah diagnostik alami, dan jika kita hanya mempelajari bagaimana sistem kekebalan tubuh dapat melakukannya, maka kita juga dapat melakukannya,” kata Victor Greiff, seorang ahli imunologi komputasi di Universitas Oslo.
Alat diagnostik saat ini “hanya sedikit memanfaatkan catatan sistem kekebalan tubuh tentang paparan penyakit”, kata Zaslavsky, tetapi sebagian besar upaya sebelumnya berfokus pada sekuens dari sel B atau T. “Menggabungkan keduanya untuk mendapatkan gambaran yang lebih lengkap tentang aktivitas kekebalan tubuh memberi kita pembacaan yang lebih lengkap tentang apa yang mungkin terjadi.”
Zaslavsky dan rekan-rekannya membangun sebuah alat AI yang menggabungkan enam model pembelajaran mesin untuk menganalisis sekuens gen yang mengkodekan daerah-daerah kunci dalam reseptor sel B dan sel T dan memilih pola-pola yang terkait dengan penyakit-penyakit tertentu.
Tim ini menggunakan alat tersebut untuk menyaring 16,2 juta reseptor sel B dan 23,5 juta reseptor sel T dalam sampel darah yang dikumpulkan dari 593 orang. Dari para peserta ini, 63 orang mengidap COVID-19, 95 orang positif HIV, 86 orang mengidap lupus, 92 orang mengidap diabetes tipe 1, 37 orang baru saja mendapatkan suntikan flu, dan 220 orang sebagai kontrol yang sehat.
Dalam analisis sampel dari 542 peserta yang memiliki data sel B dan sel T, alat AI mencetak skor 0,986 dalam metrik yang mengukur seberapa baik alat ini mencocokkan peserta dengan kondisi yang mereka miliki dengan benar, di mana angka 1 menunjukkan kinerja yang sempurna.
Ketika membandingkan seberapa baik alat AI mengklasifikasikan penyakit dengan menggunakan reseptor sel B saja, reseptor sel T saja, atau keduanya, para penulis menemukan bahwa menggabungkan data dari kedua jenis sel tersebut adalah yang terbaik. Diabetes tipe 1 dan lupus memiliki tanda tangan yang lebih jelas pada reseptor sel T, sedangkan COVID-19, HIV, dan influenza lebih mudah dikenali pada reseptor sel B.
Skrining terperinci
Alat AI dapat disesuaikan untuk menyaring hanya satu atau beberapa kondisi, tetapi prediksinya tidak bebas dari kesalahan, dan jalan menuju penggunaan klinis masih panjang karena pendekatannya “harus lebih baik daripada yang ada saat ini”, kata Greiff.
Rekan penulis studi Scott Boyd, seorang ahli imunologi di Stanford University School of Medicine di California, mengatakan bahwa melihat lebih dekat ke dalam kasus-kasus di mana AI membuat kesalahan mungkin juga menunjukkan perbedaan nuansa antara orang-orang yang terlewatkan oleh tes konvensional. “Kami berpikir bahwa hal ini mungkin dapat menunjukkan subkategori dari beberapa kondisi imunologi yang saat ini didefinisikan,” kata Boyd, yang ‘dapat membantu untuk menyesuaikan pendekatan terapeutik’.
Greiff mengatakan bahwa penelitian di masa depan juga harus menguji apakah alat ini dapat “mendiagnosis berbagai tahap penyakit”. “Di mana saya melihat masa depan pengurutan repertoar imun benar-benar untuk menemukan faktor penyebab,” tambahnya.
