Multimodal AI fuses proteomic and EHR data for rational prioritization of protein biomarkers in diabetic retinopathy

In dit onderzoek wordt een tweestaps multimodaal AI-model (COMET) gebruikt om EHR- en proteomische data te integreren, waardoor rationeel geprioriteerde en gevalideerde eiwitbiomarkers voor diabetische retinopathie worden geïdentificeerd die sterker verbonden zijn met de ziektepathologie dan bij eerdere methoden.

De kern

De Digitale Detektief die de Oogziekte van Diabetes Oplost

Stel je voor dat je probeert een enorm complex raadsel op te lossen: diabetische retinopathie. Dit is een ernstige oogziekte die mensen met diabetes kan laten blind worden. De huidige medicijnen werken goed voor sommige mensen, maar niet voor iedereen. Waarom? Omdat de ziekte in ieders lichaam op een heel andere manier werkt.

De onderzoekers van dit artikel hebben een slimme nieuwe manier bedacht om de "schurken" (de eiwitten die de ziekte veroorzaken) te vinden. Ze noemen hun methode COMET.

Hier is hoe het werkt, vertaald in een simpel verhaal:

1. Het Probleem: Te veel data, te weinig tijd

Stel je voor dat je twee bibliotheken hebt:

• Bibliotheek A (De Medische Akte): Hier staan de medische dossiers van 320.000 mensen. Het is een enorme berg papier met diagnoses, medicijnen en labresultaten. Maar hierin staan geen gedetailleerde biologische details over wat er op cel-niveau gebeurt.
• Bibliotheek B (De Biologische Microscoop): Hier staan de zeer gedetailleerde, dure laboratoriumtests van slechts 101 mensen. Je ziet hier precies welke eiwitten in hun oogvocht werken. Maar omdat er maar zo weinig mensen zijn, is het moeilijk om te weten of deze bevindingen voor iedereen gelden.

Vroeger hadden onderzoekers een probleem: ze moesten kiezen. Of ze keken naar de grote berg dossiers (maar misten de biologische details), of ze keken naar de kleine groep met de microscoop (maar misten de grote context).

2. De Oplossing: De Slimme Vertaler (COMET)

De onderzoekers hebben een kunstmatige intelligentie (AI) gebouwd die als een super-vertaler werkt. Ze noemen het COMET.

Hoe werkt deze vertaler?

• Stap 1: Het Leren van de Grote Berg. De AI kijkt eerst naar de dossiers van de 320.000 mensen. Het leert hoe ziektes zich gedragen in de echte wereld. Het wordt een expert in "klinische patronen".
• Stap 2: De Transfer. Vervolgens neemt de AI die kennis en "verhuist" die naar de kleine groep van 101 mensen met de gedetailleerde eiwit-tests.
• Het Resultaat: De AI gebruikt de enorme kennis van de grote groep om de kleine groep beter te begrijpen. Het is alsof je een detective bent die eerst 320.000 moordzaken heeft opgelost, en nu met die ervaring één heel lastige zaak oplost die niemand anders kon kraken.

3. De Ontdekking: De Verborgen Schurken

Door deze slimme combinatie te gebruiken, kon de AI eiwitten vinden die andere methoden over het hoofd hadden gezien.

• De Analogie van de Zoektocht: Stel je voor dat je op zoek bent naar een verdwaalde kat in een stad.
  • De oude methode was: "Kijk maar naar de straten waar de kat waarschijnlijk loopt." (Dit gaf een lange lijst met 100 mogelijke straten).
  • De nieuwe COMET-methode is: "Ik heb de hele stad in kaart gebracht en weet precies waar de kat altijd heen gaat als het regent." (Dit gaf een lijst van slechts 5 zeer waarschijnlijke straten).

De AI vond 5 specifieke eiwitten (zoals SERPINE1 en IL2RB) die de echte daders zijn. Deze eiwitten bleken sterk verbonden te zijn met de medische dossiers. Bijvoorbeeld, het eiwit NOTCH2 bleek een link te hebben met een specifieke oogzwelling (oedeem). Dit was een ontdekking die ze zonder de AI waarschijnlijk nooit hadden gedaan.

4. De Bewijslast: De Test met een Nieuwe Groep

Om zeker te zijn dat ze de juiste schurken hadden gevonden, namen ze een tweede groep van 164 mensen (die ze niet hadden gebruikt voor de training). Ze keken of die 5 gevonden eiwitten daar ook aanwezig waren.

• Het resultaat: Ja! De eiwitten waren er ook. De AI had het goed gedaan.

Waarom is dit belangrijk?

Dit onderzoek is als het vinden van de sleutel tot een nieuwe deur.

1. Efficiëntie: Je hoeft niet miljoenen mensen te testen met dure laboratoriumtests. Je gebruikt de AI om de juiste mensen en de juiste eiwitten te vinden.
2. Nieuwe Geneesmiddelen: Nu wetenschappers weten welke eiwitten de boosdoeners zijn, kunnen ze medicijnen ontwikkelen die specifiek die eiwitten uitschakelen. Dit kan helpen voor de mensen die nu nog geen baat hebben bij de huidige behandelingen.
3. De Bril van de AI: Het laat zien dat als je de "grote wereld" (medische dossiers) combineert met de "kleine wereld" (biologie), je een veel helderder beeld krijgt van wat er echt gebeurt in het lichaam.

Kortom: De onderzoekers hebben een slimme computer gebruikt die de medische geschiedenis van een hele stad combineerde met de biologische details van een paar mensen. Hierdoor konden ze de exacte oorzaak van de oogziekte bij diabetes vinden, wat de weg vrijmaakt voor betere en persoonlijkere behandelingen in de toekomst.

Technische samenvatting

Probleemstelling

Diabetische retinopathie (DR) is een leidende oorzaak van blindheid wereldwijd. Bestaande behandelingen richten zich voornamelijk op VEGF-signaleren, maar een aanzienlijk deel van de patiënten reageert onvoldoende, wat wijst op heterogene biologische pathways die nog niet volledig worden begrepen.

• Beperkingen van proteomica: Hoewel proteomische studies inzicht geven in de pathobiologie, worden ze vaak beperkt door kleine steekproefgroottes (door hoge kosten) en het genereren van lange lijsten met honderden differentieel tot expressie gebrachte eiwitten. Het prioriteren van de meest relevante biomerkers gebeurt vaak op basis van willekeurige drempels (zoals fold-change en FDR), wat kan leiden tot het missen van belangrijke biologische drijvers.
• Beperkingen van EHR-data: Elektronische Gezondheidsrecords (EHR) bevatten enorme hoeveelheden klinische data van grote populaties, maar missen de moleculaire diepgang om nieuwe therapeutische targets te identificeren.
• Integratie-uitdaging: Bestaande methoden voor het integreren van EHR en omics-data kampen vaak met het probleem van incomplete data of moeite met het leren van cross-modale interacties.

Methodologie: Het COMET-framework

De auteurs ontwikkelden een tweestaps-multimodale AI-aanpak genaamd COMET (Clinical and Omics Multi-Modal Analysis Enhanced with Transfer Learning).

1. Datacollectie:

   • EHR-data: Geanalyseerd uit de STARR-OMOP-database van Stanford, bestaande uit 319.997 patiënten (met en zonder DR). Dit resulteerde in meer dan 809 miljoen datapunten (2.531 kenmerken per patiënt).
   • Proteomica: Hoogwaardige proteomische profielen (aptamer-gebaseerd platform, SomaScan) van 101 patiënten (ontdekkingscohort) en 164 patiënten (validatiecohort) via vloeibare biopsieën (aqueous humor).
   • Data-embedding: Langitudinale EHR-data werd verwerkt met word2vec om 400-dimensionele embeddings te creëren voor elke patiënt, gebaseerd op chronologische medische gebeurtenissen.

2. Modelarchitectuur (COMET):

   • Fase 1 (Pretraining): Een recurrente neurale netwerk (RNN) met gated recurrent units (GRU) werd voorgeprogrammeerd (pretrained) op de grote EHR-cohort (N=319.896) zonder proteomische data. Dit leerde het model complexe klinische patronen en ziekteverloop te herkennen.
   • Fase 2 (Fine-tuning): De gewichten van het voorgeprogrammeerde EHR-deel werden bevroren en overgebracht naar een multimodale architectuur. Dit model werd vervolgens gefine-tuned op de kleine dataset met zowel EHR- als proteomische data (N=101).
   • Validatie: De resultaten werden gevalideerd in een onafhankelijk cohort (N=164) en vergeleken met modellen die alleen EHR, alleen proteomica, of een combinatie zonder pretraining gebruikten.

3. Analyse:

   • Gebruik van t-SNE voor visualisatie van de alignering tussen EHR- en proteomische data.
   • Geïntegreerde gradiënten (Integrated Gradients) om de "feature importance" van specifieke eiwitten te bepalen.
   • TEMPO (Tracing Expression of Multiple Protein Origins) om de cellulaire oorsprong van de geïdentificeerde eiwitten in het oog te traceren.

Belangrijkste Resultaten

1. Superieure Modelprestaties:

   • Het COMET-model (met pretraining) behaalde een AUROC van 0,98 en een AUPRC van 0,91.
   • Dit was significant beter dan modellen die alleen EHR-data gebruikten (AUROC 0,76), alleen proteomica (AUROC 0,92), of een combinatie zonder pretraining (AUROC 0,92).
   • Dit bewijst dat transfer learning de interpretatie van kleine omics-datasets aanzienlijk verbetert door gebruik te maken van grote EHR-cohorten.

2. Prioritering van Biologisch Relevante Eiwitten:

   • COMET prioriteerde vijf eiwitten die een veel hogere "feature importance" hadden dan in niet-voorgeprogrammeerde modellen: SERPINE1, QPCT, AKR1C2, IL2RB en SRSF6.
   • Deze eiwitten zouden door traditionele differentiatie-analyse (met strikte FDR en fold-change drempels) mogelijk over het hoofd zijn gezien vanwege de kleine steekproefgrootte.
   • Validatie: Deze vijf eiwitten werden statistisch significant bevestigd in het onafhankelijke validatiecohort.

3. Klinische Associaties:

   • SERPINE1: Toonde een significante correlatie met de ernst van de ziekte. De niveaus waren hoger bij patiënten met proliferatieve DR (PDR) dan bij niet-proliferatieve DR (NPDR).
   • STX3 en NOTCH2: Deze eiwitten clusterden in de t-SNE-analyse met EHR-kenmerken zoals macula-oedeem, visuele veldtesten en voorschriften voor latanoprost, wat wijst op een sterke link met retinale functie en vasculaire permeabiliteit.

4. Biologische Alignering:

   • Het COMET-model creëerde een "latent representation" van de EHR-data die veel sterker correleerde met proteomische data (gemiddelde correlatie R = 0,21) dan het niet-voorgeprogrammeerde model (R = 0,08).
   • Dit suggereert dat COMET de EHR-data "biologiseert" en onderliggende moleculaire mechanismen in de klinische data kan vastleggen.

5. Cellulaire Oorsprong:

   • Via TEMPO-analyse bleek dat de geïdentificeerde eiwitten afkomstig zijn van diverse cellen in het oog, waaronder retinale neuronen, immuuncellen en vasculaire cellen. Dit ondersteunt het idee dat DR niet alleen een systemische ziekte is, maar ook cell-autonome mechanismen in het oog bevat.

Significantie en Bijdrage

• Nieuwe Paradigmavoor Biomarkerontdekking: De studie demonstreert dat multimodale AI, specifiek met transfer learning, de beperkingen van kleine omics-studies kan overwinnen. Het maakt het mogelijk om robuuste biomerkers te vinden zonder de kosten van het enorm vergroten van de omics-steekproefgrootte.
• Rationele Prioritering: In plaats van te vertrouwen op willekeurige statistische drempels, gebruikt COMET klinische context (EHR) om de meest biologisch relevante eiwitten te selecteren.
• Nieuwe Therapeutische Targets: De geïdentificeerde eiwitten (zoals SERPINE1, QPCT, en IL2RB) bieden nieuwe inzichten in de pathobiologie van DR die onafhankelijk zijn van VEGF, wat potentie biedt voor nieuwe behandelingen voor patiënten die niet reageren op huidige therapieën.
• Generaliseerbaarheid: De workflow (EHR-pretraining + kleine omics-validatie) biedt een schaalbaar kader voor andere complexe ziekten waar grote EHR-databases en beperkte moleculaire data beschikbaar zijn.

Kortom, dit onderzoek toont aan dat het fusioneren van grote klinische datasets met moleculaire data via AI niet alleen de voorspellende nauwkeurigheid verbetert, maar ook de biologische interpretatie van klinische data verdiept, leidend tot nieuwe inzichten in de oorzaken van diabetische retinopathie.