Grafy wiedzy to narzędzie łączące informacje z wielu baz biologicznych w postaci uporządkowanej sieci — powiązują znane relacje między genami, chorobami, terapiami, szlakami molekularnymi i objawami. Dotąd brakowało im jednak szczegółowych danych na poziomie indywidualnego pacjenta dotyczących tego, jak zmienione organy rzeczywiście wyglądają i funkcjonują. To ograniczenie utrudniało pełne wykorzystanie potencjału obrazowania medycznego w odkrywaniu przyczyn chorób i nowych zastosowań leków.
Najnowsze badanie grupy Computational Cardiac Imaging w MRC Laboratory of Medical Sciences, prowadzonej przez prof. Declana O’Regana i dr. Khaleda Rjooba, po raz pierwszy wzbogaciło graf wiedzy o dane obrazowe serca. Nowy system nazwany CardioKG łączy strukturalne i funkcjonalne cechy serca z istniejącą wiedzą biologiczną, dzięki czemu znacząco poprawia dokładność przewidywań dotyczących związków genów z chorobami oraz możliwości ponownego wykorzystania dostępnych leków w terapii chorób serca.
Dane i metoda: jak powstał CardioKG
Aby zbudować CardioKG, badacze wykorzystali dane obrazowe serca z bazy UK Biobank dotyczące 4 280 uczestników z rozpoznaniem migotania przedsionków, niewydolności serca lub zawału serca oraz 5 304 uczestników zdrowych, co pozwoliło uchwycić szeroką zmienność struktury i funkcji serca w populacji. Z obrazów wygenerowano ponad 200 000 cech opartych na obrazowaniu, które posłużyły do uczenia modelu. Te cechy zostały następnie zintegrowane z danymi z 18 różnych baz biologicznych, a zaawansowane metody sztucznej inteligencji wykorzystano do przewidywania powiązań gen–choroba oraz do identyfikacji kandydatów na leki do reperuzycji (drug repurposing).
„Jedną z zalet grafów wiedzy jest to, że integrują informacje o genach, lekach i chorobach, co daje większą moc wykrywania nowych terapii. Odkryliśmy, że włączenie obrazowania serca do grafu całkowicie zmieniło skuteczność identyfikacji nowych genów i leków.”
Prof. Declan O’Regan, Computational Cardiac Imaging Group, MRC Laboratory of Medical Sciences
Najważniejsze wyniki
Model wygenerował listę potencjalnie związanych z chorobami genów i wskazał dwie kategorie leków, które mogą mieć zastosowanie w chorobach serca: metotreksat (lek stosowany w reumatoidalnym zapaleniu stawów) jako możliwa terapia poprawiająca przebieg niewydolności serca oraz gliptyny (leki przeciwcukrzycowe) jako potencjalnie korzystne w leczeniu migotania przedsionków. Ponadto zespół zaobserwował zaskakujące sygnały sugerujące, że kofeina — znana z działania zwiększającego pobudliwość serca — może wykazywać efekt ochronny u niektórych pacjentów z migotaniem przedsionków charakteryzującym się nieregularnym i szybkim rytmem.
Autorzy wskazują, że pojawiają się już inne, niezależne badania, które potwierdzają niektóre z tych wstępnych wyników, co wzmacnia nadzieję na to, że grafy wiedzy z obrazowaniem mogą pomóc w identyfikacji istniejących leków nadających się do ponownego zastosowania jako nowe terapie.
Zastosowania poza sercem i znaczenie dla rozwoju leków
CardioKG jest dowodem koncepcji, że podejście multimodalne — łączenie danych obrazowych z innymi źródłami biologicznymi — można rozszerzyć na inne narządy tam, gdzie istnieją badania obrazowe. Ta metoda może być zastosowana np. do skanów mózgu, obrazowania rozmieszczenia tkanki tłuszczowej czy innych tkanek, otwierając możliwości poszukiwania terapii w obszarach takich jak otępienie czy otyłość. Dla przemysłu farmaceutycznego szybkie i precyzyjne generowanie list priorytetowych genów i celów biologicznych daje punkt wyjścia do dalszej walidacji i rozwoju terapii znacznie wydajniej niż tradycyjne metody odkrywania leków.
W perspektywie klinicznej zespół planuje przekształcić statyczny graf wiedzy w dynamiczne, zorientowane na pacjenta narzędzie, które odwzorowuje trajektorie chorób w czasie. Jak mówi dr Khaled Rjoob, taka ewolucja otworzy nowe możliwości spersonalizowanego leczenia i przewidywania momentów, gdy choroby są najbardziej prawdopodobne do wystąpienia.
Badanie otrzymało wsparcie finansowe od Medical Research Council, British Heart Foundation, Bayer AG oraz National Institute for Health and Care Research (NIHR) Imperial College Biomedical Research Centre. Wyniki opisano w artykule: Rjoob, K., et al. (2025). A multimodal vision knowledge graph of cardiovascular disease. Nature Cardiovascular Research. doi: 10.1038/s44161-025-00757-4. Prof. Declan O’Regan, oprócz pracy w LMS, pełni funkcję profesora British Heart Foundation ds. sztucznej inteligencji w kardiologii oraz kieruje tematem klinicznym w British Heart Foundation Centre of Research Excellence w National Heart and Lung Institute na Imperial College.