Діанна Тейлор (Deanne Taylor) працює над картою, якої в геномній медицині ще немає, — еталонним набором даних про генну експресію в дитячому організмі на кожному етапі розвитку, від немовляти до підлітка. За даними MIT Tech Review, такого довідника для педіатрії сьогодні просто не існує.

Причина прозаїчна: практично вся велика довідкова геноміка людини — включно з проєктом GTEx (Genotype-Tissue Expression), який роками лишається головним джерелом даних про активність генів у різних тканинах, — побудована на зразках дорослих донорів, здебільшого посмертних. Дитячий організм у цих базах представлений фрагментарно або взагалі відсутній. Причина не лише організаційна: зібрати достатню кількість зразків здорової дитячої тканини складніше й з етичного погляду, ніж отримати їх від дорослих донорів після смерті, тож подібні бази роками лишалися на маргінесі геномних досліджень.

Це не суто академічна прогалина. Коли лікар інтерпретує результат генетичного чи РНК-тесту дитини, порівнювати його доводиться з нормами дорослого організму — бо інших просто немає. Робота Тейлор спрямована на те, щоб закрити саме цю дірку в даних.

Чого саме бракує сучасній геноміці?

Бракує систематичних даних про те, як експресія генів змінюється в дитячому організмі з віком. Гени вмикаються й вимикаються за жорстким розкладом розвитку: профіль активності генів у тканинах немовляти суттєво відрізняється від профілю підлітка, а той — від профілю дорослого. Без референсної карти цих змін неможливо надійно відрізнити нормальний етап розвитку від патології.

Темп цих змін у дітей набагато вищий, ніж у дорослих: за кілька років дитячий організм проходить через послідовні хвилі росту й дозрівання тканин, і кожна така хвиля має власний профіль активності генів. Для сімей, які роками шукають діагноз рідкісного генетичного захворювання дитини — цей процес прийнято називати «діагностичною одіссеєю» — відсутність вікової норми означає ще один рівень невизначеності до появи конкретної відповіді.

Як узагалі будують таку карту?

Побудова еталонного атласу генної експресії — це передусім задача зі збору й гармонізації даних: зразки тканин у різних вікових групах, стандартизовані протоколи секвенування РНК і статистичне узгодження результатів між лабораторіями та методами вимірювання. За нашою оцінкою, у проєктах такого масштабу для очищення шуму, корекції розбіжностей між партіями зразків і кластеризації типів тканин практично неминуче застосовують сучасні статистичні та машинні методи обробки даних — це вже стандартний інструментарій обчислювальної біології.

Навіщо ця карта лікарям і розробникам діагностичних AI-систем?

Пряма користь — точніша діагностика рідкісних дитячих хвороб: маючи вікову норму, лікар може відрізнити варіант розвитку від генетичного порушення, а не гадати, спираючись на дані дорослих. Непряма, але не менш важлива користь стосується будь-якого AI-інструменту для геномної діагностики: модель настільки хороша, наскільки хороші дані, з якими вона звіряє результат пацієнта. Якщо навчальна чи референсна база даних систематично зсунута в бік дорослого організму, така модель ризикує помилятися саме на дітях — тобто на аудиторії, де помилка найдорожча. Це не привід відкладати розробку AI-діагностики до появи ідеальних даних — радше привід чітко документувати, для якого віку модель валідна, а для якого ні.

Висновок AiiN

Це дослідження — нагадування, що вузьким місцем медичного ШІ дедалі частіше стають не алгоритми, а якість і повнота референсних даних, з якими ці алгоритми звіряють результат. Поки такі базові «карти норми» для дитячого організму не побудовані, будь-яка AI-діагностика в педіатрії успадковує сліпу зону дорослих датасетів — і жодна архітектура моделі цього не компенсує. Це універсальний урок не лише для геноміки: будь-яка галузь, де AI-системи звіряють дані пацієнта чи користувача з «нормою», приховано успадковує демографічні перекоси тих, з чиїх даних цю норму зібрали. Для команд, що будують медичні AI-продукти, це практичний сигнал: перевіряти репрезентативність референсних даних за віком варто раніше, ніж оптимізувати саму модель.

Чи є подібні еталонні атласи для дорослих?

Так, найвідоміший приклад — проєкт GTEx, який картує експресію генів у десятках тканин дорослої людини і роками є стандартом для досліджень і клінічної інтерпретації генетичних тестів.

Чи стосується це вже наявних AI-інструментів діагностики?

Опосередковано — так: будь-яка модель, яка звіряє генетичні дані пацієнта з референсною нормою, успадковує обмеження цієї норми. Для дитячих пацієнтів це означає вищий ризик хибних висновків, поки педіатричного еталона не існує.