目前大多数诊断检测侧重于检测病原体，可能需要72小时或更长时间才能提供结果。
然而，由伦敦帝国理工学院的研究人员领导的一个全球团队已经探索了识别血液中基因如何对某些感染和疾病做出反应的潜力，从而更快地诊断疾病并解决抗生素的过度使用问题。
研究人员分析了来自18种疾病类别的1212名患者的数据，包括呼吸道合胞病毒(RSV)和结核病。
由此，他们能够发现哪些关键基因在对疾病的反应中“开启”或“关闭”，并确定疾病的分子特征。
然后应用机器学习来识别哪些模式与特定条件有关，重点关注161个基因。
研究人员对411名因败血症或由18种疾病中的13种引起的严重感染而入院的儿童进行了测试。
伦敦帝国理工学院传染病系高级讲师、该论文的合著者Myrsini Kaforou博士说:“这项工作使我们能够从人类基因组的数千个基因中，基于161个基因，识别出一系列疾病的分子特征。”
“通过在同一测试中同时区分多种疾病，我们开发了一种更全面、更准确的模型，与临床医生对诊断的看法一致。”
“通过这项初步的概念验证研究，我们已经能够证明我们的多疾病机器学习诊断方法是有效的。这种进步只有通过跨学科合作和大型研究联盟才能实现，这些研究联盟汇集了传染病、分子科学和生物信息学方面的专业知识。”
Kaforou博士说，要将这项测试推进到临床环境中，“还有很多工作要做”，但该团队正在“朝着这个方向努力”。
她补充说:“基于这种方法的未来诊断测试可以帮助在正确的时间为正确的患者提供正确的治疗，同时优化抗生素的使用并缩短炎症性疾病的诊断时间。”
该团队的工作由欧盟的Horizon2020计划、惠康基金会和医学研究基金会资助，并得到了英国国立卫生研究院帝国BRC的支持。
验证队列的患者是作为欧盟儿童威胁生命的传染病研究的一部分招募的。
想要快速了解重大新闻事件的专家简报吗?收听我们最新的播客，找出你需要知道的……