DOI: https://doi.org/10.3389/fimmu.2025.1701384
PMID: https://pubmed.ncbi.nlm.nih.gov/41550923
تاريخ النشر: 2026-01-02
المؤلف: Jacques G. Rivière وآخرون
الموضوع الرئيسي: نقص المناعة والاضطرابات المناعية الذاتية
نظرة عامة
الأخطاء الوراثية في المناعة (IEI)، أو نقص المناعة الأولي، تمثل مجموعة متنوعة من الاضطرابات النادرة التي تؤدي إلى زيادة القابلية للإصابة بالعدوى، واضطراب المناعة، والأورام. تعقيد العروض السريرية لهذه الحالات، إلى جانب الوعي المحدود بين مقدمي الرعاية الصحية والعمليات التشخيصية المطولة، يشكل تحديات كبيرة للكشف المبكر. تناقش هذه المراجعة استراتيجيات مختلفة تهدف إلى تحسين التعرف المبكر على IEI، بما في ذلك التقدم التكنولوجي مثل فحص حديثي الولادة، وعلامات التحذير من مؤسسة جيفري موديل (JMF)، وأدوات البرمجيات مثل SPIRIT. مشروع PIDCAP يمثل نهجًا منظمًا لتنفيذ الرعاية الأولية، باستخدام بيانات سريرية مشفرة بـ ICD لتحديد المرضى المعرضين للخطر. بالإضافة إلى ذلك، تحمل الذكاء الاصطناعي (AI) وعدًا في التعرف على الأنماط التشخيصية في السجلات الصحية الإلكترونية، على الرغم من أن القضايا المتعلقة بجودة البيانات والتوافق تظل عقبات أمام اعتماده على نطاق واسع.
تؤكد المراجعة على الأهمية الحاسمة للتشخيص في الوقت المناسب لتعزيز نتائج العلاج ومنع المضاعفات الشديدة المرتبطة بـ IEI. تسلط الضوء على دور المظاهر الدموية—مثل نقص الصفيحات المناعي والأمراض اللمفاوية—كعلامات مبكرة محتملة لـ IEI الكامنة، مما يتطلب تقييمًا متعدد التخصصات يشمل علم الدم، وعلم المناعة، وعلم الوراثة. بينما لا يزال يُعتبر الذكاء الاصطناعي تجريبيًا ويتطلب مزيدًا من التحقق، فإن مبادرات مثل PIDCAP تُظهر قيمة دمج أطباء الرعاية الأولية في عملية الكشف. تدعو المراجعة إلى جهود تعاونية بين مقدمي الرعاية الصحية عبر تخصصات مختلفة، بما في ذلك علم الرئة، وعلم الجهاز الهضمي، وعلم الأمراض الجلدية، لضمان فهم شامل لـ IEI وتسهيل التشخيص والإدارة في الوقت المناسب. إن الاستكشاف المستمر للتفاعل بين IEI والاضطرابات الدموية، إلى جانب التقدم في التحليلات الجينية والجزيئية، أمر ضروري لتطوير استراتيجيات علاج شخصية وتحسين نتائج المرضى.
مقدمة
الأخطاء الوراثية في المناعة (IEI)، والتي تُعرف أيضًا بنقص المناعة الأولي (PIDs)، كانت تُعتبر تاريخيًا نادرة، حيث تؤثر على حوالي 1 من كل 10,000 إلى 1 من كل 50,000 ولادة. ومع ذلك، تشير الدراسات الحديثة إلى أن انتشار IEIs قد يكون أعلى بكثير، حيث تشير التقديرات إلى حوالي 6 من كل 10,000 فرد في الولايات المتحدة وما لا يقل عن 1% من السكان العالميين المتأثرين، على الرغم من أن هذا يختلف حسب المنطقة. كانت تُميز تقليديًا بالعدوى الشديدة والمتكررة، وقد توسع نطاق IEIs بسبب التقدم في تسلسل الجيل التالي، مما يكشف عن مظاهر إضافية مثل اضطراب المناعة، وميزات متلازمة، والأورام، والتي تمثل حوالي 30% من العروض السريرية الأولية.
تتطلب التباين السريري لـ IEIs استشارات متعددة التخصصات، وغالبًا ما تبدأ مع الأطباء العامين وتمتد إلى متخصصين مثل أطباء الدم. تُعتبر المظاهر غير المعدية، بما في ذلك الحساسية، والمناعة الذاتية الخاصة بالأعضاء، والحالات الالتهابية، معترف بها بشكل متزايد كجزء من نطاق IEI. على الرغم من هذه التعقيدات، لا يزال هناك فجوة معرفية كبيرة بين غير أطباء المناعة، مما يساهم في تأخيرات التشخيص التي يمكن أن تؤدي إلى تعرض ما يصل إلى 50% من المرضى لتلف الأعضاء بحلول وقت التشخيص. تهدف هذه المراجعة إلى تسليط الضوء على الأدوات المتاحة للكشف عن IEIs وعلامات التحذير السريرية التي يمكن أن تسهل التعرف المبكر والتدخل، مما يعزز التعاون بين الأطباء العامين وأطباء الدم.
نقاش
تسلط قسم النقاش في ورقة البحث الضوء على التقدم والتحديات في الكشف المبكر عن الأخطاء الوراثية في المناعة (IEI) من خلال أدوات الفحص المختلفة وتطبيقات الذكاء الاصطناعي (AI). لقد حسنت فحوصات حديثي الولادة الفعالة والمبادرات مثل علامات التحذير من مؤسسة جيفري موديل وبرنامج SPIRIT بشكل كبير من التعرف على حالات IEI المحتملة. يمثل مشروع PIDCAP نهجًا عمليًا من خلال دمج رموز ICD لتحديد الأفراد المعرضين للخطر في إعدادات الرعاية الأولية، مما يُظهر معدل إنذار منخفض وإحالات ناجحة لمزيد من التقييم. بالإضافة إلى ذلك، يهدف استخدام علم الظواهر البشرية (HPO) ونماذج الذكاء الاصطناعي إلى تعزيز التشخيص الجيني وتبسيط عملية الفحص، على الرغم من أن التحديات مثل جودة البيانات والتكامل لا تزال قائمة.
تُبرز قدرة الذكاء الاصطناعي في الرعاية الصحية، وخاصة بالنسبة لـ IEI، من خلال قدرته على تحليل السجلات الطبية واكتشاف الأنماط التي تشير إلى هذه الأمراض النادرة. تعد التقدمات الأخيرة في نماذج الذكاء الاصطناعي متعددة الوسائط، التي تدمج أنواع بيانات متنوعة، بوعد بتحسين دقة التشخيص ونتائج المرضى. ومع ذلك، فإن الانتقال من نماذج إثبات المفهوم إلى التطبيقات الواقعية يعيقه قضايا مثل البيانات غير المهيكلة والحاجة إلى ممارسات موحدة. من المقرر أن يتوسع مشروع PIDCAP عالميًا، بهدف تحسين منهجياته واستكشاف التطبيقات لنقص المناعة الثانوي، مع التأكيد على أهمية الفحص المنهجي والدراسات الجينية في المرضى الذين يخضعون لعلاجات مثبطة للمناعة. بشكل عام، يحمل دمج الذكاء الاصطناعي والنهج المدفوعة بالخبراء وعدًا لتحسين التشخيص المبكر وإدارة IEI، على الرغم من أن المزيد من البحث والتحقق ضروريان للتنفيذ على نطاق واسع.
DOI: https://doi.org/10.3389/fimmu.2025.1701384
PMID: https://pubmed.ncbi.nlm.nih.gov/41550923
Publication Date: 2026-01-02
Author(s): Jacques G. Rivière et al.
Primary Topic: Immunodeficiency and Autoimmune Disorders
Overview
Inborn errors of immunity (IEI), or primary immunodeficiencies, represent a diverse group of rare disorders that lead to heightened vulnerability to infections, immune dysregulation, and malignancies. The complexity of their clinical presentations, coupled with limited awareness among healthcare providers and protracted diagnostic processes, poses significant challenges for early detection. This review discusses various strategies aimed at improving the early identification of IEI, including technological advancements such as newborn screening, the Jeffrey Modell Foundation (JMF) warning signs, and software tools like SPIRIT. The PIDCAP project exemplifies a structured approach for primary care implementation, utilizing ICD-coded clinical data to identify at-risk patients. Additionally, artificial intelligence (AI) holds promise for recognizing diagnostic patterns in electronic health records, although issues related to data quality and interoperability remain barriers to its widespread adoption.
The review emphasizes the critical importance of timely diagnosis for enhancing treatment outcomes and preventing severe complications associated with IEI. It highlights the role of hematologic manifestations—such as autoimmune cytopenias and lymphoproliferative disorders—as potential early indicators of underlying IEI, necessitating a multidisciplinary evaluation involving hematology, immunology, and genetics. While AI is still considered experimental and requires further validation, initiatives like PIDCAP demonstrate the value of integrating primary care physicians into the detection process. The review calls for collaborative efforts among healthcare providers across various specialties, including pulmonology, gastroenterology, and dermatology, to ensure a comprehensive understanding of IEI and facilitate timely diagnosis and management. Continued exploration of the interplay between IEI and hematological disorders, along with advancements in genetic and molecular analyses, is essential for developing personalized treatment strategies and improving patient outcomes.
Introduction
Inborn errors of immunity (IEI), also referred to as primary immunodeficiencies (PIDs), were historically viewed as rare, affecting approximately 1 in 10,000 to 1 in 50,000 births. However, recent studies indicate that the prevalence of IEIs may be significantly higher, with estimates suggesting around 6 in 10,000 individuals in the United States and at least 1% of the global population affected, although this varies by region. Traditionally characterized by severe and recurrent infections, the spectrum of IEIs has expanded due to advancements in next-generation sequencing, revealing additional manifestations such as immune dysregulation, syndromic features, and malignancies, which account for about 30% of initial clinical presentations.
The clinical heterogeneity of IEIs necessitates multidisciplinary consultations, often beginning with general practitioners and extending to specialists like hematologists. Non-infectious manifestations, including allergies, organ-specific autoimmunity, and inflammatory conditions, are increasingly recognized as part of the IEI spectrum. Despite this complexity, there remains a significant knowledge gap among non-immunologists, contributing to diagnostic delays that can result in up to 50% of patients experiencing organ damage by the time of diagnosis. This review aims to highlight the available tools for detecting IEIs and the clinical warning signs that can facilitate early identification and intervention, fostering collaboration between general practitioners and hematologists.
Discussion
The discussion section of the research paper highlights the advancements and challenges in the early detection of Inborn Errors of Immunity (IEI) through various screening tools and artificial intelligence (AI) applications. Effective newborn screening and initiatives like the Jeffrey Modell Foundation’s warning signs and the SPIRIT software have significantly improved the identification of potential IEI cases. The PIDCAP project exemplifies a practical approach by integrating ICD codes to identify high-risk individuals in primary care settings, demonstrating a low alert rate and successful referrals for further evaluation. Additionally, the use of Human Phenotype Ontology (HPO) and AI models aims to enhance genetic diagnosis and streamline the screening process, although challenges such as data quality and integration remain.
AI’s potential in healthcare, particularly for IEI, is underscored by its ability to analyze medical records and detect patterns indicative of these rare diseases. Recent advancements in multimodal AI models, which integrate diverse data types, promise to improve diagnostic accuracy and patient outcomes. However, the transition from proof-of-concept models to real-world applications is hindered by issues such as unstructured data and the need for standardized practices. The PIDCAP project is set for global expansion, aiming to refine its methodologies and explore applications for secondary immunodeficiencies, while emphasizing the importance of systematic screening and genetic studies in patients undergoing immunosuppressive treatments. Overall, the integration of AI and expert-driven approaches holds promise for enhancing the early diagnosis and management of IEI, although further research and validation are necessary for widespread implementation.