台大醫院智慧醫療中心運用微軟Azure進行GWAS研究

2020年Covid-19疫情延燒，全球確診案例不斷攀升，「醫療量能」成為各國政府及醫護人員最關心的議題。面對病毒的未知，當大量確診病患湧入醫院，直接衝擊第一線的抗疫工作。因此，若能提前預估染疫者的致死率，協助醫護人員有效地在第一時間進行醫療處置，讓高風險患者優先進入負壓隔離病房，避免憾事發生，這是台大醫院智慧醫療中心副主任李建璋教授的團隊的研究緣起。

適逢全世界最大的人體生物資料庫UK Biobank向全球研究者開放，以共同找到Covid-19解方，李建璋教授遂向UK Biobank提出資料的授權使用申請，希望從基因分析的角度切入，了解基因序列組合與Covid-19死亡率的關係，盼透過基因與疾病關聯性的分析，推估病人染疫致死率。

研究先從UK Biobank的五十萬個樣本中，針對每個人基因上七十萬個位點，進行插補校正，擴大成六、七千萬個位點，得到全基因體分析圖(曼哈頓圖)。找到這些位點，以regional association plot分析這些基因對應的功能，再比較染病者和無病者的位點差異，其中P值越顯著的位點，就是致病的基因差異。

由於這樣的分析模型需要龐大的計算，李建璋教授的研究團隊結合微軟Azure HPC雲端運算平台，來進行多基因風險計分(polygenic risk score)，以找出致病或死亡的基因位點。經過一年多的努力，初步結果顯示基因能解釋60%新冠肺炎死亡率，顯著基因主要在第三、第九對染色體；若再加上年紀、性別更可解釋八成死亡率。研究找到一個SNP RS，對應的基因位在第二個染色體，名為THSD7B的基因，雖然此基因位點的功能尚未清楚，但只要基因分析出現這個位點，即可預測Covid-19死亡機率，醫生可提早反應，達成此基因研究計劃的目標。

過去這類統計模型利用地端運算，分析一個染色體往往要花費二個月以上的時間，按這樣的速度，五十萬人的人體生物資料庫進行插補校正的時間需耗費二年，但是這項研究獲得微軟AI For Health計畫的贊助，Azure HPC雲端高速傳輸、巨量運算的功能，使團隊只花四週就完成插補校正工作，展現了雲端運算加速智慧醫療研究的綜效。

事實上，大部份疾病可能並非一、二個基因造成，而是成千成萬基因集合的結果，透過GWAS(全基因組關聯分析)得出多基因風險計分，可列出六十種病的風險排行，推估致病機率，讓病人據以調整生活型態，降低疾病風險。這對許多慢性疾病如糖尿病、高血壓、心臟病等的治療與預防，有極大的幫助，也是基因研究的未來願景和藍圖。

想更了解李建璋教授團隊的研究，歡迎觀賞：https://youtu.be/RG6f3rZwI9k