機器學習在白血病診斷方面的應用

1、    機器學習在白血病診斷方面的應用    一項新的研究發(fā)現(xiàn)，機器學習正在成為高精度預測分析和診斷領域的有力工具。近期，印第安納大學與普渡大學印第安納波利斯聯(lián)合分校的研究人員開發(fā)了一種機器學習算法，可以90%預測急性骨髓性白血?。╝ml）的復發(fā)，以及100%準確預測緩解，當患者在初診時，白血病細胞為1012，經(jīng)過導入療法的化學治療以后，白血病細胞減少到大約109以下時，就不能再從血液和骨髓中發(fā)現(xiàn)白血病細胞，這時候，病人即可以達到完全緩解的程度。這項小型研究凸顯了機器學習具備取代傳統(tǒng)診斷方法的潛力，研究者使用的是來自aml患者的骨髓細胞、病史數(shù)據(jù)以及其他

2、健康個體的信息。傳統(tǒng)診斷方式主要是手動分析來自流式細胞術（流式細胞術是對懸液中的單細胞或其他生物粒子，通過檢測標記的熒光信號，實現(xiàn)高速、逐一的細胞定量分析和分選的技術）的數(shù)據(jù)，而機器學習方法體現(xiàn)了它的高準確率和及時性。普渡大學生物科學中心計算生物學研究助理教授bindley bartek rajwa解釋，他的計算系統(tǒng)采用流式細胞術的數(shù)據(jù)作為輸入。流式細胞術是一種廣泛使用的技術，可以快速地提供樣本中單個細胞的特性，如血液或骨髓細胞。rajwa是該研究的第一作者，該論文已經(jīng)被ieee 生物醫(yī)學工程學期刊收錄?！皞鹘y(tǒng)的流式細胞術的結果是由受過高度培訓的人類專家評估，而不是機器學習算法，”他補充說，“

3、但是計算機通常比人類更擅長從復雜數(shù)據(jù)中提取知識。”斯坦福大學醫(yī)學院教授和遺傳學教授michael snyder博士，同意計算機在復雜癌癥病例診斷中是關鍵的輔助工具，也許最終會取代人類醫(yī)生。在8月份的時候，他使用機器學習來區(qū)分不同類型的肺癌，他認為病理學的觀點非常主觀，“兩個高度熟練的病理學家評估同一張幻燈片時，只有60%的部分是共同認可的。使用機器學習的方法，可以用復雜、定量的測量結果來取代主觀性，我們認為很有希望改善患者的診斷結果。機器學習正在迅速地成為許多疾病類別預測分析和診斷的流行工具，包括膿毒癥、創(chuàng)傷護理、心臟病、人群健康管理、視力保健和精神衛(wèi)生保健。2015年，來自哥倫比亞大學，布宜

4、諾斯艾利斯大學和ibm計算生物學中心的一項研究也使用機器學習實現(xiàn)準確無誤的預測診斷記錄，他們使用自然語言處理技術來標記可能進入精神病發(fā)作的心理健康患者。隨著開發(fā)人員和研究人員改進他們的機器學習方法，以及供應商發(fā)布更多工具，從事高級分析的機構可以訪問龐大的計算能力，診斷準確率會普遍得到顯著提升。印第安納大學與普渡大學印第安納波利斯聯(lián)合分校的病毒進展研究的高級作者、計算機副教授murat dundar表示，教會計算機識別aml是非常簡單的，一旦你開發(fā)了一個強大的魯棒算法，能將以前的工作提升到接近100%的準確率?！坝刑魬?zhàn)性的是如何超越確診aml工作本身。我們要讓計算機準確地預測aml患者的疾病變化方向，從新的數(shù)據(jù)中理解并預測未知走向，知道哪些新的aml患者將進入緩解狀態(tài)，哪些會進入復發(fā)狀態(tài)。該研究為臨床決策的支持工具提供了一個框架，該工具可以識別來自aml患者的骨髓樣本中極少量的惡性細胞，可用于快速預測疾病進展方向的變化。“機器學習不是數(shù)據(jù)建模，”dundar補充說，“而是從你所擁有的數(shù)據(jù)中提