一項新的研究發(fā)現(xiàn)，機(jī)器學(xué)習(xí)正在成為高精度預(yù)測分析和診斷領(lǐng)域的有力工具。

　　近期，印第安納大學(xué)與普渡大學(xué)印第安納波利斯聯(lián)合分校的研究人員開發(fā)了一種機(jī)器學(xué)習(xí)算法，可以90%準(zhǔn)確預(yù)測急性骨髓性白血病(AML)的復(fù)發(fā)，以及100%準(zhǔn)確預(yù)測緩解(Remission：緩解，當(dāng)患者在初診時，白血病細(xì)胞為1012，經(jīng)過導(dǎo)入療法的化學(xué)治療以后，白血病細(xì)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(xì)胞， 這時病人即達(dá)到完全緩解(complete remission,CR))。

　　這項小型研究凸顯了機(jī)器學(xué)習(xí)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(xì)胞、病史數(shù)據(jù)以及其他健康個體的信息。

　　傳統(tǒng)診斷方式主要是手動分析來自流式細(xì)胞術(shù)(流式細(xì)胞術(shù)是對懸液中的單細(xì)胞或其他生物粒子,通過檢測標(biāo)記的熒光信號，實現(xiàn)高速、逐一的細(xì)胞定量分析和分選的技術(shù))的數(shù)據(jù)，而機(jī)器學(xué)習(xí)方法體現(xiàn)了它的高準(zhǔn)確率和及時性。

　　普渡大學(xué)生物科學(xué)中心計算生物學(xué)研究助理教授Bindley Bartek Rajwa解釋：我們的計算系統(tǒng)采用流式細(xì)胞術(shù)的數(shù)據(jù)作為輸入。流式細(xì)胞術(shù)是一種廣泛使用的技術(shù)，可以快速提供樣本中單個細(xì)胞的特性，如血液或骨髓細(xì)胞。Rajwa是該研究的第一作者，該論文被IEEE生物醫(yī)學(xué)工程學(xué)期刊收錄。

　　“傳統(tǒng)的流式細(xì)胞術(shù)的結(jié)果是由受過高度培訓(xùn)的人類專家評估，而不是機(jī)器學(xué)習(xí)算法，”他補(bǔ)充說，“但是計算機(jī)通常比人類更擅長從復(fù)雜數(shù)據(jù)中提取知識?！?/p>

　　斯坦福大學(xué)醫(yī)學(xué)院教授和遺傳學(xué)教授Michael Snyder博士，同意計算機(jī)在復(fù)雜癌癥病例診斷中是關(guān)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(jī)器學(xué)習(xí)來區(qū)分不同類型的肺癌，他認(rèn)為病理學(xué)的觀點非常主觀，“兩個高度熟練的病理學(xué)家評估同一張幻燈片時，只有60%的部分是共同認(rèn)可的。使用機(jī)器學(xué)習(xí)的方法，可以用復(fù)雜、定量的測量結(jié)果來取代主觀性，我們認(rèn)為很有希望改善患者的診斷結(jié)果。

　　雷鋒網(wǎng)了解到，根據(jù)國家癌癥研究所的數(shù)據(jù)， 2016年有接近20,000名患者可能接受AML診斷，預(yù)計超過10,000人將死于該疾病。

　　機(jī)器學(xué)習(xí)正在迅速成為許多疾病類別預(yù)測分析和診斷的流行工具，包括膿毒癥，創(chuàng)傷護(hù)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(xué)，布宜諾斯艾利斯大學(xué)和IBM計算生物學(xué)中心的一項研究也使用機(jī)器學(xué)習(xí)實現(xiàn)準(zhǔn)確無誤的預(yù)測診斷記錄，他們使用自然語言處理技術(shù)來標(biāo)記可能進(jìn)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(jìn)他們的機(jī)器學(xué)習(xí)方法，以及供應(yīng)商發(fā)布更多工具，從事高級分析的機(jī)構(gòu)可以訪問龐大的計算能力，診斷準(zhǔn)確率會普遍得到顯著提升。

　　印第安納大學(xué)與普渡大學(xué)印第安納波利斯聯(lián)合分校的病毒進(jìn)展研究的高級作者、計算機(jī)副教授Murat Dundar表示，教會計算機(jī)識別AML是非常簡單的，一旦你開發(fā)了一個強(qiáng)大的魯棒算法，能將以前的工作提升到接近100%的準(zhǔn)確率。

　　“有挑戰(zhàn)性的是如何超越確診AML工作本身。我們要讓計算機(jī)準(zhǔn)確地預(yù)測AML患者的疾病變化方向，從新的數(shù)據(jù)中理解并預(yù)測未知走向，知道哪些新的AML患者將進(jìn)入緩解狀態(tài)，哪些會進(jìn)入復(fù)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(xì)胞，可用于快速預(yù)測疾病進(jìn)展方向的變化。

　　“機(jī)器學(xué)習(xí)不是數(shù)據(jù)建模，”Dundar補(bǔ)充說，“而是從你所擁有的數(shù)據(jù)中提取知識，所以你可以構(gòu)建一個強(qiáng)大且直觀的工具，可以預(yù)測未來的數(shù)據(jù)。機(jī)器是在學(xué)習(xí)，而非記憶，而這就是我們所致力實現(xiàn)的。”雷鋒網(wǎng)也將做持續(xù)關(guān)注。

　　via Machine Learning Predicts Leukemia Remission with 100% Accuracy