機器學習在白血病診斷方面的應用

一項新的研究發現，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合分校的研究人員開發了一種機器學習算法，可以90%預測急性骨髓性白血病（AML）的復發，以及100%準確預測緩解，當患者在初診時，白血病細胞為1012，經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現白血病細胞，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、病史數據以及其他健康個體的信息。

傳統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，實現高速、逐一的細胞定量分析和分選的技術）的數據，而機器學習方法體現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，他的計算系統采用流式細胞術的數據作為輸入。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，該論文已經被IEEE 生物醫學工程學期刊收錄。

“傳統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，“但是計算機通常比人類更擅長從復雜數據中提取知識。”

斯坦福大學醫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生。

在8月份的時候，他使用機器學習來區分不同類型的肺癌，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、創傷護理、心臟病、人群健康管理、視力保健和精神衛生保健。

2015年，來自哥倫比亞大學，布宜諾斯艾利斯大學和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作的心理健康患者。

隨著開發人員和研究人員改進他們的機器學習方法，以及供應商發布更多工具，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。

“有挑戰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，從新的數據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，哪些會進入復發狀態。

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。

“機器學習不是數據建模，”Dundar補充說，“而是從你所擁有的數據中提取知識，所以你可以構建一個強大且直觀的工具，可以預測未來的數據。機器是在學習，而非記憶，而這就是我們所致力實現的。”