机器学习在白血病诊断方面的应用

一项新的研究发现，机器学习正在成为高精度预测分析和诊断领域的有力工具。

近期，印第安纳大学与普渡大学印第安纳波利斯联合分校的研究人员开发了一种机器学习算法，可以90%预测急性骨髓性白血病（AML）的复发，以及100%准确预测缓解，当患者在初诊时，白血病细胞为1012，经过导入疗法的化学治疗以后，白血病细胞减少到大约109以下时，就不能再从血液和骨髓中发现白血病细胞，这时候，病人即可以达到完全缓解的程度。这项小型研究凸显了机器学习具备取代传统诊断方法的潜力，研究者使用的是来自AML患者的骨髓细胞、病史数据以及其他健康个体的信息。

传统诊断方式主要是手动分析来自流式细胞术（流式细胞术是对悬液中的单细胞或其他生物粒子，通过检测标记的荧光信号，实现高速、逐一的细胞定量分析和分选的技术）的数据，而机器学习方法体现了它的高准确率和及时性。

普渡大学生物科学中心计算生物学研究助理教授Bindley Bartek Rajwa解释，他的计算系统采用流式细胞术的数据作为输入。流式细胞术是一种广泛使用的技术，可以快速地提供样本中单个细胞的特性，如血液或骨髓细胞。

Rajwa是该研究的第一作者，该论文已经被IEEE 生物医学工程学期刊收录。

“傳统的流式细胞术的结果是由受过高度培训的人类专家评估，而不是机器学习算法，”他补充说，“但是计算机通常比人类更擅长从复杂数据中提取知识。”

斯坦福大学医学院教授和遗传学教授Michael Snyder博士，同意计算机在复杂癌症病例诊断中是关键的辅助工具，也许最终会取代人类医生。

在8月份的时候，他使用机器学习来区分不同类型的肺癌，他认为病理学的观点非常主观，“两个高度熟练的病理学家评估同一张幻灯片时，只有60%的部分是共同认可的。使用机器学习的方法，可以用复杂、定量的测量结果来取代主观性，我们认为很有希望改善患者的诊断结果。

机器学习正在迅速地成为许多疾病类别预测分析和诊断的流行工具，包括脓毒症、创伤护理、心脏病、人群健康管理、视力保健和精神卫生保健。

2015年，来自哥伦比亚大学，布宜诺斯艾利斯大学和IBM计算生物学中心的一项研究也使用机器学习实现准确无误的预测诊断记录，他们使用自然语言处理技术来标记可能进入精神病发作的心理健康患者。

随着开发人员和研究人员改进他们的机器学习方法，以及供应商发布更多工具，从事高级分析的机构可以访问庞大的计算能力，诊断准确率会普遍得到显著提升。

印第安纳大学与普渡大学印第安纳波利斯联合分校的病毒进展研究的高级作者、计算机副教授Murat Dundar表示，教会计算机识别AML是非常简单的，一旦你开发了一个强大的鲁棒算法，能将以前的工作提升到接近100%的准确率。

“有挑战性的是如何超越确诊AML工作本身。我们要让计算机准确地预测AML患者的疾病变化方向，从新的数据中理解并预测未知走向，知道哪些新的AML患者将进入缓解状态，哪些会进入复发状态。

该研究为临床决策的支持工具提供了一个框架，该工具可以识别来自AML患者的骨髓样本中极少量的恶性细胞，可用于快速预测疾病进展方向的变化。

“机器学习不是数据建模，”Dundar补充说，“而是从你所拥有的数据中提取知识，所以你可以构建一个强大且直观的工具，可以预测未来的数据。机器是在学习，而非记忆，而这就是我们所致力实现的。”