哈佛研究員創(chuàng)建機(jī)器學(xué)習(xí)模型來(lái)治療耐藥性肺結(jié)核

小編發(fā)現(xiàn)不少朋友對(duì)于 哈佛研究員創(chuàng)建機(jī)器學(xué)習(xí)模型來(lái)治療耐藥性肺結(jié)核 這方面的信息都比較感興趣，小編就針對(duì) 哈佛研究員創(chuàng)建機(jī)器學(xué)習(xí)模型來(lái)治療耐藥性肺結(jié)核 整理了一些相關(guān)方面的信息 在這里分享給大家。

哈佛大學(xué)的一個(gè)本科生創(chuàng)建了一個(gè)計(jì)算機(jī)程序，該程序可以改善結(jié)核病的治療，結(jié)核病是一種具有獨(dú)特挑戰(zhàn)性的傳染性疾病，這歸因于其抗藥性的變形能力。

這種疾病很普遍-每年全球大約診斷出1000萬(wàn)新病例，其中4%為耐多藥結(jié)核病，或至少對(duì)兩種藥物有耐藥性。在抗藥性感染中，十分之一對(duì)多種藥物有抗藥性。

當(dāng)前的耐藥性測(cè)試方法很慢，有些測(cè)試在初次診斷后可能需要長(zhǎng)達(dá)六周的時(shí)間才能顯示出實(shí)驗(yàn)室環(huán)境中的藥物敏感性。在世界上許多難以進(jìn)行藥物敏感性測(cè)試的地方，結(jié)核病的治療可能會(huì)變成猜測(cè)，這代表著機(jī)器學(xué)習(xí)破壞現(xiàn)狀的重要機(jī)會(huì)。此外，其他測(cè)試方法也存在缺陷，缺少檢測(cè)二線耐藥性的能力，或者無(wú)法評(píng)估遺傳相互作用。

哈佛計(jì)算機(jī)程序預(yù)測(cè)結(jié)核菌菌株在十分之一秒內(nèi)對(duì)10種一線和二線藥物的耐藥性要比相似模型更高。在臨床環(huán)境中，將作為哈佛醫(yī)學(xué)院genTB工具的功能在線提供的計(jì)算機(jī)程序可以加快并提高結(jié)核病耐藥性檢測(cè)的準(zhǔn)確性。

“難治性結(jié)核病難以發(fā)現(xiàn)，難以治療并且預(yù)示患者的不良結(jié)局，”瑪哈·法哈特(Maha Farhat)–資深研究作者，哈佛醫(yī)學(xué)院生物醫(yī)學(xué)信息學(xué)助理教授，馬薩諸塞州綜合醫(yī)院的肺科醫(yī)學(xué)專(zhuān)家– –在聲明中說(shuō)。“在診斷時(shí)迅速檢測(cè)出耐藥性的全部特征的能力對(duì)于改善單個(gè)患者的預(yù)后以及減少感染向其他人的傳播都至關(guān)重要。”

哈佛大學(xué)的科學(xué)家著手專(zhuān)門(mén)解決當(dāng)前結(jié)核病耐藥性測(cè)試模型的缺陷，并將計(jì)算機(jī)程序暴露給具有廣泛遺傳突變的數(shù)據(jù)集。在3,601 TB對(duì)一線和二線藥物耐藥的菌株(包括1,288種多藥耐藥菌株)中對(duì)模型進(jìn)行了訓(xùn)練。在測(cè)試中，對(duì)模型進(jìn)行了挑戰(zhàn)，以預(yù)測(cè)未經(jīng)訓(xùn)練的792個(gè)完全測(cè)序的TB基因組的抗性。

在設(shè)計(jì)和測(cè)試的五個(gè)計(jì)算模型中，其中兩個(gè)在準(zhǔn)確性上處于競(jìng)爭(zhēng)中，包括統(tǒng)計(jì)模型和神經(jīng)網(wǎng)絡(luò)。最終模型是一種診斷工具，可以通過(guò)根據(jù)先驗(yàn)知識(shí)評(píng)估所有可用信息來(lái)確定耐藥性。廣泛而深入的神經(jīng)網(wǎng)絡(luò)更適合預(yù)測(cè)二線治療耐藥性，從而使其成為更準(zhǔn)確的模型。

研究的第一作者邁克爾·陳(Michael Chen)在哈佛大學(xué)新生時(shí)就開(kāi)始編寫(xiě)該程序，他說(shuō)：“廣泛而深入的神經(jīng)網(wǎng)絡(luò)交織了兩種形式的機(jī)器學(xué)習(xí)，以確定遺傳變異對(duì)抗生素耐藥性的綜合影響。”

神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)對(duì)一線藥物的耐藥性為94%，對(duì)二線藥物的平均準(zhǔn)確度為90%。相比之下，該統(tǒng)計(jì)模型記錄的預(yù)測(cè)一線藥物耐藥性的準(zhǔn)確性為94%，對(duì)二線藥物的準(zhǔn)確性為88%。

速度和準(zhǔn)確性突顯了AI在醫(yī)療保健領(lǐng)域中治療和診斷傳染病的能力不斷增強(qiáng)。

“我們的模型凸顯了人工智能在結(jié)核病方面的作用，但它的重要性遠(yuǎn)遠(yuǎn)超出了結(jié)核病，” S生物醫(yī)學(xué)信息學(xué)研究副研究員，哈佛大學(xué)陳冠?？妥v師，研究共同作者安迪·比姆(Andy Beam)說(shuō)。公共衛(wèi)生學(xué)院。“人工智能將通過(guò)快速綜合大量數(shù)據(jù)來(lái)幫助臨床醫(yī)生在許多情況下以及許多其他疾病中做出最明智的決定，從而幫助指導(dǎo)臨床決策。”