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

小編發(fā)現(xiàn)不少朋友對于 哈佛研究員創(chuàng)建機(jī)器學(xué)習(xí)模型來治療耐藥性肺結(jié)核 這方面的信息都比較感興趣，小編就針對 哈佛研究員創(chuàng)建機(jī)器學(xué)習(xí)模型來治療耐藥性肺結(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)的一個本科生創(chuàng)建了一個計算機(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1000萬新病例，其中4%為耐多藥結(jié)核病，或至少對兩種藥物有耐藥性。在抗藥性感染中，十分之一對多種藥物有抗藥性。

當(dāng)前的耐藥性測試方法很慢，有些測試在初次診斷后可能需要長達(dá)六周的時間才能顯示出實(shí)驗(yàn)室環(huán)境中的藥物敏感性。在世界上許多難以進(jìn)行藥物敏感性測試的地方，結(jié)核病的治療可能會變成猜測，這代表著機(jī)器學(xué)習(xí)破壞現(xiàn)狀的重要機(jī)會。此外，其他測試方法也存在缺陷，缺少檢測二線耐藥性的能力，或者無法評估遺傳相互作用。

哈佛計算機(jī)程序預(yù)測結(jié)核菌菌株在十分之一秒內(nèi)對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算機(jī)程序可以加快并提高結(jié)核病耐藥性檢測的準(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)專家– –在聲明中說。“在診斷時迅速檢測出耐藥性的全部特征的能力對于改善單個患者的預(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)家著手專門解決當(dāng)前結(jié)核病耐藥性測試模型的缺陷，并將計算機(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)中對模型進(jìn)行了訓(xùn)練。在測試中，對模型進(jìn)行了挑戰(zhàn)，以預(yù)測未經(jīng)訓(xùn)練的792個完全測序的TB基因組的抗性。

在設(shè)計和測試的五個計算模型中，其中兩個在準(zhǔn)確性上處于競爭中，包括統(tǒng)計模型和神經(jīng)網(wǎng)絡(luò)。最終模型是一種診斷工具，可以通過根據(jù)先驗(yàn)知識評估所有可用信息來確定耐藥性。廣泛而深入的神經(jīng)網(wǎng)絡(luò)更適合預(yù)測二線治療耐藥性，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)新生時就開始編寫該程序，他說：“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)，以確定遺傳變異對抗生素耐藥性的綜合影響。”

神經(jīng)網(wǎng)絡(luò)模型預(yù)測對一線藥物的耐藥性為94%，對二線藥物的平均準(zhǔn)確度為90%。相比之下，該統(tǒng)計模型記錄的預(yù)測一線藥物耐藥性的準(zhǔn)確性為94%，對二線藥物的準(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)陳冠希客座講師，研究共同作者安迪·比姆(Andy Beam)說。公共衛(wèi)生學(xué)院。“人工智能將通過快速綜合大量數(shù)據(jù)來幫助臨床醫(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。”