机器学习在精神科的运用
发布日期:2019-07-09 14:20:41 来源:中华医学信息导报 作者:湖南省脑科医院 刘学军 浏览次数:

刘学军


机器学习(ML)和深度学习(DL)是AI的核心,是大规模数据分析的强大工具,已越来越多地成功应用于工业、医疗等多个领域。


什么是机器学习

1.什么是学习?美国管理学家赫伯特·西蒙曾说过:“学习代表在系统中的变化,这种变化使该系统可以在下一次做同样的任务时,有更高效率。”

2.什么是ML?汤姆·米切尔在他的著作《机器学习》中指出:“ML涉及一个问题,即如何让计算机程式自动地根据经验而改进。”

ML是一个训练程序。首先我们建立一个数学模型,它可以是神经网络、决策树或支持向量机(SVM)。一开始,这个模型的预测是胡乱猜测的, 在学习训练的过程中,程序根据模型输出的预测标签和正确标签的误差值,反馈给模型并修改模型,使其预测更加正确;经过足够多的数据训练, 最终这个学习后的模型就能做出正确的预测。


ML的医学运用

目前,ML和DL已经迅速进入生物医学研究和卫生保健领域,在肿瘤检测和分类等医学领域的发展尤为迅速,IBM和谷歌等大公司已经在利用DL相关算法来指导个性化医疗。

DL利用的神经网络模型, 其最初的灵感来自于人的神经系统处理信息的过程,主要作为回归和分类的ML工具。斯坦福大学的研究人员已经使用深度学习,特别是深度卷积神经网络训练了一种诊断皮肤癌的算法。该算法经过训练,使用“130 000张代表超过2000种不同疾病的皮肤病变图像”来检测皮肤癌或黑色素瘤,结果显示,该算法与21位皮肤科医生在确定所有图像的最佳解决方案方面具有相同的能力。


ML在精神医学中的应用

ML在帮助解决精神病学的相关问题方面(如帮助确诊、预测风险和预后,协助早期干预) 充满了希望,或可指明最有效的个性化治疗和发现潜在的新药。

1.辅助诊断:目前,ML和DL在精神疾病中的研究基本集中在诊断上,基于ML和DL的计算机辅助诊断工具可以帮助临床医生对精神疾病进行分类,短时间内形成更可靠、准确和标准化的诊断。有研究者将ML用于痴呆和注意缺陷多动障碍的诊断, 通常可以达到90%以上的准确率。对精神分裂症、自闭症、抑郁症和药物滥用障碍等其他精神疾病的分类研究也在慢慢积累。

2. 预测疾病发展轨迹:一些研究显示出ML预测疾病发展轨迹的能力,如从轻度认知障碍到AD的转变,这对于早期发现AD并预防其发展至关重要。

3. 疾病的早发现早干预: AI最大潜力可能在识别可穿戴设备数据以及电话和短信中的信息。由于手机几乎陪伴我们一整天,可收集和感知各种各样的心理健康数据,并整合生理、运动、环境和社会信息,跟踪及融合不同来源的心理健康大量数据,利用ML算法的强大和高效预测心理健康状况,当然也伴随着深刻的伦理和安全问题。

4. 病因及机制研究:使用多模态数据的ML算法能够从神经成像和基因组学中获得的数据中,提供病理机制的信息, 去了解基因如何形成结构,以及结构如何实现功能。

5. 新药发现:自20世纪90 年代后期起,ML一直用于药物研发,并已成为药物研发的有用工具。DL具有更灵活的架构, 对于分子设计和反应预测非常有用。AI可应用在药物研发的不同环节,包括虚拟筛选苗头化合物、新药合成路线设计、药物有效性及安全性预测、药物理化性质预测、晶型预测、药物分子设计、筛选生物标志物、研究新型组合疗法等。基于已有的化学、生物学数据和知识建立有效的数据模型,可通过ML来预测药品研发过程中的安全性、有效性、不良反应等,从而有望实现减少人力、时间、物力等投入,降低药品研发成本的目的。

(摘自《中华医学信息导报》2019年第34卷第12期)



Produced By 大汉网络 大汉版通发布系统