新研究提出了机器学习用于精密医学的愿景

从伤口病人恢复,医生可能会照看他们,监控治疗过程和处方治疗基于身体的反应。但各种因素包括饮食、年龄、或疾病如糖尿病在治疗中发挥作用,每天和监控这些变量可以为医生是困难的,特别是对于慢性病。

面对这些挑战,加州大学圣塔克鲁兹分校研究人员设想系统能够不断地监控这些复杂的因素以及持续的身体的反应,和机器学习算法,建议,甚至进行治疗。

这种连续反应指标或测试是一种反馈控制工程概念比较一个变量到目标价值。控制理论在工程常用的动态系统,但要少得多的医生。应用数学副教授玛塞拉戈麦斯的研究重点是弥合这一差距,与潜在带来高质量的医疗保健,越来越多的人通过机器学习算法自动化精密医学。

发表在《在一个新的视角细胞物理科学报告,戈麦斯细节的视觉领域如何超越静态数据来创建系统,测量和监控实时反应身体的各种因素和使用机器学习算法产生,甚至在某些情况下进行,一个治疗计划。本文作为调用相对较小,新社区的研究工作在这些问题上开始思考更大范围的开放的挑战和问题。

“你可以得到高质量的护理一个更大的人口,而不必广泛培训医生数十年来,”戈麦斯说。

戈麦斯说,现在使用机器学习方法在精密医学关注利用静态指标:不变的因素,用来预测结果的疾病或慢性伤口,如基因突变的存在。这涉及到收集历史数据从过去的情况下,使用通知的预测疾病或伤口会如何进展。

但新的研究强调了需要开发更多的数据驱动的方法来推进建模和控制方面的使用机器学习来提高精度。这将意味着更多的预测模型纯粹基于数据,而不是试图捕捉和生物过程的各种模型,这将是一个非常复杂的任务。

她也希望看到这个领域转向系统更适应与改变可以改变身体的需要。

在传统的控制理论,工程师了解信息系统的动态特性,并使用选择控制最适合那些特定的特征。但是,人体的复杂性很难找到一个合适的控制器。这需要一个预想控制的新方法。

“你可以考虑使用机器学习方法的控制器适应报道可以识别如果不是做这样一个伟大的工作,甚至实现它的目标,从而调整自己的策略,它表明治疗根据输入,直到看到它已经接近实现其目标,”戈麦斯说。“它看起来总是来优化自己的表现。”

戈麦斯说,这些改进算法可以用来扩大应用反馈控制超出现有人工胰腺等工作,持续监测血糖水平和胰岛素在需要的时候。算法还可以增强human-in-the-loop系统,医生读取响应基于算法的一个监控系统和管理治疗的建议。

她是在这个研究上合作的电气和计算机工程教授Marco Rolandi合著者的角度设计传感器和致动器,他们希望使用它来实现这些概念的反馈控制,电气和计算机工程副教授和米尔卡Teodorescu,生物工程和机器人方面的专家。这两位研究人员正在将这些概念应用到他们的项目旨在创造一种新颖的智能绷带,提高严重创伤的愈合速度。

12月6日,戈麦斯共同领导一个国家卫生研究院(NIH)分组会议,题为“扩大生物防除方法复杂的生物系统,“关于这个主题的一部分NIH的合成生物学协会会议。