科学家利用机器学习来改善肠道疾病的诊断

一项发表在开放获取期刊上的研究JAMA开放网络弗吉尼亚大学工程与医学院和数据科学研究所的科学家于6月14日表示，应用于活检图像的机器学习算法可以缩短诊断和治疗肠道疾病的时间，这种疾病通常会对贫困地区的儿童造成永久性的身体和认知损伤。

在卫生条件良好的地方，饮用水由于食物缺乏，儿童患环境肠功能障碍的比例很高，这种疾病限制了肠道的吸收能力必需的营养并可能导致发育不良，大脑发育受损，甚至死亡。

这种疾病影响了低、中、低收入国家20%的5岁以下儿童中等收入国家但它也影响到了弗吉尼亚州农村地区的一些儿童。

对于UVA医学院儿科助理教授Sana Syed博士来说，这个项目是她进入医学界的一个例子。ob体育开户网址她说:“这是一种影响成千上万儿童的疾病，而这是完全可以预防的。”

Syed正在与弗吉尼亚大学数据科学研究所创始主任、工程系统与环境系W.S. Calcott教授Donald Brown合作，将机器学习纳入卫生官员对抗这种疾病的诊断过程。赛义德和布朗正在用深度学习方法被称为“卷积神经网络“训练计算机读取成千上万的活检图像。然后，病理学家可以从算法中学习如何根据神经网络在哪里寻找差异，以及在哪里集中分析以获得结果，更有效地筛选患者。

“这些是谷歌正在使用的相同类型的算法面部识别但我们正在利用它们通过活检图像来帮助诊断疾病，”布朗说。

机器学习算法可以提供被忽略的洞见人类的眼睛，验证病理学家的诊断，缩短成像和诊断之间的时间，从技术工程的角度来看，可能能够通过提供机器思维机制的线索，来了解数据科学的“黑匣子”。

但对赛义德来说，这仍然是为了拯救生命。

她说:“有如此多的贫困和如此不公平的后果。”“如果我们能利用这些前沿技术，通过数据科学来看待数据，我们就能更快地得到答案，更快地帮助这些孩子。”

---

---