AWS
活动+
 

对抗肺结核 哈佛医学院用AI技术预测菌株抗药性

肺结核是人类十大死因之一,根据WHO,2017年全球有160万人死于肺结核。法新社

根据世界卫生组织(WHO),肺结核是人类十大死因之一,2017年全球有1,000万人患病,160万人因此死亡。更糟糕的是,由于结核病菌株会对特定药物产生抗药性,因此很难因应。哈佛医学院研发出新方法,运用人工智能(AI)缩短侦测菌株抗药性的时间、提升准确度,为人类对抗肺结核开启新的曙光。

据Venture Beat报导,哈佛医学院于EBioMedicine期刊发表关于治疗肺结核的最新研究。实验结果显示,他们能在短短10分之1秒,便准确预测肺结核菌株对10种一线与二线药物的抗药性,而且准确度优于其它类似的检测模型。

研究人员指出,在每年几百万件的肺结核确诊病例中,大约4%对至少2种药物有抗药性;每10例就有1例显示对多种药物治疗有抗药性。传统的作法是透过药物敏感性测试来了解,不过旷日废时;较新的作法是透过扫描采样DNA锁定抗药基因,但此做法也有难以侦测到罕见基因变异的局限。

哈佛医学院的最新研究借力机器学习算法,结合统计模型与Wide & Deep模型2套AI系统,后者将每一种突变都设为变量,有的突变会产生抗药性,有的不会。研究人员用3,601种对一线和二线药物有抗药性的肺结核菌株,训练这2套AI系统。

结果显示,Wide & Deep系统预测菌株对一、二线药物之抗药性的准确度,分别达到94%与90%;而统计模型的准确度则分别是9成4、以及8成8。此外,2套模型都能在0.1秒内显示预测结果;而Wide & Deep模型能预测极度罕见基因突变造成的影响。

研究人员有信心,若将他们的模型结合临床测试,应有助于提高侦测结核病菌株抗药性的速度与准确度。

  •     按赞加入DIGITIMES智能医疗粉丝团
更多关键字报导: 人工智能 预防医学 机器学习