ScienceAI 案例汇总 ｜ 医学研究最新动向

   

   


    

    


     

     


      

      


       

       


        

        
本文约2100字，建议阅读5分钟


        

        
 AI 正逐渐改变科研工作者的研究方式。通过无监督学习和神经网络，AI 能够在短时间内对大量数据进行处理，并对结果进行预测。 

        


       

       


      

      


     

     


    

    


   

   

近年来，ScienceAI 已在多个领域有所突破，尤其是医学。医学与人类的生活息息相关，但这一学科具有很强的综合性和庞杂的数据，需要科研人员投入大量时间进行分析。

---

近期，AI 在基因突变、癌症防治、药物研发等领域都取得了重要进展。本期内容分享，HyperAI超神经选出了 AI 在医学研究中的 8 个应用，希望能为广大科研工作者提供新思路～ 

1、AlphaMissense 预测基因突变

研究机构：DeepMind

发表期刊：Science

发表时间：2023 年 9 月

关键词：无监督学习、基因组学

数据集：7,100 万种基因突变

结果：准确率90%

DeepMind 结合 AlphaFold、无监督学习和弱标签学习，开发了 AlphaMissense，用于预测人体内错义突变的致病性。AlphaMissense 对人体内可能发生的 7,100 万种错义突变进行了分析，预测其中 32% 可能为致病突变，57% 可能为良性突变，准确率达到 90%。

往期推送请访问：

DeepMind 利用无监督学习开发 AlphaMissense，预测 7100 万种基因突变

论文链接：

https://www.science.org/doi/10.1126/science.adg7492

2、Lunit分析乳腺 X 光

研究机构：英国诺丁汉大学

发表期刊：Radiology

发表时间：2023 年 9 月

关键词：乳腺癌、图像识别

数据集：240 张乳腺 X 光片

结果：灵敏度 84%，特异性 89%

英国诺丁汉大学的研究团队对比了临床医生和商用 AI Lunit 分析乳腺 X 光片的能力。在对 240 张具有挑战性的临床乳腺 X 光片进行分析后，AI 的灵敏度为 84%，特异性为 89%，与临床医生相当。

往期推送请访问：

「粉红杀手」通缉令，AI 阅读乳腺 X 光片的能力已与医生相当

论文链接：

https://pubs.rsna.org/doi/10.1148/radiol.223299#_i13

3、特征选择 检测乳腺癌

研究机构：意大利萨尼奥大学

发表期刊：CIBB 2023

发表时间：2023 年 7 月

关键词：乳腺癌、特征选择

数据集：1,881 个 microRNA-seq

结果：3 个乳腺癌诊断标志 microRNA

意大利萨尼奥大学的研究团队利用特征选择，通过增益率、随机森林 (RF) 算法和支持向量机 (SVM) 对 microRNA 序列进行分析，发现了与乳腺癌最相关的 3 个 microRNA，并揭示了与乳腺癌演变相关的潜在关键基因。

往期推送请访问：

特征选择策略：为检测乳腺癌生物标志物寻找新出口

论文链接：

https://www.researchgate.net/publication/372083934

4、随机森林 量化多巴胺的释放

研究机构：加利福尼亚大学伯克利分校

发表期刊：ACS Chemical Neuroscience

发表时间：2023 年 6 月

关键词：RF、SVM、多巴胺

数据集：不同周龄的小鼠

结果：准确率最高可达 83.2%

加利福尼亚大学伯克利分校的研究团队利用 SVM 和 RF 算法对不同周龄小鼠的多巴胺释放量进行了分析。结果表明，RF 算法对于刺激强度的判断准确率可达 83.2%，对于多巴胺释放脑区的判断准确率可达 70.8%。

往期推送请访问：

「量化」快乐：UC Berkeley 利用 AI 追踪多巴胺释放量及释放脑区

论文链接：

https://pubs.acs.org/doi/full/10.1021/acschemneuro.3c00001

5、梯度提升机 预测临床风险

研究机构：中国人民解放军总医院

发表期刊：Cardiovascular Diabetology

发表时间：2023 年 6 月

关键词：GBM、冠心病

数据集：451 名老年冠心病患者数据

结果：最高 AUC 为 0.836

中国人民解放军总医院的科研团队对老年冠心病患者的临床风险进行了研究。基于 451 名老年冠心病患者数据，对比了梯度提升机 (GBM)、逻辑回归 (LR)、决策树 (DT) 等模型的临床风险预测性能。最终，GBM 的 AUC 高达 0.836，Brier 分数为 0.116，表现最佳。

往期推送请访问：

收集 301 医院 451 名老年冠心病患者数据，湖北麻城人民医院推出机器学习模型，准确预测患者一年内死亡率

论文链接：

https://cardiab.biomedcentral.com/articles/10.1186/s12933-023-01854-z

6、Chemprop 寻找抗衰化合物

研究机构：美国麻省理工学院

发表期刊：Nature Aging

发表时间：2023 年 5 月

关键词：图神经网络、抗衰

数据集：约 80 万种化合物

结果：3 种安全高效的抗衰老化合物

麻省理工学院的研究团队利用 Chemprop 模型从 80 万种化合物中筛选抗衰老化合物。Chemprop 模型的预测准确率为 11.6%，高于人工筛选的 1.9%。最终筛选得到的抗衰老化合物在选择性、安全性和药效上均优于目前的商用抗衰药物。

往期推送请访问：

拨慢人体衰老时钟，MIT 利用 Chemprop 模型发现兼具药效与安全性的细胞抗衰化合物

论文链接：

https://www.nature.com/articles/s43587-023-00415-z

7、人工神经网络

优化药物 3D 打印

研究机构：圣地亚哥-德孔波斯特拉大学

发表期刊：Int. J. Pharm.: X

发表时间：2023 年 5 月

关键词：药物 3D 打印、ANN

数据集：687 种生物墨水

结果：准确率 97.22%

西班牙圣地亚哥-德孔波斯特拉大学的研究团队对比了人工神经网络 (ANN) 和 RF、SVM 模型对 3D 打印墨水性能的预测。RF 模型在预测墨水可打印性中的准确率最高，达 97.22%。ANN 模型在预测墨水是否产生卫星液滴方面准确率最高，达 97.14%。同时，生物墨水的药物剂量也可以得到准确预测。

往期推送请访问：

药物 3D 打印新突破：圣地亚哥大学用机器学习筛选喷墨打印生物墨水，准确率高达 97.22%

论文链接：

https://www.sciencedirect.com/science/article/pii/S2590156723000257

8、梯度提升机 预测痴呆症状

研究机构：韩国延世大学

发表期刊：Scientifc Reports

发表时间：2023 年 5 月

关键词：GBM、痴呆

数据集：222 名痴呆症患者数据

结果：最高 AUC 为 0.968

韩国延世大学的研究团队利用 LR、SVM、GBM 和 RF 模型对痴呆症患者的不同行为和心理症状进行了预测。结果显示，相比 LR 模型，机器学习模型的预测性能整体更好。其中，GBM 模型的平均 AUC 最高，性能最佳。

往期推送请访问：

有效延缓痴呆症：延世大学发现梯度提升机模型能准确预测 BPSD 亚综合征

论文链接：

https://www.nature.com/articles/s41598-023-35194-5

编辑：文婧