0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種機(jī)器學(xué)習(xí)方法能鑒別出早期肺癌患者

倩倩 ? 來(lái)源:新華網(wǎng) ? 2020-03-27 14:43 ? 次閱讀

英國(guó)《自然》雜志26日發(fā)表一項(xiàng)醫(yī)學(xué)與人工智能AI)研究,科學(xué)家報(bào)告一種機(jī)器學(xué)習(xí)方法能鑒別出早期肺癌患者。這一方法利用人工智能與優(yōu)化的測(cè)序方法,可以檢測(cè)血樣中的腫瘤源性DNA(即液體活檢),未來(lái)將有助于增加高危人群的篩查率。

現(xiàn)階段,一般推薦高危群體做CT掃描進(jìn)行肺癌篩查,這種模式已被證明能減少肺癌相關(guān)死亡。不過(guò),由于費(fèi)用高、篩查項(xiàng)目少以及對(duì)假陽(yáng)性的擔(dān)憂,這種篩查的使用度并不高。統(tǒng)計(jì)數(shù)字顯示,美國(guó)只有約5%符合條件的個(gè)體會(huì)去做這種篩查。

而血液檢測(cè)是另一種頗受歡迎的癌癥檢測(cè)方法。不過(guò),大部分液體活檢研究主要監(jiān)測(cè)的仍是晚期患者,因?yàn)樗麄兛赡鼙仍缙诨颊邠碛懈咚降哪[瘤相關(guān)DNA標(biāo)記。

鑒于此,美國(guó)斯坦福大學(xué)馬克西米蘭·戴恩教授及其同事優(yōu)化了一種現(xiàn)有的評(píng)估循環(huán)腫瘤DNA(ctDNA)的測(cè)序方法。他們改善了DNA的提取,鑒定出有望作為有效疾病標(biāo)記的變化。研究團(tuán)隊(duì)用該方法表明,盡管ctDNA在早期肺癌患者體內(nèi)水平很低,卻是一個(gè)很有力的預(yù)后指標(biāo)。他們隨后用這些數(shù)據(jù),對(duì)一種機(jī)器學(xué)習(xí)方法進(jìn)行改進(jìn),將其用來(lái)預(yù)測(cè)血樣中存在的肺癌源性DNA。

實(shí)驗(yàn)顯示,在由104例早期非小細(xì)胞肺癌患者和56例匹配對(duì)照組成的初期樣本中,這種人工智能方法可以區(qū)分早期肺癌患者與風(fēng)險(xiǎn)匹配的對(duì)照;在另一個(gè)由46例病例和48例對(duì)照組成的獨(dú)立驗(yàn)證隊(duì)列中,研究人員確認(rèn)了以上結(jié)果。

基于血液樣本的液體活檢的出現(xiàn),曾被認(rèn)為標(biāo)志著人類在攻克腫瘤的道路上又前進(jìn)了一大步。目前臨床研究中,液體活檢技術(shù)主要包括血液中游離循環(huán)腫瘤細(xì)胞檢測(cè)、循環(huán)腫瘤DNA檢測(cè)、外泌體及循環(huán)RNA檢測(cè)等。近年來(lái)檢測(cè)方法的靈敏度比過(guò)去幾年有了很大改進(jìn),這也是此領(lǐng)域蓬勃發(fā)展的原因。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 人工智能
    +關(guān)注

    關(guān)注

    1791

    文章

    47279

    瀏覽量

    238511
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8418

    瀏覽量

    132646
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    什么是機(jī)器學(xué)習(xí)?通過(guò)機(jī)器學(xué)習(xí)方法能解決哪些問(wèn)題?

    計(jì)算機(jī)系統(tǒng)自身的性能”。事實(shí)上,由于“經(jīng)驗(yàn)”在計(jì)算機(jī)系統(tǒng)中主要以數(shù)據(jù)的形式存在,因此機(jī)器學(xué)習(xí)需要設(shè)法對(duì)數(shù)據(jù)進(jìn)行分析學(xué)習(xí),這就使得它逐漸成為智能數(shù)據(jù)分析技術(shù)的創(chuàng)新源之,
    的頭像 發(fā)表于 11-16 01:07 ?408次閱讀
    什么是<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>?通過(guò)<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)方法</b>能解決哪些問(wèn)題?

    如何使用 PyTorch 進(jìn)行強(qiáng)化學(xué)習(xí)

    強(qiáng)化學(xué)習(xí)(Reinforcement Learning, RL)是一種機(jī)器學(xué)習(xí)方法,它通過(guò)與環(huán)境的交互來(lái)學(xué)習(xí)如何做出決策,以最大化累積獎(jiǎng)勵(lì)。
    的頭像 發(fā)表于 11-05 17:34 ?298次閱讀

    麻省理工學(xué)院推出新型機(jī)器人訓(xùn)練模型

    近日,據(jù)TechCrunch報(bào)道,麻省理工學(xué)院的研究團(tuán)隊(duì)展示了一種創(chuàng)新的機(jī)器人訓(xùn)練模型,該模型突破了傳統(tǒng)模仿學(xué)習(xí)方法的局限,不再依賴標(biāo)準(zhǔn)數(shù)據(jù)集,而是借鑒了大型語(yǔ)言模型(LLM)如GPT-4等所使用的大規(guī)模信息處理方式,為
    的頭像 發(fā)表于 11-04 14:56 ?495次閱讀

    一種簡(jiǎn)單高效配置FPGA的方法

    本文描述了一種簡(jiǎn)單高效配置FPGA的方法,該方法利用微處理器從串行外圍接口(SPI)閃存配置FPGA設(shè)備。這種方法減少了硬件組件、板空間和成本。
    的頭像 發(fā)表于 10-24 14:57 ?604次閱讀
    <b class='flag-5'>一種</b>簡(jiǎn)單高效配置FPGA的<b class='flag-5'>方法</b>

    LIBS結(jié)合機(jī)器學(xué)習(xí)算法的江西名優(yōu)春茶采收期鑒別

    以廬山云霧茶和狗牯腦茶的明前茶、雨前茶為對(duì)象,研究激光誘導(dǎo)擊穿光譜結(jié)合機(jī)器學(xué)習(xí)的茶葉鑒別方法。將茶葉茶,水?dāng)?shù)據(jù)融合可有效鑒別春茶采收期,且數(shù)據(jù)融合后表現(xiàn)出更好的穩(wěn)定性和魯棒性,LIBS
    的頭像 發(fā)表于 10-22 18:05 ?253次閱讀
    LIBS結(jié)合<b class='flag-5'>機(jī)器</b><b class='flag-5'>學(xué)習(xí)</b>算法的江西名優(yōu)春茶采收期<b class='flag-5'>鑒別</b>

    【《時(shí)間序列與機(jī)器學(xué)習(xí)》閱讀體驗(yàn)】+ 了解時(shí)間序列

    。 可以探索現(xiàn)象發(fā)展變化的規(guī)律,對(duì)某些社會(huì)經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測(cè)。 利用時(shí)間序列可以在不同地區(qū)或國(guó)家之間進(jìn)行對(duì)比分析,這也是統(tǒng)計(jì)分析的重要方法。 而《時(shí)間序列與機(jī)器學(xué)習(xí)
    發(fā)表于 08-11 17:55

    機(jī)器學(xué)習(xí)中的數(shù)據(jù)分割方法

    機(jī)器學(xué)習(xí)中,數(shù)據(jù)分割是項(xiàng)至關(guān)重要的任務(wù),它直接影響到模型的訓(xùn)練效果、泛化能力以及最終的性能評(píng)估。本文將從多個(gè)方面詳細(xì)探討機(jī)器學(xué)習(xí)中數(shù)據(jù)分
    的頭像 發(fā)表于 07-10 16:10 ?1794次閱讀

    機(jī)器學(xué)習(xí)中的交叉驗(yàn)證方法

    機(jī)器學(xué)習(xí)中,交叉驗(yàn)證(Cross-Validation)是一種重要的評(píng)估方法,它通過(guò)將數(shù)據(jù)集分割成多個(gè)部分來(lái)評(píng)估模型的性能,從而避免過(guò)擬合或欠擬合問(wèn)題,并幫助選擇最優(yōu)的超參數(shù)。本文將
    的頭像 發(fā)表于 07-10 16:08 ?1151次閱讀

    深度學(xué)習(xí)中的無(wú)監(jiān)督學(xué)習(xí)方法綜述

    深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域的個(gè)重要分支,近年來(lái)在多個(gè)領(lǐng)域取得了顯著的成果,特別是在圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。然而,深度學(xué)習(xí)模型
    的頭像 發(fā)表于 07-09 10:50 ?736次閱讀

    rup是一種什么模型

    RUP(Rational Unified Process,統(tǒng)建模語(yǔ)言)是一種軟件開(kāi)發(fā)過(guò)程模型,它是一種迭代和增量的軟件開(kāi)發(fā)方法。RUP是由Rational Software公司(現(xiàn)為
    的頭像 發(fā)表于 07-09 10:13 ?1265次閱讀

    深度學(xué)習(xí)與nlp的區(qū)別在哪

    深度學(xué)習(xí)和自然語(yǔ)言處理(NLP)是計(jì)算機(jī)科學(xué)領(lǐng)域中兩個(gè)非常重要的研究方向。它們之間既有聯(lián)系,也有區(qū)別。本文將介紹深度學(xué)習(xí)與NLP的區(qū)別。 深度學(xué)習(xí)簡(jiǎn)介 深度學(xué)習(xí)
    的頭像 發(fā)表于 07-05 09:47 ?933次閱讀

    人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)機(jī)器學(xué)習(xí)模型的區(qū)別

    人工神經(jīng)網(wǎng)絡(luò)(ANN)與傳統(tǒng)機(jī)器學(xué)習(xí)模型之間的不同,包括其原理、數(shù)據(jù)處理能力、學(xué)習(xí)方法、適用場(chǎng)景及未來(lái)發(fā)展趨勢(shì)等方面,以期為讀者提供個(gè)全面的視角。
    的頭像 發(fā)表于 07-04 14:08 ?1291次閱讀

    一種利用光電容積描記(PPG)信號(hào)和深度學(xué)習(xí)模型對(duì)高血壓分類的新方法

    [22]。就像平均池化樣,最大池化是另一種用于減小特征圖大小的常用方法。它通過(guò)僅取每個(gè)區(qū)域的最大值來(lái)獲得最重要的特征。在機(jī)器學(xué)習(xí)中,池化
    發(fā)表于 05-11 20:01

    機(jī)器學(xué)習(xí)和代謝圖譜相結(jié)合,早期卵巢癌檢測(cè)準(zhǔn)確率高達(dá)93%

    卵巢癌因不易察覺(jué)且晚確診而被視為無(wú)聲殺手。據(jù)報(bào)道,晚期卵巢癌患者的五年存活率僅為31%,而及早發(fā)現(xiàn)與治療,這比例便可提高到90%以上。盡管從三十年前起已有專家嘗試以各種方式探尋早期檢測(cè)方法
    的頭像 發(fā)表于 02-02 16:04 ?782次閱讀

    請(qǐng)問(wèn)初學(xué)者要怎么快速掌握FPGA的學(xué)習(xí)方法?

    對(duì)于初學(xué)者 FPGA的編程語(yǔ)言是什么? FPGA芯片的基礎(chǔ)結(jié)構(gòu)也不了解. FPGA開(kāi)發(fā)工具的名稱和使用方法都不知道. 要學(xué)的很多啊,請(qǐng)問(wèn)有什么自學(xué)的學(xué)習(xí)方法么?
    發(fā)表于 01-02 23:01