关节炎不仅仅是一种老年疾病——它也会影响儿童,最严重的形式会导致终身疼痛和残疾。幸运的是,有些孩子长大后就不再这样了。知道哪些病人会发展成较轻的疾病形式可以使他们免于不必要的治疗和潜在的药物副作用,但目前医生还没有办法预测疾病的进程或严重程度。
现在可以改变由于机器学习工具由奎德莫里斯,一个计算机科学教授唐纳利细胞和生物分子研究中心在多伦多大学,Rae杨医生,儿科教授,医学免疫学和多伦多大学的,最近刚毕业,共同指导的学生Simon Eng。
莫里斯也是人工智能矢量研究所的教员,也是加拿大研究促进研究所的首届人工智能主席。杨先生也是病童医院(SickKids)儿科转化研究的首任哈明和赵德博主席。
研究人员描述了一种基于机器学习的计算方法。机器学习是一种人工智能的形式,计算机可以学习从海量数据中识别重复出现的模式。该算法能够根据人体关节肿胀或疼痛的模式将患者划分为七个不同的组。此外,它还能准确预测哪些孩子会更快进入缓解期,哪些孩子会发展成更严重的疾病。
据估计,仅在美国就有30万儿童患有关节炎。尽管病因尚不清楚,但当免疫系统将人体自身的细胞误认为外来入侵者时,这种疾病就会发生,攻击关节内壁,导致肿胀、疼痛和可能的长期损伤。没有治愈,治疗包括逐步更激进的和昂贵的药物,从抗炎止痛药物,如布洛芬、更强的药物包括甲氨蝶呤(化疗剂),类固醇,生物制剂(如anti-TNF和anti-IL-1),关闭部分免疫系统。“治疗的最后阶段对一些儿童非常有效,但也非常昂贵,而且还不清楚长期的影响是什么,”莫里斯说。“当你抑制免疫系统的功能时,这种类型的治疗可能与潜在的副作用有关,包括增加感染和其他风险。”
“知道哪些儿童将在什么时间从哪种治疗中受益,是个性化医疗的基石,也是医生和家庭在儿童首次诊断时希望得到回答的问题,”杨说,他也是SickKids的儿科风湿病专家和高级科学家。
作为第一步,研究人员着手对患有关节炎但尚未接受药物治疗的儿童进行分类。他们分析了640名儿童的临床数据,这些数据收集于2005年至2010年之间,是加拿大儿童关节炎研究的一部分,强调结果(reach - out)。作为护理的一部分,所有的孩子都接受了详细的身体检查,其中包括记录身体中疼痛(也称为活动)关节的位置。
数据揭示了七种主要的关节活动模式:骨盆区域的关节、手指、手腕、脚趾、膝盖、脚踝和一种不明显的模式。虽然大多数儿童属于单一类别,但约有三分之一的患者的活动关节属于多个类别。这些非局部关节受累的患者通常比活动关节处于单一模式的患者预后更差,进入缓解期需要更长的时间。
尽管独特的关节受累模式可以在床边识别,但目前的儿童关节炎患者分类仅考虑受累关节的总数。很明显,需要更好地描述关节的受累情况,以预测疾病的病程和严重程度。数据显示,非局部关节受累的儿童是不同的。医生们在使用强效药物治疗这些儿童时已经观察到了这一点,但仍然无法控制这种疾病。杨先生说:“及早发现这一群体的儿童将有助于我们及早找到正确的治疗方法,并防止持续的活动性疾病带来不必要的痛苦和残疾。”
由于这种疾病的复杂性,有多个关节受到影响,而且随着时间的推移会发生变化,而且可用的患者数量相对较少,因此研究小组必须超越标准的统计方法来检测关节疼痛的模式。“我们必须使用机器学习来检测这7种疾病模式,”莫里斯说,他的团队改进了被称为多层非负矩阵分解的技术。“然后我们意识到,有些孩子不属于任何一种模式,他们的疾病非常严重。现在我们对疾病有了更好的了解,我们可以将儿童分为不同的类别,以预测对治疗的反应,他们多快进入缓解期,我们是否可以告诉他们处于缓解期,并取消治疗。”
来源:多伦多大学