机器学习在囊性纤维化中成熟

准确预测一个人的慢性疾病能否取得进展对于提供更个性化、更精准的医疗至关重要。只有这样的洞察力，临床医生和患者才能计划干预和缓解的最佳治疗策略。然而，在准确预测诸如此类慢性疾病患者的临床轨迹方面存在着巨大的挑战囊性纤维化(CF),癌症,心血管病和阿尔茨海默病．

“医疗保健中的预测问题极其复杂，”剑桥医学人工智能中心(CCAIM)主任米哈埃拉·范德沙尔教授说。“即使机器学习处理复杂问题的方法努力为病人和临床医生以及更广泛的医学科学提供有意义的好处。现成的机器学习解决方案，在很多领域都很有用，但却无法解决这个问题预防医学”。

然而，解开这个复杂的谜题，将会带来巨大的医疗收益。这就是为什么由van der Schaar教授和CCAIM联席主任、剑桥大学呼吸生物学教授、皇家帕普沃斯医院剑桥肺部感染中心研究主任安德烈斯·弗洛托领导的几个团队，开发了一套快速发展的世界级机器学习方法和工具，成功地克服了许多挑战。

在短短两年的时间里，研究人员已经开发出了一项技术，从利用患者数据快照(这本身就是对先前技术水平的显著改进)产生基于ml的CF患者肺衰竭预测，发展到对单个疾病轨迹的动态预测，对竞争性健康风险和共病的预测，与过去患者的“时间聚集”，以及更多。

本周，研究人员在2020年北美囊性纤维化会议(North American Cystic Fibrosis Conference 2020)上展示了他们的三种新的ML技术。有关这些技术及其潜在影响的详细信息，请访问CCAIM网站。

剑桥大学研究人员开发的工具代表了在很短时间内取得的惊人进展，并揭示了ML方法在解决常见慢性疾病的剩余谜团方面的力量，并提供了前所未有的准确性的对患者特定健康结果的高度精确预测。更重要的是，这些技术可以很容易地应用于其他慢性疾病。

应用毫升技术

“囊性纤维化是一种难以治疗的慢性疾病的极好例子，”弗洛托说。“随着时间的推移，人们往往不清楚这种疾病在特定个体中的进展情况，而且存在多种相互竞争的并发症，需要采取预防或减轻干预措施。”

CF是一种遗传疾病，会影响多个器官，但主要是肺，导致渐进性呼吸衰竭和过早死亡。2019年，英国死亡的114名CF患者的中位年龄为31岁。在2019年出生的英国CF患者中，只有大约一半人可能活到50岁。

囊性纤维化也是探索ML方法的沃土，部分原因在于英国囊性纤维化登记处，这是一个广泛的数据库，覆盖了英国99%的CF人口，由英国囊性纤维化信托基金管理。登记处拥有每个CF患者的静态和时间序列数据，包括人口统计信息、CFTR基因型、疾病相关措施(包括感染数据、共病和并发症、肺功能、体重、静脉抗生素使用情况、药物、移植和死亡)。

囊性纤维化信托基金战略创新主任珍妮特·艾伦博士说:“在英国，几乎每个囊性纤维化患者都委托登记处保管他们的患者数据，这些数据随后被用于确保所有患者得到最好的护理。”“令人兴奋的是，van der Schaar教授开发的方法将这一研究提升到了一个全新的水平，即开发工具来利用CF数据的复杂性。将这些数据转化为医学理解是未来个性化医疗的关键要务。”

展望未来

这套新工具为CF生态系统中的每个人提供了巨大的潜在利益，从患者到临床医生和医学研究人员。van der Schaar说:“我们的医用ML技术已经迅速成熟，随时可以投入使用。“是时候把它的好处带给最需要它的人了——在这个案例中，就是囊性纤维症患者。这意味着我们要与临床医生进一步合作，并与英国以外的更广泛的医疗系统和数据监护人加强合作。”

机器学习技术已被证明能够很好地预测长期健康状况患者的临床轨迹，创新将继续。以患者为中心的精准医疗革命将使临床医生和研究人员能够从不断增长的医疗数据可用性中提取更大的价值。

我们面临的挑战是通过向世界各地的临床医生和医院提供这些工具来实现这些工具的潜力，在那里它们可以帮助改善和拯救慢性病患者的生命。这是剑桥医学人工智能中心的目标之一。