加快治疗创伤性脑损伤的机器学习工具
从脑部扫描中进行机器学习可以窥见医学的未来。
美国匹兹堡大学医学院的数据科学家团队和匹兹堡大学医学中心的神经创伤外科医生开发了第一批自动脑部扫描和机器学习技术，为严重创伤性脑损伤患者的结果提供信息。
先进的机器学习算法可以分析来自大脑扫描的大量数据和来自患者的相关临床数据。研究人员发现，该算法能够在受伤后六个月内快速准确地产生预后。研究人员表示，对于人类临床医生来说，纯粹的数据量和分析速度根本不可能。
5月初在《放射学》上公布了科学家的新预测算法，并在两个独立的患者队列中得到了验证。
论文的联合高级作者吴是美国匹兹堡大学放射学、生物工程和生物医学信息学副教授，是医学中机器学习的专家。研究人员使用“深度学习和’传统’机器学习的混合模型机器学习框架，处理CT成像数据和临床非成像数据来预测严重创伤性脑损伤患者的结果”。
该团队使用了匹兹堡大学医学中心（UPMC）和来自美国各地另外18所机构的数据。通过在患者早期进入急诊室时使用机器学习模型，建立一个模型，自动预测有利或不利的结果或死亡率或其它恢复的潜力。
他们的模型保持了预测性能，这表明该模型正在捕获一些关键信息，以便能够提供这种预测。
联合高级作家David Okonkwo博士，匹兹堡大学神经外科教授，执业神经外科医生，在向一小群神经外科医生提供相同的数据后表示，“机器学习模型的表现明显优于人类的判断力和经验”。
Okonkwo表示，基于受伤前几个小时内的具体数据集，第一个模型的成功“非常令人鼓舞，它正在走向正确的道路，以构建可以补充人类临床判断的工具，为患者做出最佳决定”。研究人员还认为，它可以变得更强大、更准确。
对于严重创伤性脑损伤的患者来说，前三天的窗口期对好坏都非常重要。一个人在创伤性脑损伤后在医院死亡的最常见原因是停止了维持生命的治疗，这种情况最常见于头72小时内。
这项研究是许多在医学不同领域使用机器学习的研究之一。过去几年有大量新的领先研究，使用各种成像或临床数据以及机器学习或深度学习来解决许多其他医疗问题、疾病或状况。
“除此之外，该研究还显示，重症监护和严重创伤和脑损伤人群，机器学习工具旨在“不是为了取代人类的临床或人类判断，而是为了补充人类的临床决策”。
拓展阅读：
2019年全球膳食补充剂市场价值2210亿美元，谁创造了维生素这个词？
谷歌地球、谷歌地图和谷歌天空之后，也许有一天我们会有一个谷歌身体搜索的工具！
科普视频：
摄影欣赏：
