【深度学习】ScienceAI 案例汇总 ｜ 医学研究最新动向

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～ 

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%。

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。

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。

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%。

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。

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。

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。

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。

    
往期精彩


    
回顾




适合初学者入门人工智能的路线及资料下载
(图文+视频)机器学习入门系列下载


    
机器学习及深度学习笔记等资料打印
《统计学习方法》的代码复现专辑

• 交流群

欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的二维码加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）