您能否借助大数据和机器学习抗击癌症? 这些技术如何在诊断,发现药物和治疗 癌症 的过程中提供帮助

癌症是一种尾巴很长的疾病。 这意味着对这种情况的发生有不同的解释,没有一个解决方案可以摆脱它。 有影响很多人的疾病,但这是事件发生的唯一原因。 例如,让我们考虑霍乱。 霍乱弧菌污染的食物或水就是霍乱发生的原因。 霍乱可以仅由于霍乱弧菌而发生,没有其他原因。 当我们发现疾病的主要来源时,就可以很容易地克服它。

为了应对癌症并战胜这场战争,我们的弹药库存中,大数据和机器学习是大规模杀伤性武器。

数据爆炸和基因测序

基因测序是产生大量数据的一个领域。 多少数据? 你可能会问。 基因测序产生的人类数据相当于Youtube年度数据产生量的1/4。 就规模而言,如果在4GB DVD上刻录,则此数据与基因组测序的其他信息结合在一起,您将看到一个半英里高的堆栈。

多年来,基因测序的策略已经得到改善,而等效测序的费用却呈指数下降。 在2008年,基因测序的费用为1000万美元。 今天,它的价格只有1000美元。 估计将来会进一步减少。 到2025年,估计将有10亿个人完成基因测序。 据估计,到2025年,将有10亿个人的素质得到排序。到2030年,基因组学数据将达到每年接近2至40 EB的水平。

通过大数据和机器学习 与癌症作斗争

如果将生成的大量数据与机器学习算法结合使用,则可以多种方式赢得抗癌斗争。 机器学习可以为您提供诊断,治疗和预后方面的帮助。 自定义疗法将是可能的,并且长尾分布也可以得到解决。

标记的数据可用于诊断癌症。 由于可用的大量电子病历和所有医院的数据记录,因此使之成为可能。 使用自然语言处理是为了使医生理解处方,使用深度学习神经网络对CT和MRI扫描进行分析。 各种机器学习算法会筛选EMR数据库并找到隐藏的模式。 这将有助于诊断。

支持这一点的一个例子是,美国的一名大学生能够在家中设计一个特定的人工神经网络,甚至开发出一种模型,该模型能够以惊人的准确性诊断乳腺癌。

大数据诊断和机器学习

16岁的布列塔尼·温格(Brittany Wenger)就是一个很好的例子,可以很好地诊断癌症。 当她的年老表弟被诊断出患有乳腺癌时,她自认为可以提高诊断水平。 为了检测癌症,一种侵入性较小的方法是FNA(细针抽吸术),医生认为这种方法不可靠。 布列塔尼(Brittany)希望使这种方法更好,并决定使用其编码能力来实现这一目标。 如果认为可靠,妇女可以使用一种改进的侵入性较小的方法。

第一步,要利用包括威斯康星大学的FNA在内的公共领域数据。 然后,她对人工神经网络进行了编码。 之后,她使用云技术进行数据处理,并进一步训练了人工神经网络以检测相似性。 这是一个巨大的反复试验过程,她最终能够通过FNA测试数据检测出乳腺癌,并且对恶性肿瘤的敏感度达到了99.1%。 这种方法不仅限于乳腺癌,还可以用于检测其他癌症。

数据的数量和质量决定了诊断的准确性。 有了更多可用数据,算法将更多地进行数据库查询。 这将导致发现相似之处,并产生更有价值的模型。

大数据和机器学习治疗癌症

从诊断开始,大数据和机器学习在癌症的治疗中也发挥着巨大作用。 让我们再举一个案例,其中49岁的凯西被诊断出患有III期乳腺癌。 凯西(Kathy)的丈夫约翰(John)是波士顿一家医院的首席信息官。 John在他设计的大数据工具的帮助下计划了Kathy的治疗。

2008年创建了一个强大的搜索工具,名为SHRINE(共享健康研究信息网络)。 这是在共享数据库的哈佛附属医院的帮助下创建的。 到凯西被诊断出来时,治疗她的医生可以筛选出近600万张记录。 可以在SHRINE中查询“ 3期乳腺癌和50岁女性的治疗方法”之类的问题。 这些信息使医生可以避免手术,并在针对肿瘤细胞的定制治疗中使用化学疗法的药物对其进行治疗。

化疗完成后,放射科医生无法在凯西的体内找到更多的肿瘤细胞。 这是大数据工具如何根据患者需求制定定制治疗计划的一个示例。

一种尺寸适合所有治疗方法,由于其长尾巴分布,因此不适用于癌症。 为了使定制的治疗计划生效,以下是关键-诊断测试结果,基因序列,基因突变数据,大数据和机器学习工具。

大数据和机器学习的药物发现

从诊断和治疗进一步发展,大数据和机器学习可以帮助革新药物发现。 研究人员使用开放数据和计算资源来发现已存在且已获得FDA等机构批准的药物的新用途。 另一个例子是加利福尼亚大学的一群学生。 SFO使用大数据技术和机器学习算法来发现一种用于治疗pin虫的药物可以缩小一种小鼠的肝癌-一种癌症。 这种特殊的癌症是世界上第二大癌症死亡原因。

除了找到现有药物的新用途外,还可以发现新药物。 利用与不同药物,其性质,化学组成,疾病症状,副作用等有关的数据,可以设计出新药来治疗各种类型的癌症。 这将使设计新药变得更容易,并且将在此过程中节省数百万美元。

总而言之,巨蟹座是相当危险的并且有许多不同的形式。 通过大数据和机器学习的形式,我们现在确实拥有更强大的武器库来对抗癌症。 从诊断,治疗计划到药物重新给药/发现,我们都有能力在每个阶段战胜癌症。

喜欢这篇文章吗? 订阅我们的每周新闻 ,永不错过!

上一篇

欧洲在人工智能的发展中处于什么地位?

下一篇文章

数据如何影响您的约会生活?