紐約大學(xué)羅里·邁耶斯護理學(xué)院的研究人員發(fā)現(xiàn)，使用實時癥狀報告進行的機器學(xué)習(xí)可以準(zhǔn)確地識別乳腺癌患者的早期淋巴水腫。研究結(jié)果發(fā)表在2018年5月的mHealth中。

淋巴水腫是手臂或腿中淋巴液的集合，是癌癥治療后去除淋巴結(jié)后的常見癥狀。雖然無法治愈，但盡早發(fā)現(xiàn)和治療淋巴水腫可以減少并發(fā)癥。但是，由于要根據(jù)醫(yī)師對腫脹的觀察來進行識別，因此很難進行早期檢測。在這項研究中，研究人員檢查了使用機器學(xué)習(xí)識別患者淋巴水腫的可行性和準(zhǔn)確性。

“臨床醫(yī)生通常根據(jù)對腫脹的觀察來檢測或診斷淋巴水腫。但是，在可以觀察到或測量到腫脹的時間，淋巴水腫通常已經(jīng)發(fā)生了一段時間，這可能導(dǎo)致不良的臨床結(jié)果，”RN的Mei Fu博士說。該研究的主要作者，紐約大學(xué)梅耶斯大學(xué)護理學(xué)副教授，“使用基于實時癥狀報告的訓(xùn)練有素的分類算法檢測淋巴水腫是一種很有希望的工具，可以改善淋巴水腫的預(yù)后?！?/p>

研究人員使用一種在線工具從355名接受過乳腺癌治療的婦女中收集了數(shù)據(jù)。包括有關(guān)人口統(tǒng)計學(xué)，臨床信息，是否已被診斷患有淋巴水腫以及是否正在經(jīng)歷26種淋巴水腫癥狀中的任何數(shù)據(jù)。比較了五種不同的機器學(xué)習(xí)算法：C4.5的決策樹，C5.0的決策樹，梯度提升模型，人工神經(jīng)網(wǎng)絡(luò)和支持向量機。

結(jié)果表明，所有五種方法均優(yōu)于常規(guī)統(tǒng)計方法。人工神經(jīng)網(wǎng)絡(luò)在淋巴水腫的檢測中最準(zhǔn)確，在對真正淋巴水腫進行分類的同時對非淋巴水腫進行區(qū)分的準(zhǔn)確率達(dá)到93.75%。

傅說：“這種檢測精度明顯高于當(dāng)前和常用的臨床方法?！薄斑@有可能通過早期淋巴水腫的發(fā)現(xiàn)和干預(yù)來降低醫(yī)療費用并優(yōu)化醫(yī)療資源的使用，這可以減少淋巴水腫發(fā)展到更嚴(yán)重階段的風(fēng)險?！?/p>