厉害了我的AI!5min录音即可诊断遗传疾病,比仅使用基因检测要便宜

2017-06-23 Gan 生物探索

根据威斯康星大学麦迪逊威丝曼中心(University of Wisconsin–Madison’s Waisman Center)和威斯康星发现研究院( Wisconsin Institute for Discovery)的最新研究,依靠5min的录音就足以判断某个人是否容易罹患与基因相关的遗传性疾病。

假如给你一段5min的录音,你最多能从这段录音里够获得多少信息?



根据威斯康星大学麦迪逊威丝曼中心(University of Wisconsin–Madison’s Waisman Center)和威斯康星发现研究院( Wisconsin Institute for Discovery)的最新研究,依靠5min的录音就足以判断某个人是否容易罹患与基因相关的遗传性疾病。

1机器学习识别脆性X染色体综合征

近日,这项研究以“Automated screening for Fragile X premutation carriers based on linguistic and cognitive computational phenotypes”为题公开发表在Scientific Reports上。研究人员利用机器学习能力分析了数百种语音记录,并能够准确地识别处于突变前期的脆性X染色体,具有这种特征的染色体会增加神经退行性疾病、不孕不育等病症的风险,携带该染色体的人群的后代容易发生脆性X染色体综合征(fragile X syndrome)。

脆性X染色体综合征是由于在人体内X染色体的形成过程中的一段DNA突变所导致,主要特征是智力障碍和身体残疾导致患者,目前全世界数以百万计人都具有早期脆性X染色体突变。

2机器学习—人工智能计算程序,让诊断更便捷

参与研究的威斯康星大学研究生院副院长Marsha Mailick教授表示,目前这些处于突变前期的病症仍并没有有效的诊断方式,很多情况下患者对自己的发病风险并不知情。

诊断早期脆性X染色体突变是一项极为耗时、需要大量的资源并且价格昂贵的工作。为此,Marsha Mailick教授团队希望开发一种快速、经济、有效筛选方法。

于是乎,他们开发了机器学习—人工智能计算程序。据悉,这种新型的人工智能机器人可以通过现有数据进行“训练”,随后去分析新信息。

威斯康星大学生物医学工程系副教授Kris Saha补充道,一开始他们要花费数小时的时间来分析和注释每个记录,通过大量重复工作后不到1s就能搞定。

3机器学习的过往应用

2012年,该研究的共同通讯作者、威斯康星大学副校长Jan Greenberg教授领导的一项研究,分析了母亲谈论患有早期脆性X染色体综合征孩子的5min语音记录。研究显示:父母营造的温暖、积极的家庭氛围能够减少孩子的行为问题。

威斯康星大学通讯科学与病症学副教授Audra Sterling选用了相同的录音进行研究,结果表明:在具有突变前期脆性X染色体的中年和老年妇女群体中,年龄和言语障碍有强烈的相关性。

上述研究结果表明,录音可以跟踪患有早期脆性X染色体突变老年人的疾病发展进程;系统的进行语音记录分析,可以产生有价值的关于具有突变前期脆性X染色体的家庭的信息。

不过以往进行语音特征编码十分耗时且需要临床专业知识,但新的研究中所使用的方法不需要这些特性。

4创建语言认知功能模块

Kris Saha教授、Jan Greenberg教授、Audra Sterling教授、Marsha Mailick教授和研究生Arezoo Movaghar联合设计了初始的机器学习算法,该算法可以智能的将患者区分为两组:患者有携带脆弱X染色体的母亲和未携带的母亲。

研究人员基于录音和机器学习算法还创建了语言和认知功能的列表,例如记录中句子的平均长度或填充暂停的数量,例如“嗯”“啊”或“哦”(“um,” “ah,” or “oh.” )的发音方法,这些特征可以非常有效的区分两组的不同。

研究人员先分析了100个5min母亲谈论患有脆性X染色体综合征子女的录音,随后分析了另外100个自闭症谱系障碍儿童的母亲的录音。目前根据这些显着的特征,机器学习算法准确度可以高达81%。

根据研究人员的测算,与单独使用基因检测相比,使用机器学习的筛查方法在人群中诊断出1000名早期脆性X染色体突变患者可以节省超过1100万美元。

5不止于脆性X染色体诊断

在Marsha Mailick教授看来,该项研究是迈向更快、更具成本效益的筛选过程的第一步,他们计划扩大对其他人群的筛选,例如具有脆弱X染色体的男性。

Kris Saha教授则表示,这项研究中开发的机器学习算法不局限于脆性X染色体诊断,未来也可以用于诊断其他与遗传相关的疾病。

研究生Arezoo Movaghar则希望简化收集数据的方式,他正在开发个人医疗问题的APP,可以追踪5min的语音样本、数据甚至可以来自手机或家庭小型音响的音频记录,然后让机器学习算法工作,以完成数据收集的目标。

版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (3)
#插入话题
  1. [GetPortalCommentsPageByObjectIdResponse(id=1667073, encodeId=0cea166e07343, content=<a href='/topic/show?id=93d7951895b' target=_blank style='color:#2F92EE;'>#遗传疾病#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=32, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=95189, encryptionId=93d7951895b, topicName=遗传疾病)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=8bd226091152, createdName=lvliquan, createdTime=Mon Jan 15 13:00:00 CST 2018, time=2018-01-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=215572, encodeId=d3e22155e24b, content=语言认知功能模块, beContent=null, objectType=article, channel=null, level=null, likeNumber=66, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://cdnapi.center.medsci.cn/medsci/head/2017/04/24/1c2dbd6706e64df33befd6663f1d6b37.jpg, createdBy=94f61661779, createdName=lyh994, createdTime=Mon Jun 26 10:33:03 CST 2017, time=2017-06-26, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=214337, encodeId=4a7421433ecf, content=谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=63, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://wx.qlogo.cn/mmopen/Pw2csslt7CukWiabqiblnQAXaDEiaxhu025c3P0XshccTrbvGWBjKvnHIxbK3vqa80P7WGIFuicCFet97TicrNKpgB3TdabxP1vMh/0, createdBy=28851960965, createdName=榄枷檬, createdTime=Fri Jun 23 10:15:28 CST 2017, time=2017-06-23, status=1, ipAttribution=)]
  2. [GetPortalCommentsPageByObjectIdResponse(id=1667073, encodeId=0cea166e07343, content=<a href='/topic/show?id=93d7951895b' target=_blank style='color:#2F92EE;'>#遗传疾病#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=32, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=95189, encryptionId=93d7951895b, topicName=遗传疾病)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=8bd226091152, createdName=lvliquan, createdTime=Mon Jan 15 13:00:00 CST 2018, time=2018-01-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=215572, encodeId=d3e22155e24b, content=语言认知功能模块, beContent=null, objectType=article, channel=null, level=null, likeNumber=66, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://cdnapi.center.medsci.cn/medsci/head/2017/04/24/1c2dbd6706e64df33befd6663f1d6b37.jpg, createdBy=94f61661779, createdName=lyh994, createdTime=Mon Jun 26 10:33:03 CST 2017, time=2017-06-26, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=214337, encodeId=4a7421433ecf, content=谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=63, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://wx.qlogo.cn/mmopen/Pw2csslt7CukWiabqiblnQAXaDEiaxhu025c3P0XshccTrbvGWBjKvnHIxbK3vqa80P7WGIFuicCFet97TicrNKpgB3TdabxP1vMh/0, createdBy=28851960965, createdName=榄枷檬, createdTime=Fri Jun 23 10:15:28 CST 2017, time=2017-06-23, status=1, ipAttribution=)]
    2017-06-26 lyh994

    语言认知功能模块

    0

  3. [GetPortalCommentsPageByObjectIdResponse(id=1667073, encodeId=0cea166e07343, content=<a href='/topic/show?id=93d7951895b' target=_blank style='color:#2F92EE;'>#遗传疾病#</a>, beContent=null, objectType=article, channel=null, level=null, likeNumber=32, replyNumber=0, topicName=null, topicId=null, topicList=[TopicDto(id=95189, encryptionId=93d7951895b, topicName=遗传疾病)], attachment=null, authenticateStatus=null, createdAvatar=null, createdBy=8bd226091152, createdName=lvliquan, createdTime=Mon Jan 15 13:00:00 CST 2018, time=2018-01-15, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=215572, encodeId=d3e22155e24b, content=语言认知功能模块, beContent=null, objectType=article, channel=null, level=null, likeNumber=66, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://cdnapi.center.medsci.cn/medsci/head/2017/04/24/1c2dbd6706e64df33befd6663f1d6b37.jpg, createdBy=94f61661779, createdName=lyh994, createdTime=Mon Jun 26 10:33:03 CST 2017, time=2017-06-26, status=1, ipAttribution=), GetPortalCommentsPageByObjectIdResponse(id=214337, encodeId=4a7421433ecf, content=谢谢分享, beContent=null, objectType=article, channel=null, level=null, likeNumber=63, replyNumber=0, topicName=null, topicId=null, topicList=[], attachment=null, authenticateStatus=null, createdAvatar=https://wx.qlogo.cn/mmopen/Pw2csslt7CukWiabqiblnQAXaDEiaxhu025c3P0XshccTrbvGWBjKvnHIxbK3vqa80P7WGIFuicCFet97TicrNKpgB3TdabxP1vMh/0, createdBy=28851960965, createdName=榄枷檬, createdTime=Fri Jun 23 10:15:28 CST 2017, time=2017-06-23, status=1, ipAttribution=)]
    2017-06-23 榄枷檬

    谢谢分享

    0

相关资讯

医生被人工智能篡位 可能吗?

人工智能(AI)是进几年比较流行的词语。自从阿尔法狗干翻了围棋界的大佬,人工智能会不会战胜人类甚至取代人类的话题再次被摆在了风口浪尖。各行各业都有人分析,自己的职业会不会被机器人取代。很多人认为,最高端的技术不会被取代,最低端的服务员也不会被取代,中间阶层将会被人工智能所取代。那么,医生会不会被人工智能篡位呢?

Sci Transl Med:第三军医大学罗阳团队利用AI在30秒内鉴定血型

奇点原创3月15日,《Science Translational Medicine》期刊以封面的形式全文刊登了第三军医大学罗阳团队的研究成果!在很多人看来,查血型,只是一件“15块钱和半个小时”的小事情。而对于需要紧急输血的患者来说,能否及时得到所需的血源,关系到生死。就算是医院有足够的血源库存,输血前还要先花10-20分钟去鉴定血型,就有点耽误事情了。而且一旦发生配对失误,则会导致患者的免疫系统

剖析肺癌早期诊断的全球创新驱动力,梳理AI与液体活检的企业图谱及产品形态

在中国每年新增的73万肺癌患者中,王丽只是冰山一角。但是对于她的家人和她自己来说,她就是全部。从开始发病到最后的确诊,王丽用了三个月才确诊病情,这件事情一直被网友诟病。然而,肺癌的确诊真的那么难吗?

中英人工智能企业方兴未艾 医疗服务形态已经改变

机器学习和大数据的快速商业化,已经助推人工智能来到医疗保健和生命健康领域的前沿位置,将注定会改变行业内疾病诊断和疾病治疗的方式。

全新|中国棋手柯洁再掀人机对战 AI如何变革医疗行业

今日上午10点30分,世界围棋第一人,中国棋手柯洁将与AlphaGo揭开三番棋大战的序幕,这是去年李世乭与AlphaGo的大战后,围棋界人机大战的第二个焦点,而它也被视为是围棋界的巅峰之战。

高特佳汤衡:人工智能+医疗的2700亿市场“大蛋糕”怎么分?

下一个十年,人工智能可能会爆发,并主导一个科技与商业时代。