機器學(xué)習(xí)研究人員受到ALS小組的挑戰(zhàn)，希望通過使用數(shù)據(jù)更深入地研究疾病后，開發(fā)出一種AI平臺，旨在監(jiān)測和預(yù)測神經(jīng)退行性疾病的進展。

該新平臺將首先著眼于ALS，并可能幫助找到特定ALS患者亞組最有效的治療，進而提高藥物開發(fā)過程，臨床試驗的成功率和患者的生活質(zhì)量。

該技術(shù)由本古里安大學(xué)工業(yè)工程與管理系的機器學(xué)習(xí)教授Boaz Lerner博士開發(fā)，他在四年前受到非營利性ALS組織Prize4Life的挑戰(zhàn)，要求使用臨床數(shù)據(jù)并進一步研究疾病。他開發(fā)該技術(shù)的動力也受到了對疾病理解，改善患者及其家人的生活質(zhì)量，促進疾病治療以及倡導(dǎo)ALS患者個性化醫(yī)學(xué)的渴望的啟發(fā)。

“我一直對增進對疾病的了解和促進疾病治療感興趣。一旦我受到Prize4Life的挑戰(zhàn)，要從數(shù)據(jù)中探索ALS，就完全有機會專注于神經(jīng)退行性疾病的決定。“自那時以來，我已經(jīng)意識到開發(fā)的平臺是通用的，并且可以促進其他神經(jīng)退行性疾病的研究和患者治療?！?/p>

Lerner解釋說，該平臺基于機器學(xué)習(xí)算法，并使用患者的回顧性臨床數(shù)據(jù)將異質(zhì)ALS人群分為較小的同質(zhì)亞組，以預(yù)測特定亞組的疾病進展速度和模式。通過尋找特定亞組的標(biāo)記，該大學(xué)希望該平臺可以帶來更好的藥物開發(fā)，更成功的臨床試驗以及改善患者的生活質(zhì)量。

“該平臺對于醫(yī)生來說將是一個有價值的工具，因為它將使他們知道從哪里開始具體治療，是否以及何時關(guān)注，例如呼吸系統(tǒng)或物理療法……（以及）患者和護理人員，因為它可以預(yù)測疾病狀態(tài)和進展速度可減少不確定性并改善生活質(zhì)量，”勒納說?！袄纾绻覀兛梢灶A(yù)測患者的步行或言語能力將在六個月內(nèi)惡化，則他或她可以組織房屋來滿足他們的需求或轉(zhuǎn)移到更合適的環(huán)境，或者開始尋找一種可以交流的特定設(shè)備與人?！?/p>

根據(jù)新聞稿，該大學(xué)最近獲得了以色列創(chuàng)新局的資助，以幫助研究人員在各種應(yīng)用程序上廣泛實施該平臺。它還在尋找行業(yè)合作伙伴，以進一步開發(fā)和商業(yè)化“正在申請專利的技術(shù)”。

勒納說：“人工智能已經(jīng)在徹底改變醫(yī)療保健，因為更多的臨床數(shù)據(jù)可以通過使用功能強大的計算資源開發(fā)出的功能更強大的人工智能算法進行分析?！?“隨著這些成分的不斷增長，人工智能對醫(yī)療保健的影響只會隨著時間而增加?！?/p>