（文章來(lái)源：攜手健康網(wǎng)）

杜克大學(xué)和哈佛大學(xué)的計(jì)算機(jī)科學(xué)家與馬薩諸塞州總醫(yī)院和威斯康星大學(xué)的醫(yī)生一起開(kāi)發(fā)了一種機(jī)器學(xué)習(xí)模型，該模型可以預(yù)測(cè)哪些患者在中風(fēng)或其他腦損傷后最容易遭受破壞性癲癇發(fā)作的風(fēng)險(xiǎn)。

他們開(kāi)發(fā)的積分系統(tǒng)有助于確定哪些患者應(yīng)該接受昂貴的連續(xù)腦電圖(cEEG)監(jiān)測(cè)。這組作者說(shuō)，他們的模型可以在全國(guó)范圍內(nèi)實(shí)施，可以幫助醫(yī)院監(jiān)測(cè)的病人數(shù)量幾乎是原來(lái)的三倍，每年可以挽救許多生命，并節(jié)省5400萬(wàn)美元。6月19日在線(xiàn)發(fā)表在《機(jī)器學(xué)習(xí)研究雜志》上的一篇論文詳細(xì)介紹了可解釋機(jī)器學(xué)習(xí)方法背后的方法。

當(dāng)腦動(dòng)脈瘤導(dǎo)致腦出血時(shí)，大部分損害并不會(huì)在最初的幾個(gè)小時(shí)內(nèi)造成，而是隨著患者發(fā)作而逐漸累積。但是，由于患者的病情不允許他們表現(xiàn)出任何外在的困擾跡象，因此唯一的方法是通過(guò)腦電圖來(lái)告知他們患有癲癇發(fā)作。然而，用這種技術(shù)連續(xù)監(jiān)測(cè)患者是昂貴的，并且需要訓(xùn)練有素的醫(yī)生來(lái)解釋讀數(shù)。

威斯康星大學(xué)醫(yī)學(xué)院和公共衛(wèi)生學(xué)院神經(jīng)病學(xué)助理教授亞倫·斯特雷克(Aaron Struck)和馬薩諸塞州總醫(yī)院重癥監(jiān)護(hù)腦電圖監(jiān)測(cè)服務(wù)主任布蘭登·韋斯特沃(Brandon Westover)試圖優(yōu)化這些有限的資源。在重癥監(jiān)護(hù)EEG監(jiān)測(cè)研究聯(lián)盟的同事的幫助下，他們收集了來(lái)自近5500名患者的數(shù)十個(gè)變量的數(shù)據(jù)，并開(kāi)始工作。

Struck說(shuō)：“我們想要一個(gè)分?jǐn)?shù)系統(tǒng)來(lái)確定誰(shuí)最有可能發(fā)生癲癇發(fā)作。” “但是，當(dāng)我們嘗試使用傳統(tǒng)方法從數(shù)據(jù)中創(chuàng)建一種方法時(shí)，我們陷入了困境。那是我們開(kāi)始與Rudin教授和Ustun博士合作的時(shí)候。”

杜克大學(xué)計(jì)算機(jī)科學(xué)，電氣與計(jì)算機(jī)工程教授辛西婭·魯丁(Cynthia Rudin)和她的前博士學(xué)位學(xué)生伯克·烏斯通(Berk Ustun)，現(xiàn)在是哈佛大學(xué)的博士后，專(zhuān)門(mén)研究可解釋的機(jī)器學(xué)習(xí)。盡管大多數(shù)機(jī)器學(xué)習(xí)模型都是一個(gè)“黑匣子”，人類(lèi)難以理解，但可解釋的機(jī)器學(xué)習(xí)模型僅限于以純英語(yǔ)形式報(bào)告。

Rudin和Ustun已經(jīng)創(chuàng)建了一種機(jī)器學(xué)習(xí)算法，該算法可以為其他應(yīng)用程序生成稱(chēng)為評(píng)分系統(tǒng)的簡(jiǎn)單模型。您可能會(huì)在青少年雜志上看到評(píng)分系統(tǒng)的示例，這些評(píng)分系統(tǒng)旨在確定您的暗戀是否正在回報(bào)您的感情。(如果他們?cè)谶^(guò)去一周內(nèi)給您發(fā)短信，則扣一分，如果他們?cè)谡n堂上坐在您旁邊，則扣兩分。)加起來(lái)超過(guò)10分的任何組合都意味著您注定要放煙花。

除了Rudin和Ustun的計(jì)分系統(tǒng)是基于優(yōu)化技術(shù)(稱(chēng)為“切割平面”和“分支和裝訂”)的復(fù)雜組合。臨床醫(yī)生可以記住此處所示的2HELPS2B系統(tǒng)，以估計(jì)患者癲癇發(fā)作的可能性。學(xué)分：杜克大學(xué)

例如，假設(shè)您正在尋找碗形圖上的最低點(diǎn)。傳統(tǒng)的切割平面方法使用切線(xiàn)來(lái)選擇像滑雪板在半管中失去動(dòng)量一樣迅速沉降到其底部的點(diǎn)。但是，如果要求此方法查找也是整數(shù)的最低點(diǎn)(無(wú)限制的答案不太可能是整數(shù))，則它可能會(huì)無(wú)限期地在大量幾乎可以接受的答案之間繼續(xù)進(jìn)行搜索。

為了解決這個(gè)問(wèn)題，Rudin和Ustun將切割平面優(yōu)化與另一個(gè)稱(chēng)為“分支定界”的優(yōu)化相結(jié)合，從而減少了大部分搜索。然后重復(fù)整個(gè)過(guò)程，直到產(chǎn)生最佳的，可解釋的答案。他們的方法已被證明成功創(chuàng)建了針對(duì)睡眠呼吸暫停，阿爾茨海默氏病和成人多動(dòng)癥的篩查測(cè)試。Rudin和Ustun只需將其調(diào)整為cEEG數(shù)據(jù)即可。

魯丁說(shuō)：“這種機(jī)器學(xué)習(xí)工具從成千上萬(wàn)的患者身上提取了癲癇發(fā)作的數(shù)據(jù)，并產(chǎn)生了一個(gè)名為2HELPS2B的模型?！斑@種模型的優(yōu)點(diǎn)在于，臨床醫(yī)生只需知道它的名字就可以記住它?？雌饋?lái)醫(yī)生可以自己想出這種東西，但這是一個(gè)基于數(shù)據(jù)和統(tǒng)計(jì)數(shù)據(jù)的成熟的機(jī)器學(xué)習(xí)模型。”該模型讓醫(yī)生根據(jù)其cEEG中發(fā)現(xiàn)的模式和峰值向患者評(píng)分。在最大計(jì)數(shù)為7的情況下，結(jié)果提供了在每個(gè)點(diǎn)間隔發(fā)作的患者的概率估計(jì)值，范圍從小于5%到大于95%。

研究人員針對(duì)新的2,000個(gè)案例對(duì)模型進(jìn)行了測(cè)試，發(fā)現(xiàn)它運(yùn)行良好。2HELPS2B模型對(duì)其功能非常有信心，然后在威斯康星大學(xué)和馬薩諸塞州綜合醫(yī)院投入使用，允許醫(yī)生僅在最需要的時(shí)候使用cEEG。使用一年后，該模型使每位患者的cEEG監(jiān)測(cè)持續(xù)時(shí)間減少了63.6%，可監(jiān)測(cè)的患者數(shù)幾乎是其三倍，同時(shí)節(jié)省了610萬(wàn)美元的成本。

該模型現(xiàn)已在另外四家醫(yī)院使用。如果全國(guó)所有的醫(yī)院都采用這種方法，研究人員計(jì)算得出，他們每年總共可以節(jié)省5400萬(wàn)美元。Westover說(shuō)：“除了節(jié)省成本外，2HELPS2B模型還幫助我們監(jiān)視那些癲癇發(fā)作不被注意和未經(jīng)治療的人?！?“那可以挽救生命，也可以挽救大腦。”