星岛日报

【创科广场】人工智能破解柏金逊 IBM与米高霍士合作突破

2020-08-12 12:00
柏金逊症的成因不明,乃不会传染的长期病症 ,不过无法完全根愈,后期难以控制。医学界一直研究治疗手段。

现今柏金逊症治疗,只帮助减轻徵状;例如以物理治疗、职业治疗和心理辅导,或者可采用药物控制。 此外也靠外科程序,包括脑深层电刺激治疗。不同阶段的柏金逊症,以不同手段控制。

著名影星米高霍士(Michael J. Fox),不到40岁就患上柏金逊症,深受折磿;自此投入大量精力,帮助柏金逊症病人,四出奔走,赴国会听证,争取拨出更多资源,投入柏金逊症研究。

2019年初,IBM研究院宣布与米高霍士基金会合作,以人工智能研究柏金逊症疗程,寻求有效治疗手段。

较早前,IBM终于公布首阶段进展,可助治疗人员预测病情的发展,研究配合的药物手段,改进治疗成效,成果令人鼓舞。

IBM利用时间序列建立预测病情的模型,建立模型作预测病情。时序模型在医疗研究,并不罕见;但研究的具体目标,须能正确了解病症的临牀状态,以及相应进展,临牀医生可从各种病徵,定量测量病情所处于发展阶段,对症下药。

按病情阶段设计疗程

柏金逊症的某一些徵状;例如身体震颤无法控制,可能受药物作用控制,而无法正确识别,医生判断病情发展,容易忽略而出错。

不过,估计柏金逊症病情进展,对治疗手段,却甚为重要;医生根据每阶段病情,设计出切合个人疗程,科学家也可徵召处于不同阶段的病人,加入药物试验。

较早前,米高霍士基金会向IBM捐赠了有关柏金逊症个人数据,命名「柏金逊症病情标记计画」,IBM通过机器学习,研究如何推断病发阶段的各种标记。

建立推理模型

IBM研究人员须学习如何病情进展之际,又要为不同药物作用,建立推理模型。病人对药物的反应,可能正是反映病症所处的阶段,又或者只属于个人药物反应。以人工智能研究柏金逊症,正确分辨上述两者,相当棘手。

最后,IBM 成功以「隐玛律可夫模型」(Hidden Markov Model)统计学理论,建立起分析框架,加上推理学习,找出个人化药物反应,以准确预测柏金逊病情。

IBM开发的模型,对于研究不同阶段柏金逊症,意义深远。日后对于开发柏金逊症药物,延后病发,改善病人生活质素,均有重大影响。

IBM研究院研究员Kristen Severson公布,机器学习模型以及学习算法,稍后2020医疗机器学习大会上公布。

虽然机器学习以柏金逊症数据建立,亦有助研究其他长期病患;包括糖尿病、阿兹海默症(认知障碍)、肌萎缩性脊髓侧索硬化症(Amyotrophic lateral sclerosis)等治疗手段。

最新回应

關鍵字

热门文章