杜克大學和哈佛大學的計算機科學家與馬薩諸塞州總醫(yī)院和威斯康星大學的醫(yī)生一起開發(fā)了一種機器學習模型，該模型可以預測哪些患者在中風或其他腦損傷后最容易遭受破壞性癲癇發(fā)作的風險。
他們開發(fā)的積分系統(tǒng)有助于確定哪些患者應該接受昂貴的連續(xù)腦電圖(cEEG)監(jiān)測。這組作者說，他們的模型可以在全國范圍內(nèi)實施，可以幫助醫(yī)院監(jiān)測的病人數(shù)量幾乎是原來的三倍，每年可以挽救許多生命，并節(jié)省5400萬美元。6月19日在線發(fā)表在《機器學習研究雜志》上的一篇論文詳細介紹了可解釋機器學習方法背后的方法。
當腦動脈瘤導致腦出血時，大部分損害并不會在最初的幾個小時內(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腦電圖來告知他們患有癲癇發(fā)作。然而，用這種技術(shù)連續(xù)監(jiān)測患者是昂貴的，并且需要訓練有素的醫(yī)生來解釋讀數(shù)。
威斯康星大學醫(yī)學院和公共衛(wèi)生學院神經(jīng)病學助理教授亞倫·斯特雷克(Aaron Struck)和馬薩諸塞州總醫(yī)院重癥監(jiān)護腦電圖監(jiān)測服務主任布蘭登·韋斯特沃(Brandon Westover)試圖優(yōu)化這些有限的資源。在重癥監(jiān)護EEG監(jiān)測研究聯(lián)盟的同事的幫助下，他們收集了來自近5500名患者的數(shù)十個變量的數(shù)據(jù)，并開始工作。
Struck說：“我們想要一個分數(shù)系統(tǒng)來確定誰最有可能發(fā)生癲癇發(fā)作。” “但是，當我們嘗試使用傳統(tǒng)方法從數(shù)據(jù)中創(chuàng)建一種方法時，我們陷入了困境。那是我們開始與Rudin教授和Ustun博士合作的時候。”
杜克大學計算機科學，電氣與計算機工程教授辛西婭·魯丁(Cynthia Rudin)和她的前博士學位學生伯克·烏斯通(Berk Ustun)，現(xiàn)在是哈佛大學的博士后，專門研究可解釋的機器學習。盡管大多數(shù)機器學習模型都是一個“黑匣子”，人類難以理解，但可解釋的機器學習模型僅限于以純英語形式報告。
Rudin和Ustun已經(jīng)創(chuàng)建了一種機器學習算法，該算法可以為其他應用程序生成稱為評分系統(tǒng)的簡單模型。您可能會在青少年雜志上看到評分系統(tǒng)的示例，這些評分系統(tǒng)旨在確定您的暗戀是否正在回報您的感情。(如果他們在過去一周內(nèi)給您發(fā)短信，則扣一分，如果他們在課堂上坐在您旁邊，則扣兩分。)加起來超過10分的任何組合都意味著您注定要放煙花。
除了Rudin和Ustun的計分系統(tǒng)是基于優(yōu)化技術(shù)(稱為“切割平面”和“分支和裝訂”)的復雜組合。臨床醫(yī)生可以記住此處所示的2HELPS2B系統(tǒng)，以估計患者癲癇發(fā)作的可能性。學分：杜克大學
例如，假設您正在尋找碗形圖上的最低點。傳統(tǒng)的切割平面方法使用切線來選擇像滑雪板在半管中失去動量一樣迅速沉降到其底部的點。但是，如果要求此方法查找也是整數(shù)的最低點(無限制的答案不太可能是整數(shù))，則它可能會無限期地在大量幾乎可以接受的答案之間繼續(xù)進行搜索。
為了解決這個問題，Rudin和Ustun將切割平面優(yōu)化與另一個稱為“分支定界”的優(yōu)化相結(jié)合，從而減少了大部分搜索。然后重復整個過程，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)建了針對睡眠呼吸暫停，阿爾茨海默氏病和成人多動癥的篩查測試。Rudin和Ustun只需將其調(diào)整為cEEG數(shù)據(jù)即可。
魯丁說：“這種機器學習工具從成千上萬的患者身上提取了癲癇發(fā)作的數(shù)據(jù)，并產(chǎn)生了一個名為2HELPS2B的模型。“這種模型的優(yōu)點在于，臨床醫(yī)生只需知道它的名字就可以記住它。看起來醫(yī)生可以自己想出這種東西，但這是一個基于數(shù)據(jù)和統(tǒng)計數(shù)據(jù)的成熟的機器學習模型。”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分。在最大計數(shù)為7的情況下，結(jié)果提供了在每個點間隔發(fā)作的患者的概率估計值，范圍從小于5%到大于95%。
研究人員針對新的2,000個案例對模型進行了測試，發(fā)現(xiàn)它運行良好。2HELPS2B模型對其功能非常有信心，然后在威斯康星大學和馬薩諸塞州綜合醫(yī)院投入使用，允許醫(yī)生僅在最需要的時候使用cEEG。使用一年后，該模型使每位患者的cEEG監(jiān)測持續(xù)時間減少了63.6%，可監(jiān)測的患者數(shù)幾乎是其三倍，同時節(jié)省了610萬美元的成本。
該模型現(xiàn)已在另外四家醫(yī)院使用。如果全國所有的醫(yī)院都采用這種方法，研究人員計算得出，他們每年總共可以節(jié)省5400萬美元。Westover說：“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。”