机器学习算法

搜索
登录

机器学习算法

文章数：10篇

癌症恶病质

许红霞+石汉平：机器学习或有助于癌症恶病质诊断

约35%的癌症患者患有恶病质，表现为体重下降、骨骼肌和脂肪组织丢失，常见于晚期癌症患者和恶性肿瘤患者，对患者的生活质量和化疗效果造成负面影响，约20%-30%的肿瘤死亡可归因于恶病质。目前癌症恶病质的诊断广泛依赖于患者报告的历史体重，如果不能准确回忆这一信息，可能会导致严重低估癌症恶病质。陆军军医大学陆军特色医学中心许红霞、首都医科大学北京世纪坛医院石汉平教授及其团队近日在American Journal of Clinical Nutrition发表最新研究文章，开发了一种不依赖于患者体重减轻信息的机器学习算法，可利用肿瘤类型、胃肠道症状、肿瘤分期和血清生化指标等临床信息识别恶病质，或将有助于改善临床及营养决策，辅助癌症患者的治疗。

癌症恶病质机器学习算法诊断标准

新生儿黄疸

丘惠娴+王明帮：胎粪代谢组学+机器学习，预测新生儿黄疸

新生儿黄疸是常见的新生儿疾病，其病因并未被完全阐明。深圳市龙岗中心医院丘惠娴和深圳大学附属华南医院王明帮与团队，通过对胎粪代谢组学的分析，发现了其中可以作为潜在生物标志物的的代谢物，并利用机器学习算法，构建出良好的分类器，同时利用因果推断分析，挖掘了胎粪中代谢物支链氨基酸与新生儿黄疸发生的潜在因果关联。本研究为进一步开展新生儿黄疸的病因学探索以及早期干预提供了新的思路。

新生儿黄疸研究论文胎粪代谢物机器学习算法支链氨基酸

通过整合临床和菌群数据，预测1型糖尿病患者的餐后血糖反应

作者通过对1型糖尿病(T1D)患者为期两周的餐后血糖反应(PPGR)的分析开发了T1D患者PPGR的预测模型,其算法整合了大量的参数，数据，该模型在不同的亚群中是稳健的，其能够更准确地预测PPGR，因此可以更好地调整膳食所需的胰岛素剂量，它可以在闭环系统中进一步实施，并可能基于预期低血糖反应的膳食为T1D患者量身定制合理设计的营养干预措施。

预测模型机器学习算法血糖反应胰岛素剂量

机器学习算法

大数据时代，如何为构建孕产妇健康整体观保驾护航（综述）

如何定义一个健康的“妊娠期”是一件复杂而有意义的事，随着大数据时代的到来，与妊娠期健康相关的数据越来越多，越来越高维，也越来越难以处理。本综述阐述了在数据驱动研究的背景下，妊娠期健康相关领域遇到的挑战和机遇。我们希望有朝一日，有足够的技术可以处理多维度的数据，对孕产妇的健康进行准确而清晰的预测。

机器学习算法大数据时代综述多组学数据复杂数据

Nature：复杂菌群空间分析研究新方法（新闻）

生物体在生态系统中的位置反映了其生理和功能，要了解生态系统，需要绘制出生物存在和生活的地方的地图。Shi及其同事通过将新型探针设计与自定义图像分析相结合，推出了一种超越先前FISH基准的方法-通过荧光原位杂交进行高系统发育分辨率微生物组定位(HiPR-FISH)，其通过对复杂菌群中数百种微生物之间的空间距离进行微米级的制图，开启了微生物生态学研究的新纪元（https://www.mr-gut.cn/papers/read/1063473737）。通过阐明微生物的生物地理学，这项工作为探索复杂生态系统中的微生物相互作用提供了新的途径。扩展该技术以访问转录反应的空间组织将使能够生成揭示细菌物种及其功能的空间梯度的图。这些未来的应用将真正改变我们对复杂菌群和生命至关重要的空间多样性的理解。

HiPR-FISH 机器学习算法空间距离读出序列条形码

西湖大学：机器学习助力早产儿肥胖危险因素识别

儿童肥胖问题颇受关注，而本研究关注早产儿的肥胖危险因素预测，并借助于机器学习算法，揭示了儿童生长轨迹。本研究提示，过早添加固体辅食可能是儿童肥胖的危险因素。

儿童肥胖 childhood obesity Early life risk factors machine learning preterm infants

妊娠期糖尿病

Nature子刊：妊娠期糖尿病发病预测不是梦

本研究利用全国登记数据库，利用机器学习算法，进行妊娠期糖尿病预测模型的构建，并在此基础上进行了问卷信息的简化，使其具有可推广性和无创性。该研究给妊娠期糖尿病的预防和控制提供了重要借鉴。尤其是9条简明问卷，值得临床上确认其推广价值。

妊娠期糖尿病孕妇预测模型机器学习算法简明量表

国内团队：基于ctDNA甲基化，准确进行大肠癌的早期诊断、预后预测及筛查

肿瘤循环DNA（ctDNA）在许多癌症中具有作为诊断及预后生物标志物的潜能。来自中山大学肿瘤防治中心的徐瑞华团队在Science Translational Medicine上发表的一项最新研究，基于ctDNA的甲基化修饰模式，利用机器学习算法开发了诊断及预后预测模型，可准确地区分结直肠癌患者与健康人，并可较好地预测患者的预后。另外，基于其中的单个特定ctDNA甲基化修饰，能够以较高的敏感性及特异性检测出结直肠癌及癌前病变。

结直肠癌结直肠癌生物标志物循环肿瘤DNA（ctDNA）机器学习算法

移植物抗宿主病

国内团队：基于肠道菌群预测急性移植物抗宿主病

贵州医科大学第二附属医院、南方医科大学南方医院、郑州大学第一附属医院团队合作的研究，近期在American Journal of Transplantation上发表。研究者利用机器学习算法开发了一种肠道菌群分数，该分数与清髓性同种异体造血干细胞移植后患者的炎症水平相关，并可较准确地预测急性移植物抗宿主病。

移植物抗宿主病移植物抗宿主病同种异体造血干细胞移植机器学习算法

餐后血糖水平

Nature Reviews：如何基于菌群制定个性化营养方案

这是介绍2015年关于菌群、机器学习和个体化营养的开天辟地研究（http://www.xunludkp.com/papers/read/1053870848）的小文章，文章虽小，但高度总结精华，值得认真看看。

餐后血糖水平机器学习算法个性化营养 David Preiswerk David Preiswerk