【周周一读】—机器学习作为强大引擎，早期癌症的治愈率高达89％

导语

       众所周知，早期癌症病人的筛查和诊断是非常困难的。要早期确诊多发性骨髓瘤这一第二常见的血液肿瘤也是面临着相同的困难和挑战，这是由于每个病人的癌细胞都具有独特的变异特征，无法用单一的方式进行广泛的检测。一项由以色列的研究者使用了机器学习的方法对血液细胞进行测序，从而找到了早期诊断多发性骨髓瘤的新方法。

介绍

       近日，一篇刊登在Nature Medicine 期刊上的研究报告中，以色列的研究者使用机器学习的方法对血液细胞的RNA进行测序，找到了早期诊断多发性骨髓瘤的新方法。这将为多发性骨髓瘤的诊疗带来全新的变化。在诊断多发性骨髓瘤这个问题上，机器学习成为了以色列魏茨曼科学研究院（Weizmann Institute of Science）研究人员手中的出色工具。机器学习可以快速地对血液和骨髓中的血细胞进行RNA测序，并且从成千上万个细胞中发现有突变的癌细胞。同时，研究人员还再次确认：不同人之间的健康浆细胞大多相似，但每一例骨髓瘤患者体内的骨髓瘤细胞却具有很强的异质性。机器学习技术大大缩短了RNA测序和比对工作的时间，并可以在变异细胞数量很低的时候就发现它们。这个特性让诊断早期多发性骨髓瘤成为可能，并且能为患者提供更精确的诊断结果，医生也可以据此给出治疗方案和预后评估。研究中采用的单细胞检查比目前普遍采用的骨髓活组织检查更简便容易，给患者带来的痛苦也更小。不久后，这项技术有望更好地为多发性骨髓瘤患者提供诊疗后长期的监测服务。个性化治疗和长期监测都可以有效地避免疾病复发。

点评

       点评：机器学习的发展以及计算机运算的进步逐渐为科研工作者解决了一些难题，由于人类基因组的复杂性，测序数据量非常庞大，以至于普通的计算机技术和统计学方法无法在短时间内很好地处理这些信息，也就不能得到精确的结果。而我们现在只需要将基因测序的数据输入经过机器学习反复训练的模型中，计算机就可以通过机器学习的方法可以很快的分析出目标区域是否存在变异，进而找到可能变异的基因位点提供更多的可用于诊断及治疗的信息。 正是因为机器学习和基因测序技术的日渐成熟，可以为早期癌症筛查提供全新的思路和方法并且使之成为可能。