紐約大學羅里·邁耶斯護理學院的研究人員發(fā)現(xiàn)，使用實時癥狀報告進行的機器學習可以準確地識別乳腺癌患者的早期淋巴水腫。研究結果發(fā)表在2018年5月的mHealth中。

淋巴水腫是手臂或腿中淋巴液的集合，是癌癥治療后去除淋巴結后的常見癥狀。雖然無法治愈，但盡早發(fā)現(xiàn)和治療淋巴水腫可以減少并發(fā)癥。但是，由于要根據(jù)醫(yī)師對腫脹的觀察來進行識別，因此很難進行早期檢測。在這項研究中，研究人員檢查了使用機器學習識別患者淋巴水腫的可行性和準確性。

“臨床醫(yī)生通常根據(jù)對腫脹的觀察來檢測或診斷淋巴水腫。但是，在可以觀察到或測量到腫脹的時間，淋巴水腫通常已經(jīng)發(fā)生了一段時間，這可能導致不良的臨床結果，”RN的Mei Fu博士說。該研究的主要作者，紐約大學梅耶斯大學護理學副教授，“使用基于實時癥狀報告的訓練有素的分類算法檢測淋巴水腫是一種很有希望的工具，可以改善淋巴水腫的預后?！?/p>

研究人員使用一種在線工具從355名接受過乳腺癌治療的婦女中收集了數(shù)據(jù)。包括有關人口統(tǒng)計學，臨床信息，是否已被診斷患有淋巴水腫以及是否正在經(jīng)歷26種淋巴水腫癥狀中的任何數(shù)據(jù)。比較了五種不同的機器學習算法：C4.5的決策樹，C5.0的決策樹，梯度提升模型，人工神經(jīng)網(wǎng)絡和支持向量機。

結果表明，所有五種方法均優(yōu)于常規(guī)統(tǒng)計方法。人工神經(jīng)網(wǎng)絡在淋巴水腫的檢測中最準確，在對真正淋巴水腫進行分類的同時對非淋巴水腫進行區(qū)分的準確率達到93.75%。

傅說：“這種檢測精度明顯高于當前和常用的臨床方法。”“這有可能通過早期淋巴水腫的發(fā)現(xiàn)和干預來降低醫(yī)療費用并優(yōu)化醫(yī)療資源的使用，這可以減少淋巴水腫發(fā)展到更嚴重階段的風險。”