- · 《检验医学与临床》刊物[08/03]
- · 《检验医学与临床》征稿[08/03]
- · 《检验医学与临床》投稿[08/03]
- · 《检验医学与临床》数据[08/03]
- · 《检验医学与临床》栏目[08/03]
人工智能助力检验医学发展(3)
作者:网站采编关键词:
摘要:2.1.3 样本传送机器人 随着人工智能在商品物流上的应用趋向于成熟,人们开始把眼光转向人工智能在医学检测样品传送上的应用。样本的传送在检验科样
2.1.3 样本传送机器人 随着人工智能在商品物流上的应用趋向于成熟,人们开始把眼光转向人工智能在医学检测样品传送上的应用。样本的传送在检验科样品前处理过程中有重要地位,将直接影响检验的准确性。样本传送机器人可以通过机器视觉或者结合化学手段智能识别不同的样本和试剂,并且按照计算机的指令在固定区域装货卸货。样本传送机器人的出现让工作人员能够从医院各个病区、门诊、急诊中及时地获取标本并且送到指定的检验科室。如图4是ROBO公司的物流机器人RoboGo医用无人车,分别为密封型和开放型,样本传送机器人的无菌环境及其智能系统保证了运输的安全、准确、灵活、高效。样本传送机器人的出现减少了人工送检的误差,保证了样本的安全,避免了样本污染。
图4 RoboGo医用无人车Fig.4 RoboGo medical drone.
2.2 检验项目挖掘
2.2.1 肿瘤标志物 肿瘤标志物又被称为肿瘤标记物,是指只存在于恶性肿瘤中,由恶性肿瘤细胞产生,或是宿主对肿瘤的刺激反应而产生并能反映肿瘤发生、发展情况,监测肿瘤对治疗反应的一类物质。检验人员一般是采集肿瘤患者的血清,组织,排泄物或体液,再通过一些生化分析方法如色谱-质谱结合方法、毛细管电泳-质谱结合法和核磁共振波谱等方法[28]进行检测得到一些特异性物质的数据。特异性物质相关数据一般比较巨大,且不是所有数据都与肿瘤相关,这一问题的存在长期影响着检验医生对病情的分析,而数据挖掘技术的出现解决了这一问题,最常用的数据分析方法包括主成分分析和人工神经网络[29]。有学者在研究肝癌标志物时以肝癌患者的外周血清为样本,采用基于NMR的代谢组学分析技术,结合模式识别技术:主成分分析法(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘分析(OPLS-DA)、代谢物生物功能富集等方法,找出了肝癌的肿瘤标志物并进行分析,发现包括α-葡萄糖、β-葡萄糖苯、丙氨酸、琥珀酸、赖氨酸、酪氨酸、谷氨酰胺、肌酸、柠檬酸盐在内的九种标志物水平升高,包括低密度脂蛋白(LDL)、极低密度脂蛋白(VLDL)、N-酰基糖蛋白(NAG)、异亮氨酸、缬氨酸、胆碱酸盐和丙酮物质在内的7种标志物水平降低,并绘出了肝癌标志物通路图如图5[30-31]。
图5 肝癌标志物通路图[30]Fig.5 Liver cancer marker pathway map[30].
2.2.2 核酸分子 核酸分子相关的数据挖掘常用方法有两类,一类是针对核酸序列进行预测分析,另一类是利用核酸与蛋白质相互比较进行预测分析。前者是通过分析核酸序列找出某种特定基因或者功能位点的位置,后者是通过比较核酸序列和蛋白质序列之间的相似性区域和保守性位点推测两者的进化关系[32-33]。针对核酸序列进行预测分析的核心是核酸序列相似性研究,研究思路是给定一段核酸序列,在某个核酸序列库中查找与该段核酸序列相似性大于某个阈值的序列,典型的基于遗传算法的核酸相似性对比算法有SAGA(sequence alignmentbygeneticalgonthm)算法和 MUSLE(multiple sequence alignmem)算法。Rybicki等人利用SAGA算法基于肺和器官受累表型的协变量进行了多点连锁分析,证明了影响非裔美国人结节病临床表现的基因可能与疾病易感性的基因不同[32]。郑霙等人以程序性细胞死亡相关基因PDCD5为靶分子,基于数据挖掘对其核酸与蛋白质序列关系进行分析,采用微阵列方法进行表达谱分析,得出PDCD5不仅仅参与细胞凋亡过程,还通过与核糖体的某些潜在作用影响特定蛋白质的翻译表达[34]。
2.2.3 药物基因组学 药物基因组学结合了基因组学和分子药理学,通过计算机科学以及数学理论研究基因序列变异及其对应药物反应,高效地为特定人群寻找合适药物。检验人员一般通过服药后患者的体液或者排泄物获取药物敏感性数据。Dong等[35]使用癌细胞系百科全书(CCLE)中的基因表达特征和药物敏感性数据,基于支持向量机(Support Vector Machine,SVM)和递归特征选择工具来构建预测因子。通过在独立的数据集癌症基因组计划(Cancer Genome Project,CGP)进行交叉验证,验证了他们的模型在对GDSC(Genomics of Drug Sensitibity in Cancer,抗癌药物敏感性基因组学)数据集常用的几种药物与其对应基因表达关系的预测具有较好的稳健性。Daemen等[36]基于小二乘支持向量机和随机森林算法对70种乳腺癌细胞系和90种对应抗癌症药物反应的相关分子特征进行分析,最终发现治疗反应是在基因组的多个水平上进行的,将患者与基于转录亚型的治疗相匹配将提高药物应答率。
文章来源:《检验医学与临床》 网址: http://www.jyyxylczz.cn/qikandaodu/2020/0828/414.html