加成粑粑“知道”的东西太多了，机器算法加成，“一泡屎”检测肝硬化不是梦 |肝硬化|算法|

人工智能（Artificial Intelligence ， AI）是利用机器学习和数据分析方法赋予机器模拟、延申和拓展类人的智能的能力，本质上是对人类思维过程的模拟。 AI概念最早始于1956年的达特茅斯会议，受限于算法和算力的不成熟，未能实现大规模的应用和推广。近年来，在大数据、算法和计算机能力三大要素的共同驱动下，人工智能进入高速发展阶段。据中国电子学会预测， 2022全球人工智能市场将达到1630亿元。
机器的“算力”远远大于人，在合适的分析方法下，机器可以将海量的数据归类并从宏观上总结出数据“特征” 。哪里有海量数据，哪里就有人工智能。

本文插图
【加成粑粑“知道”的东西太多了，机器算法加成，“一泡屎”检测肝硬化不是梦】
而生命科学领域恰恰是盛产海量数据的地方，基因组学数据、宏基因组学数据、蛋白质组学数据、代谢组学数据。。。。。。
在可以预见的未来， “机器深度学习”与“海量的生命科学信息”必将有一次美丽的邂逅，必将摩擦出耀眼的火花。那么“机器学习”在生命科学领域又是怎么被运用的呢？
小榴莲今天和大家分享一篇发表在国际著名杂志Cell Metabolism上的一项研究。在这份来自美国索尔克研究所的研究中，科研人员以机器学习为基础，收集、类比了足够样本数据之后，开发了一款可以无创伤、仅依赖分析患者粪便样本就可有效识别肝硬化患者的算法。和以往采用组织活检或者使用较昂贵的核磁共振进行检测相比，通过机器算法分析肠道菌群的方案，成本较低，并且保持了较高的准确性，能快速识别出90%以上的肝纤维化和肝硬化患者。

本文插图
是的， “拉泡屎”就可以解决问题的时代到来了，至少“拉泡屎”很快就可以检测肝硬化了。

本文插图
非酒精性脂肪肝（NAFLD）是一种引发慢性肝病的主要原因，其通常会进一步发展为肝纤维化和肝硬化。最开始，研究人员收集了27例非酒精性脂肪肝和54例健康志愿者的粪便，随后对这八十一例样本分别进行宏基因组分析以及代谢组学分析。

本文插图

本文插图
面对海量数据应该怎么做？首先是归类分析，然后描绘出肝硬化患者的“画像”特征。数据分析发现，和健康志愿者相比，肝硬化患者有一些肠道菌群以及肠道菌群代谢产物确实不同。

本文插图
这就好比一幅肝硬化患者的“画像” ，然后就可以训练机器算法，根据画像去“抓”人了。
在人群中“瞄”了你一眼
就知道你得了肝硬化。
这份研究更是给我们以很大的启发，我们或许可以利用机器学习的手段，归纳总结出特定疾病情况下一些肠道菌群的标志性特征、或者基因表达的标志性特征等，制作出特定的“画像” 。利用这些“画像” ，快速有效的诊断诸如肝硬化、炎性肠病、结肠癌、阿尔兹海默病等众多人类疾病。

本文插图