关于在输血医学中使用人工智能、机器学习和TQM(全过程质量管理)作为大数据模式或过程分析的新型计算工具的导言

时间:2021-07-14来源:协会信息化专业委员会作者:王喆


  为了充分利用现代计算机的计算能力,近年来在广义的"人工智能"领域中开发出了一系列的创新工具。基于人工智能的算法已经能够完成多样化的任务,包括监控复杂机器人进行血液样本的高通量筛查,到从实验室和临床研究等领域产生的大规模数据中推断出有意义的数学模型。同样,在输血科学和输血医学中,人工智能技术也用于整合自动化诊断设备、流程和程序。

  在将人工智能和其他工具应用于输血和移植实践方面,人工智能对干细胞治疗的进步起到了重要的推进作用。麦卡锡在1955年首次提出“人工智能”这个概念,他将其定义为制造智能机器的科学和工程,其核心目标是推理、认识、计划、学习、感知、沟通,甚至移动和操纵物体的能力。基于人工智能技术的机器不仅可用于在几分钟内解析个体患者的免疫特异性(个性化医疗),而且还可根据患者的遗传特性和免疫系统能力定制个性化的治疗方法。此外,人工智能还可用于优化探索干细胞和基因疗法的临床试验,通过精确规划治疗方案、预测临床结果、简化患者的招募和保留,从现有数据中进行信息挖掘,并将信息应用于新数据,从而降低实验的复杂性和成本。同样,可以利用基于 AI 的算法和机器学习来快速处理最新的组学(组学(Omics)主要包括基因组学(Genomics),蛋白组学(Proteinomics),代谢组学(Metabolomics),转录组学(transcriptomics),脂类组学(lipidomics))研究中(如代谢学)生成的丰富数据。

  Prof. Angelo D’Alessandro在研究中强调,基于质谱技术的组学领域的技术进一步拓展了我们对血液储存损伤方面的理解,特别是在临床用红细胞方面。此外,Prof. Jason Acker还阐述了通过应用机器学习和系统生物学的研究方法方法来筛选与红细胞存储质量、输血后功效评价的生物标志物,进一步改进了血液储存策略,上述内容在Dr. Lars Kaestner的《人工智能与血液学相遇》以及Prof. Cees Smit Sibinga的《AI在输血实践中的整体质量管理中的作用》中有更进一步的论述。

  大量的分子标记物与单个基因变异的结合产生了大量的数据,这些数据需要足够的算力来总结和解释结果。人工智能的另一个重要应用领域是肿瘤学,其中免疫疗法最近取得了巨大进展。通过二代基因测序技术及计算机记忆网络,可以实现基于癌细胞的个体变异性的大量治疗药物的化学修饰的测试。

  未来人工智能和机器学习与人类智力相结合的领域具有无限可能。但是我们还有多久才能带来真正的影响才是最切实的问题。这些技术是否能高效精准的给出更新的诊断方法、开发和研究策略呢?显然,在输血医学的研发中对人工智能及相关工具的应用在快速增长,未来人工智能将在输血科学和输血医学会有更多的应用。




本报告来自协会信息化专业委员会
  原作:Jerard Seghatchian
  翻译:王喆
  审核:王喆
  原文:https://doi.org/10.1016/j.transci.2020.102985