立場新聞 Stand News

疫情攻防戰:機器學習

2020/3/11 — 16:12

病毒和疫情發展千變萬化,科學家需爭分奪秒,務求盡快了解尋求方法抗疫。單憑人類之力,未必可以做到。不同研究隊伍就嘗試利用機器學習,預計武漢肺炎 (COVID-19) 爆發趨勢、病人生存機會,或者幫助研究病毒機制。

機器學習 (Machine Learning) 是近十年急速發展的研究範疇,指程式可無需開發人員明確指令 (Hard Code) 下 ,利用統計模型自行找出數據模式。例如機器學習可幫助辨識人面,或者了解消費習慣等。此研究雖然早於 1959 年已由電腦科學家提出,但要近年硬件發展追上,才真正有實際應用到。

Google 旗下的機器學習研究公司、AlphaGo 開發團隊公司 DeepMind 上周 (5/3) 就發佈由 AlphaFold 系統找出的 COVID-19 病毒的可能蛋白結構組合。透過深度學習演算法 (deep learning alogrithm) 研究人員可在短時間內找出病毒蛋白結構,由此幫助了解病理成因、病毒功能,或者是尋找新治療方法,大幅縮短了傳統研究時間。 DeepMind 強調,擬於疫情迫切性,研究結果未經實驗驗證及同儕審核,就預先發佈,希望可加快研究速度。現時此些數據已與弗朗西斯克里克研究所 (Francis Crick Institute) 研究人員分享,同時在網上公開予其他科學家參考。

廣告

除此以外,加拿大初創企業 BlueDot 也以程式收集大量政府文件、電子媒體內容、環球機票銷售數據、生畜健康報告,以及人口數據等,再配合其自然語這處理系統 (Natural Language Processing, NLP) 分析內容,預測可能會爆發疫情地區等。今次他們就在 12 月 30 日發現武漢數據開始有異常,之後當地官方在九日後再公佈當地出現「不明肺炎」。

中國研究人員亦在預印期刊發表報告,指他們以深度學習分析電腦掃描 (Computed Tomography)  圖片數據,幫助判斷病人患上的屬於武漢肺炎、甲型流感,還是健康人士。研究雖暫未經同儕審核,但報告就指其準確度達 86.7% ,若結果屬實,相信能盡快幫助醫生診斷病症。另一中國研究隊伍也在預印期刊 Medrxiv 發表報告,指他們成功以演算法分析臨床數據,幫助醫療人員預測病人的生存機會,準確度超過 90% ,唯研究一樣未被同儕審核。

廣告

機器學習雖然非完美,但至少為醫療人員提供了更多資訊。這些資訊或可以加快研究速度,讓我們了解到疫情發展趨勢,以及找出病毒生理機制,幫助研發疫苗或除病毒藥物。

來源:
DeepMind, Computational predictions of protein structures associated with COVID-19, 5 March 2020

文/Edward Ho、審核/Alan Chiu

發表意見