演化學習用於輔助精準血液透析
圖一、智能血液透析決策輔助系統榮獲2022年國家新創獎
透析治療經常會伴隨急性併發症(如透析中低血壓、心律不整、休克等)和慢性併發症(如貧血、心血管疾病、腎骨失養症等)，臨床上對於這些併發症的防治必須仰賴醫護的專業知識來給予患者適當的透析治療。血液透析診療常以單因子或少數因子來決定透析醫療參數，例如紅血球生成素的施打劑量主要是依據血紅素數值來決定，造成生化數值相近患者的治療成效大不相同，起因是無法提供個人化的治療策略。如何有效避免透析併發症的發生是臨床之一大課題，而影響透析治療品質之相關因子和透析參數眾多，因此有需透過人工智慧和機器學習的幫助從眾多因素中找到重要特徵集合，達到精準透析之目的。
本核心設施國立陽明交通大學生物資訊及系統生物研究所何信瑩特聘教授研究團隊提出演化學習的創新方法，利用血液透析患者的生理、檢驗、給藥、透析設定，以及時間序列變化等數據資料，以雙目標演化學習演算法挑選出最佳少量特徵組合以及優化機器學習建模參數，並同時最大化預測準確率，以建構最佳化透析併發症預測模型，在透析前預測患者透析過程中是否會發生併發症，達到透析中和透析後成效的預警作用，並利用最佳化參數模擬給予醫療決策之輔助資訊。目前已開發之預測標的有二：透析中低血壓以及透析後血比容的預測。
「生醫演化學習平台」可對超高維度的訓練樣本進行辨識一組最小集合的特徵組合並建立最佳化的高預測準確率的數學模型，所用特徵都是可醫學解讀，為信任AI預測模型，滿足臨床所需。智能血液透析決策輔助系統在透析前進行(1)醫師醫囑透析參數經由預先建立的各種預測模型來模擬透析中和透析後的成效，並在透析中對突發併發症提出預警；(2)在醫師設定的參數值合理區間，針對可修正的透析參數決定最佳參數值與模擬資訊結果供醫師決策參考，輔助醫師制定適當的透析策略規劃，提升透析醫療品質與醫療工作效率；(3)智能血液透析系統採用模組化設計，發展邊緣計算和雲端計算，以因應醫院和診所、地區和國際的需求。本智能血液透析決策輔助系統於血液透析前預測透析併發症風險與透析成效並榮獲2022年國家新創獎(圖一) 。
本文對此演化學習提供生醫AI建模的研究服務做一簡介。演化學習主要採用智慧型演化式演算法對資料導向之機器學習做系統參數最佳化來建立預測系統，能夠在有限的訓練樣本中辨識一組最小生物標記(signature)及最高預測率的數學模型。基於演化學習及支持向量機/Cox回歸的預測模型有廣泛的應用，例如在生物資訊的應用，辨識一組癌症轉錄體學生物標記集合的組合最佳化演算法(參見本核心News Letter 2019.02.15)；在基因體學領域，在給定實驗的基因量測數據不充足時，能夠解決所導致的求解數學模型不唯一解的欠定問題，建構具有信心程度的仿真基因調控網路模型(News Letter 2020.02.15)；在預測分析蛋白質功能方面，辨識一組胺基酸的物理化學特性，同時考慮預測準確性和特徵的機制分析，協助研究蛋白質體學的生物化學特性及未知蛋白質的功能預測(News Letter 2021.02.15)；在醫學影像方面，結合臨床和放射組學特徵開發預測肝癌術後復發的基因演算法，用於設計肝細胞癌術後2年內早期復發的臨床放射組學模型(News Letter 2022.02.15)。TBI生物資訊核心團隊有分析各式多體學、高通量數據之經驗與統計專家，並定期分享研究成果及分析經驗，歡迎有需求的研究同好洽詢合作或服務。