俄勒冈州科瓦利斯——俄勒冈州立大学工程学院的一项新研究表明，机器学习技术可以提供强大的新工具，用于推进个性化医疗、护理，根据患者生物学和疾病特征的独特方面优化其结果。
机器学习是人工智能的一个分支，其中计算机系统使用算法和统计模型来寻找数据趋势，在细胞水平上解决了生物系统中长期无法解决的问题，俄勒冈州立大学的布赖恩·D·伍德说。与当时的 OSU 博士的研究牛津大学的学生 Ehsan Taghizadeh 和 Helen M. Byrne。
“这些系统往往具有很高的复杂性——首先是因为大量的单个细胞，其次是因为细胞的行为方式高度非线性，”环境工程教授伍德说。“非线性系统对放大方法提出了挑战，这是研究人员可以在通常最相关的更大尺度上准确模拟生物系统的主要手段。”
科学或数学中的线性系统意味着系统输入的任何变化都会导致输出成比例的变化;例如，线性方程可能描述一个坡度，水平距离每增加一英尺，垂直方向增加 2 英尺。
非线性系统不是这样工作的，世界上的许多系统，包括生物系统，都是非线性的。
这项由美国能源部部分资助并发表在《计算物理学杂志》上的新研究是使用机器学习解决非线性系统建模问题和理解人体组织中可能发生的复杂过程的首批例子之一，伍德说。
“机器学习的出现为我们提供了一种新工具，可以解决我们以前无法解决的问题，”他解释道。“虽然工具本身不一定是新的，但我们拥有的特定应用程序却大不相同。我们开始以更受限的方式应用机器学习，这使我们能够解决以前无法解决的物理问题。”
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！