伯克利实验室应用数据驱动方法进行创伤性脑损伤研究

在2023年12月1日发表在《自然科学报告》上的一篇论文中，来自美国劳伦斯伯克利国家实验室、加州大学旧金山分校(UCSF)、威斯康星医学院的研究人员，和加州大学伯克利分校与TRACK-TBI(创伤性脑损伤的转化研究和临床知识)合作，描述了机器学习方法如何增强创伤性脑损伤(TBI)的预后和理解。

通过应用非参数无监督和有监督机器学习的新组合，可以从患者提取数据中高度精确地预测TBI患者的预后。

伯克利实验室科学数据部计算生物科学小组负责人、通讯作者Bouchard说:“我们这个合作项目的目标是将拥有复杂、高维数据集的TBI临床专家与拥有数据驱动发现专业知识的数据科学家聚集在一起。”“我们能够开发和应用新的机器学习方法来解决整个医学界普遍存在的突出挑战，而不仅仅是TBI。”

具体来说，该团队解决了精准医疗和个性化治疗中的两个主要挑战:如何从复杂的生物医学数据集中收集临床相关的理解，以及如何利用这些数据来提高患者预后的准确性(预测患者预测结果)。从大型、复杂的数据集中提取临床可解释的见解，例如在TBI中发现的数据集，这是具有挑战性的，并且可能阻碍预后和治疗。TBI每年影响约400万美国人，每年给世界经济造成4000亿美元的损失。

加州大学旧金山分校神经外科教授、track -TBI试点研究的联络人Geoffrey Manley说:“目前的医学TBI分类框架通常根据患者的损伤严重程度(轻度、中度或重度)将患者分为几类，而不是看他们的个体生物学和相关条件。”“我们早就知道，现在有数据可以证明，在急性损伤后的时间范围内，‘轻微’的损伤可能会产生长期的、潜在的改变生活的后果，并导致慢性致残(持续或持久)。”

他补充说，这些症状分组，被研究人员称为“结果表型”，是当前分析中最重要的发现之一。Manley强调说:“因此，有必要找到新的方法，更准确地描述患者及其早期预测结果，并从现有数据集中的患者摄入变量中预测那些长期结果，这样我们就可以及时进行适当的干预，甚至是预防性治疗。”

研究小组指出:“(在TBI和其他复杂的医疗条件下)个性化治疗的关键第一步是提高我们预测患者结果的精确度。”

开拓新领域

十多年来，TRACK-TBI联盟一直在TBI研究方面开辟道路，包括开展TRACK-TBI试点研究，这是一项始于2017年的重要研究项目，最初产生了一个数据集，包括从美国多个创伤中心近600名TBI患者收集的500多个提取变量。利用该数据集，《自然科学报告》的论文作者开发了可解释的机器学习技术，并将其应用于TRACK-TBI试点数据集，涉及数百个摄入变量，包括社会经济学、人口统计学、生物标志物和初始呈现期间收集的医疗数据。

他们的目标是验证两个假设：在这个复杂的数据集中隐藏着少量临床概念，这些概念描述了个体患者的摄入特征和结果表型；而且从这些摄入特征中预测TBI结果表型的精确度还没有得到充分的认识。

这个数据集在医学和生物数据集中都是独一无二的，因为个体受试者的特征丰富多样。这可以识别出一开始可能认为不相关的模式和特征，然后为患者预后提供决策支持。

利用伯克利实验室计算科学领域的数据科学家开发的TRACK-TBI试点研究数据集和机器学习功能，该团队分析了在国家能源研究科学计算中心(NERSC)的Cori超级计算机上运行的数百次模拟，发现可以从提取数据中预测19种类型的结果。他们指出，精确度比目前的临床标准(目前仅限于轻度，中度和重度TBI)提高了六倍以上。

在个体水平上，他们发现患者之间总结果差异的36%可以预测——这是第一次在TBI中尝试这样的预测问题。他们还发现，描述TBI患者摄入特征和损伤后结果表型的复杂数据可以简化成医生易于理解的病理因素，从而为每个患者提供完整且可测量的描述。

有趣的是，这项研究还指出了患者的社会经济环境和他们的伤害之间的关系，这可能有助于解释他们的结果的多样性，Bouchard指出：“我们发现主要的环境调节因素之一是他们的社会经济背景。这成为他们摄入特征的一个区分因素，对于预测各种结果轨迹非常重要。”

独特的组合

合作者用于实现这些结果的机器学习方法代表了TBI研究中的“首创”：一种新的可解释机器学习算法，称为UoI-NMF，以及监督和无监督机器学习方法的结合。

Bouchard解释说:“我们为这个项目开发并应用了两个关键算法。首先是一种非负矩阵分解(NMF)的新算法，我们用它来将复杂数据提炼成整体因子；第二个是一种非参数机器学习方法，用于确定从摄入变量可以预测多少结果类别。”

在TBI研究中，了解有多少类型的患者结果，或表型存在是一个中心问题。伯克利实验室应用数学和计算研究部的数据工程师、《自然科学报告》论文的主要作者Tritt补充说，为了解决这个问题，该团队执行了无监督学习来聚类患者结果，并使用监督学习方法作为无监督过程的指南。这使他们能够解决“聚类”中的一些挑战，聚类是一种常用的统计方法，用于在大型数据集中识别相似的数据组。聚类使用一种无监督学习算法，根据变量的关联程度将它们组织成组。问题是，在运行模型之前，您不知道数据中存在多少集群。

“聚类是指你有一个数据集，你想确定其中有多少不同的东西，但你怎么知道呢?”Tritt说。“如果你没有确凿的事实，你怎么知道你已经确定了正确的数字?”

当一个聚类算法在一个数据集上运行时，目标是将数据集分成若干组。“当你试图区分和验证你发现的聚类数量时，这个过程有一些随机性，”Tritt补充说。为了解决聚类分析中可能出现的这些和其他随机效应，研究小组在Cori超级计算机上重复了数百次这个过程，然后查看结果的平均值，以确定最稳定的组，并进行不确定性量化。

“这就是我们的方法与众不同的地方。”他说，“监督方法被用来验证或评分无监督方法的结果，在无监督方法中，通常没有严格的方法来验证结果。我以前从未见过这种情况。”他补充说，在许多情况下，为同一生物实体收集不同的复杂数据集，这些数据集之间的关系仍然难以量化。“例如，研究环境微生物组数据与生态系统或大气数据之间的关系。在这种情况下，我认为作为该项目的一部分开发的方法直接适用于分析这些关系。”

除了Bouchard、Manley和Tritt，《自然科学报告》论文的共同作者还包括旧金山扎克伯格综合医院和创伤中心和加州大学旧金山分校的John Yue；加州大学旧金山分校扎克伯格旧金山综合医院和创伤中心以及旧金山退伍军人事务医疗保健系统的Adam Ferguson；加拿大滑铁卢大学的Abel Torres Espin;扎克伯格旧金山综合医院和创伤中心以及加州大学旧金山分校的Esther Yuh和Amy Markowitz;威斯康星医学院的Lindsay Nelson；以及TRACK-TBI调查员。

关于伯克利实验室

美国劳伦斯伯克利国家实验室成立于1931年，坚信最大的科学挑战最好由团队来解决，劳伦斯伯克利国家实验室及其科学家已经获得了16项诺贝尔奖。今天，伯克利实验室的研究人员开发可持续能源和环境解决方案，创造有用的新材料，推进计算前沿，探索生命、物质和宇宙的奥秘。来自世界各地的科学家依靠实验室的设备进行他们自己的科学发现。伯克利实验室是一个多程序的国家实验室，由加州大学为美国能源部科学办公室管理。