新的研究表明，ML模型可以更快地检测ALS

科学家们已经开发出能够预测肌萎缩侧索硬化症 (ALS) 或 Lou Gehrig 病进展的深度学习模型。

位于意大利的研究人员的工作发现，卷积神经网络更适合 ALS 的早期诊断。检测越早，患者的结果就越好，因为随着时间的推移，ALS 患者的肌肉会逐渐恶化，因此很难检测到

发表在《科学报告》上的研究结果使用神经网络来模拟大脑中的神经细胞如何处理信息。评估了三种类型的神经网络：前馈、循环和卷积。

科学家们使用汇集资源开放存取 ALS 临床试验 (PRO-ACT) 数据库构建模型，该数据库是 10,000 多名患者纵向数据的最大公共存储库之一。

超过 250 个临床和人口统计变量被纳入神经网络，以预测患者的预后。

神经网络模型与两种已建立的机器学习算法的结果进行了比较：贝叶斯加性回归树 (BART) 和随机森林回归器 (RF)。

研究人员使用 ALSFRS 标准来确定疾病进展，发现神经网络模型的误差范围较小，但与 BART 相比准确性较低。卷积神经网络模型显示出最好的结果。

所有模型都表明，早期诊断是患者预后的最佳预测指标。此外，这些模型可以将患者分为“中慢进展者”和“快速进展者”。

“中慢进展者”表现出更好的患者预后，但模型无法准确预测生存结果。

“虽然深度学习 [神经网络] 模型的性能与最先进的模型相当，但它们并没有提供决定性的优势，”研究人员说。