芮法娟,薛 旗,刘翠红,郭朝阳,杨红丽,刘传礼,徐琊芸,任万华,秦成勇,李 婕,

1 山东第一医科大学附属省立医院 a.感染性疾病科，b.超声诊疗科，济南 250021；2 山东大学附属省立医院 感染性疾病科，济南 250021

据世界卫生组织(WHO)估计，全世界每年约有2.57亿人患慢性乙型肝炎(CHB)，约有88.7万人死于HBV感染引起的肝衰竭、肝硬化(LC)和肝细胞癌(HCC)[1]。患者一旦进展为包括肝衰竭和HCC在内的终末期肝病，预后极差，病死率明显增加。因此，寻求更加准确的疾病临床转归预测方法是提高终末期肝病救治率的关键所在。机器学习(machine learning,ML)是提高临床决策能力的有力工具，它可以从大的、复杂的数据集中检测出难以识别的模式，从而实现精确可靠的预测[2-3]。本文就ML在HBV相关肝病中的应用作一综述，并展望其应用前景。

1 ML概述

ML是人工智能的一个领域，涉及到创建自动学习系统。算法通过输入的数据进行自动学习，在可接受的精确度范围内预测输出值，确定数据中的模式和趋势，即通过自主“学习”来理解识别复杂模式，而不需要人为干预[4-5]。根据处理的数据是否需要人为标记将ML技术分为有监督学习、无监督学习和半监督学习三类[6]。有监督学习技术解决的问题分为输入变量映射为连续输出函数的回归问题和输入变量映射为离散类别的分类问题，是应用最广泛、效果最好的方法[7]。ML的常见算法有：支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、逻辑回归(logistic regression,LR)、朴素贝叶斯(Naïve Bayes,NB)、决策树(decision tree,DT)、K-近邻(K nearest neighbor,KNN)、多层神经网络 (multilayer perceptron,MLP)[8-9]。各个算法的主要特点见表1。

2 ML在CHB中的应用

Khan等[16]采用拉曼光谱结合模式技术研究119例不同年龄、不同性别的HBV感染者的血清样本。……