王芳，颜金花

(1．南昌大学，南昌 330008； 2．南昌市第一医院血液科，南昌 330008)

人工智能概念于1956年首次提出，是研究、开发用于模拟、延伸和扩展人智能的理论、方法、技术及应用系统的一门新技术科学。机器学习是人工智能的一个子领域，专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之性能不断完善。机器学习试图通过计算，从复杂的数据结构中提取出有意义的结果。近年来人工智能及医学均得到快速发展，增强人工智能及人工智能工具在医学领域的应用会极大促进医学的发展。显微图像数字化的出现，为白血病病理诊断提供了新的更为便捷的方式[1]。随后由深度学习算法开启的新一波人工智能的发展极大地促进了大数据分析技术的进展，构建了大量机器学习算法模型，并将其与血液系统相关疾病的诊断、治疗及预后判断等相结合，得出许多有意义的成果，证实其在疾病诊断、治疗方案选择及疗效预测等方面应用的优势。目前，机器学习在血液学方面的应用正在稳步增加。然而，临床医师和研究人员对机器学习相关概念的了解相对匮乏。现从机器学习的学习类型、工作原理及其在白血病诊断、治疗及预后判断方面的相关研究进展进行综述。

1 机器学习的学习类型及工作原理

1.1机器学习的学习类型 机器学习的学习类型大致分为3种：监督学习、非监督学习和强化学习[1-2]。监督学习可对已知结果进行预测，通过在包含特征(变量)和标签(结果或感兴趣的类别)的数据集上进行模型训练，能得到一个函数，将特征映射到标签，然后使用该函数来预测新的未标记数据的标签。……