科技日報記者 劉霞
美國萊斯大學(xué)研究團隊開發(fā)出一種新的機器學(xué)習(xí)算法——峰值敏感彈性網(wǎng)絡(luò)邏輯回歸（PSE-LR）。該算法擅長解釋分子、材料和疾病生物標(biāo)志物的獨特光學(xué)特征，有助實現(xiàn)更快、更精確的醫(yī)學(xué)診斷和樣本分析。相關(guān)論文發(fā)表于新一期《納米》雜志。
研究團隊表示，這項技術(shù)的核心突破在于教會計算機識別分子或材料等與光相互作用產(chǎn)生的獨特“指紋”。借助這一技術(shù)，未來只要將光照射在一滴液體或組織樣本上，醫(yī)生們或許就能捕捉到阿爾茨海默病的早期信號。
PSE-LR不僅擁有“明辨秋毫”的識別能力，更具備“開誠布公”的可解釋性。與其他“黑箱”式機器學(xué)習(xí)模型不同，它能生成清晰的“特征重要性圖譜”，精確突出關(guān)鍵光譜區(qū)段，使診斷結(jié)果可靠、可解釋和可溯源，且便于驗證。
PSE-LR與其他機器學(xué)習(xí)模型進(jìn)行比較，結(jié)果顯示其性能更勝一籌，特別是在識別微妙或重疊的光譜特征方面。此外，在隨后的系列驗證實驗中，該算法的表現(xiàn)也可圈可點，包括成功檢測出液體中新冠病毒刺突蛋白的痕量存在、精準(zhǔn)識別小鼠腦組織內(nèi)的神經(jīng)保護成分、有效區(qū)分阿爾茨海默病樣本的細(xì)微光譜差異，以及鑒別出二維半導(dǎo)體材料的獨特光學(xué)特征等。
