「智慧型演化演算法」免專用硬體也能建構最佳化生醫數據預測模型

解析▪新創技術

2022-06-09

上一則

下一則

返回列表

｜

陽明交大生物資訊所何信瑩教授首創「智慧型演化演算法」（Intelligent Evolutionary Algorithm），有別於傳統隨機組合，該演算法以系統推理方式產生子代並建構出最佳化數學建模，進而衍生出生醫演化學習平台，可將欲解決的大量參數切成小部份，快速找出最佳基因片段組合，且只需一台筆電就能做運算，大幅降低硬體限制...

陽明交大生物資訊所教授何信瑩以演化演算法（Evolutionary Algorithm）中最著名也最廣為使用的基因演算法（GA, Genetic Algorithm，又稱「遺傳演算法」）為基礎，成功首創「智慧型演化演算法」（Intelligent Evolutionary Algorithm）並於2004年首次發表論文且迄今累積超過60篇，獲得高度引用迴響。其原理是以分治法（divide-and-conquer）策略將待最佳化的N個大量參數分割成多個群組，解決後再加以組合，並以演化方式迭代進而收斂到近乎全域最佳解，則搜尋時間可由O（2N）降低為O（N）。

跳脫傳統隨機組合系統推理產出最佳組合

智慧型演化演算法有別於傳統隨機組合的方式，是以系統推理方式產生子代，解決大量參數最佳化問題，可於生醫、農業、金融、製造等各領域進行最佳化數學建模，自動產出最佳化答案。何信瑩以電影《超時空戰警》為例，解釋系統推理就像是超時空的戰警，是以父母代的最佳基因片段組合而生成。

※何信瑩成功首創「智慧型演化演算法」迄今累積超過60篇論文，獲得高度引用迴響。(照片來源：何信瑩)

整合北榮病例生醫演化學習平台助肝癌診療

關於生醫大數據領域的應用，何信瑩提到傳統的生醫統計方法重視因果關係的推演，難以達到最佳化的數學建模，因此他以其演算法建置出的最佳化數學建模作為核心模組，研發出「生醫演化學習平台」，可高效通適化地建立各種生醫數據的可解讀預測模型，包括生醫影像、臨床數據和基因表達譜等各類型生醫訊號和數據。何信瑩以此平台為基礎，與臺北榮總黃怡翔主任的肝癌研究團隊共同開發出「肝癌診療決策支援系統」，即為其演化學習技術的生醫應用成果之一。

演化演算法解決三大問題快速攫出基因片段最佳化組合

何信瑩進一步指出，若是透過傳統演算方式尋找生物標記特徵圖譜（signature），必須在大量參數中同時調整模型參數，會是相當大的工程，而智慧型演化演算法可於一回程式中自大量候選特徵（n）自行算出或辨識出一組最佳且最小集合的m個生物標記/疾病危險因子（m值事先未知）成為特徵圖譜；也就是說，這項演算法是將要解決的大量參數切成小部份的基因片段，再以最有效率方式找出最佳的基因片段組合。「這項演算技術能有效解決生醫大數據在數學建模和預測所面臨的三個問題：樣本高維度、標記不確定性以及不唯一解的欠定（Underdetermined）問題。」何信瑩說。

免專用硬體一台筆電就能運作AI演化學習

何信瑩也提到，在申請政府補助計畫時，曾多次被質疑他的演算法並非人工智慧，因此他特別解釋智慧型演化演算法（或稱演化學習）的AI特質是，與深度學習一樣是在進行特徵工程並學習擷取有用的特徵來建立模型，而深度學習有許多層神經網絡，須透過專門硬體計算，演化學習雖只有一層，但會不斷迭代演化來學習特徵和最佳模型參數，就類似深度學習的多層概念，而演化學習只需透過一般CPU電腦（例如筆記型電腦）就可輕易達到數千或數萬代演化，可應用於類神經網路、支援向量機和邏輯斯迴歸等各種模型，目前團隊也持續在應用上加深加廣，並與其他模型進行搭配，強化演算功能。