多算法方法可為癌癥患者提供個性醫療

現今，科學家和工程師所取得的機器學習、人工智能和算法進步，正在通過預測的力量推動更有針對性的醫學治療。快速分析大量復雜數據的能力，使臨床醫生更接近于為患者提供個性化治療，旨在通過更主動、個性化的醫療和護理創造更好的結果。

“在醫學方面，我們需要能夠做出預測，”喬治亞理工學院生物科學學院教授兼佩蒂特生物工程與生物科學研究所綜合癌癥研究中心主任約翰·F·麥克唐納說。他解釋說，一種方法是了解原因并反映關系，就像癌癥患者對藥物的反應一樣。

另一種方式是通過相關性，“在分析癌癥生物學中的復雜數據集時，我們可以使用機器學習，這只是一種尋找相關性的復雜方法。優點是計算機可以在極其龐大和復雜的數據集中尋找這些相關性。”

現在，有卵巢癌研究所正在使用基于集成的機器學習算法，以高精度預測患者對抗癌藥物的反應。他們最近的工作結果發表在《腫瘤學研究雜志》上。  

在這項研究中，McDonald 和他的同事使用來自國家癌癥研究所提供的 499 個獨立細胞系的數據，為 15 種不同的癌癥類型開發了基于機器學習的預測模型。然后，針對包含 7 種化療藥物的臨床數據集對這些模型進行了驗證，這些藥物可以單獨或聯合給藥，用于 23 名卵巢癌患者，研究人員發現整體預測準確率為 91%。

“雖然需要對更多類型的癌癥患者進行額外的驗證，”McDonald 指出，“我們初步發現卵巢癌患者藥物反應預測的準確率為 90%，這是非常有希望的，給了我希望能夠準確預測針對個體患者的癌癥藥物治療的日子即將到來。”