AI預測哪些藥物組合可以殺死癌細胞
當醫(yī)療保健專業(yè)人員治療患有晚期癌癥的患者時，他們通常需要使用不同療法的組合。除癌癥手術外，患者通常還接受放射治療，藥物治療或兩者兼有。
藥物可以與作用于不同癌細胞的不同藥物聯(lián)合使用。組合藥物療法通?？梢蕴岣咧委熜Ч⑶胰绻梢詼p少單個藥物的劑量，則可以減少有害的副作用。然而，藥物組合的實驗篩選非常緩慢且昂貴，因此常常無法發(fā)現(xiàn)組合療法的全部益處。借助一種新的機器學習方法，人們可以找到最佳組合，以選擇性殺死具有特定遺傳或功能組成的癌細胞。
阿爾托大學，赫爾辛基大學和芬蘭圖爾庫大學的研究人員開發(fā)了一種機器學習模型，該模型可以準確預測不同癌癥藥物的組合如何殺死各種類型的癌細胞。新的AI模型使用從先前的研究中獲得的大量數(shù)據(jù)進行了訓練，這些數(shù)據(jù)研究了藥物與癌細胞之間的關系。 阿爾托大學的Juho Rousu教授說：“通過機器學習的模型實際上是學校數(shù)學所熟悉的多項式函數(shù)，但它是一個非常復雜的函數(shù) 。”
該研究結(jié)果發(fā)表在 著名的《自然通訊》雜志 上， 表明該模型發(fā)現(xiàn)了藥物與癌細胞之間的關聯(lián)，而以前從未觀察到這種關聯(lián)。'該模型給出了非常準確的結(jié)果。例如，在我們的實驗中，所謂的相關系數(shù)值大于0.9，這表明了極好的可靠性。'' 在實驗測量中，相關系數(shù)0.8-0.9被認為是可靠的。
該模型可以準確地預測藥物組合對特定類型癌細胞的選擇性抑制作用，前提是該藥物組合對該類型癌癥的作用尚未經(jīng)過測試。赫爾辛基大學分子醫(yī)學研究所(FIMM)的研究員Tero Aittokallio說：“這將幫助癌癥研究人員確定從數(shù)千種選擇中選擇哪種藥物進行進一步研究的優(yōu)先次序。”
相同的機器學習方法可以用于非癌性疾病。在這種情況下，該模型將不得不重新學習與該疾病有關的數(shù)據(jù)。例如，該模型可用于研究不同的抗生素組合如何影響細菌感染，或不同的藥物組合如何有效殺死已被SARS-Cov-2感染的細胞。
標簽：