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。除了癌癥手術外，患者還經(jīng)常接受放射治療、藥物治療或兩者兼而有之。

藥物可以聯(lián)合使用，不同的藥物作用于不同的癌細胞。聯(lián)合藥物療法通?？梢蕴岣咧委熜Ч⑶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。在一種新的機器學習方法的幫助下，人們可以確定最佳組合，以選擇性地殺死具有特定遺傳或功能構成的癌細胞。

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，可以準確預測不同抗癌藥物的組合如何殺死各種類型的癌細胞。新的 AI 模型使用從先前研究中獲得的大量數(shù)據(jù)進行訓練，這些數(shù)據(jù)調(diào)查了藥物與癌細胞之間的關聯(lián)。“機器學習的模型實際上是學校數(shù)學中熟悉的多項式函數(shù)，但非常復雜，” 阿爾托大學的Juho Rousu教授說 。

研究結果發(fā)表在 著名的《自然通訊》雜志 上， 表明該模型發(fā)現(xiàn)了以前未觀察到的藥物與癌細胞之間的關聯(lián)。'該模型給出了非常準確的結果。例如，在我們的實驗中，所謂的相關系數(shù)值超過 0.9，這表明可靠性非常好，”Rousu 教授說。在實驗測量中，0.8-0.9 的相關系數(shù)被認為是可靠的。

該模型準確地預測了當藥物組合對特定癌細胞的影響之前尚未測試過時，該藥物組合如何選擇性地抑制特定癌細胞。赫爾辛基大學芬蘭分子醫(yī)學研究所 (FIMM) 的研究員 Tero Aittokallio 說：“這將有助于癌癥研究人員從數(shù)千種選擇中優(yōu)先選擇哪些藥物組合進行進一步研究。”

相同的機器學習方法可用于非癌癥疾病。在這種情況下，必須使用與該疾病相關的數(shù)據(jù)重新教授模型。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

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！