膠質母細胞瘤是一種常見的惡性腦瘤，常見療法是先盡可能地切除腫瘤，再采取放療和化療延長壽命，同時還需服用多種藥物。為盡量縮小腫瘤，醫生一般會在安全劑量范圍內給患者開出最大劑量的藥物，但由于藥性強，這些藥物往往會給患者帶來一些毒副作用。
美國麻省理工學院研究人員新開發出的這種人工智能模型，能通過學習現有給藥方案來反復調整劑量，在縮小腫瘤的同時找到盡可能最小的給藥劑量和頻率，最終發現最佳治療方案。
機器學習模型以50名膠質母細胞瘤患者的情況為基礎訓練數據，模擬開展了每名患者約2萬次的給藥試驗。訓練結束后，機器學習模型掌握了最佳給藥方案參數。當向系統提供新患者的數據時，機器學習模型就能根據這些參數以及患者的個體條件來設計新的給藥方案。結果發現，人工智能模型設計出的方案，針對不同患者，可將給藥劑量減少四分之一或近一半;有時甚至不給某些藥物，腫瘤縮小的程度能達到與傳統方案相當的水平。
研究人員表示，他們希望在幫助病人縮小腫瘤的同時，能夠保證患者的生活質量。此外，這種機器學習模型的體系結構還有助于發展精準醫療。有關這一人工智能系統的研究論文將在“2018醫療保健領域機器學習”大會上發布，大會將在8月17日至18日在美國斯坦福大學舉行。
京公網安備 11010502049343號