多算法方法有助于为癌症患者提供个性化医疗

今天，研究科学家和工程师所取得的机器学习、人工智能和算法进步正在通过预测的力量推动更有针对性的医学治疗。快速分析大量复杂数据的能力使临床医生更接近于为患者提供个性化治疗，旨在通过更主动、个性化的医疗和护理创造更好的结果。

“在医学上，我们需要能够作出预测，说：”约翰·麦克唐纳教授在生物科学学院和导演的综合癌症研究中心在佩蒂特学院生物工程与生物在佐治亚技术研究所。他解释说，一种方法是了解原因并反映关系，就像癌症患者对药物的反应一样。另一种方式是通过相关性。

“在分析癌症生物学中的复杂数据集时，我们可以使用机器学习，这只是一种寻找相关性的复杂方法。优点是计算机可以在极其庞大和复杂的数据集中寻找这些相关性。”

现在，麦当劳的团队和卵巢癌研究所正在使用基于集成的机器学习算法，以高精度预测患者对抗癌药物的反应。该结果他们最近的工作已经发表在肿瘤学杂志的研究。

在这项研究中，McDonald 和他的同事使用来自国家癌症研究所提供的 499 个独立细胞系的数据，为 15 种不同的癌症类型开发了基于机器学习的预测模型。然后针对包含 7 种化疗药物的临床数据集对这些模型进行了验证，这些药物可以单独或联合给药，用于 23 名卵巢癌患者。研究人员发现整体预测准确率为 91%。

“虽然需要对更多类型的癌症患者进行额外的验证，”McDonald 指出，“我们初步发现卵巢癌患者药物反应预测的准确率为 90%，这非常有希望，给了我希望能够准确预测针对个体患者的最佳癌症药物治疗的日子即将到来。”

该研究是与亚特兰大卵巢癌研究所 (OCI) 合作进行的，McDonald 担任该研究所的首席研究官。其他作者是医学博士Benedict Benigno(OCI 创始人兼首席执行官，以及一位妇产科医生、外科医生和肿瘤科医生);Nick Housley，麦当劳佐治亚理工实验室的博士后研究员;以及该论文的主要作者 Jai Lanka，他是 OCI 的实习生。

预测癌症治疗的挑战

麦克唐纳说，癌症的复杂性质使其在预测药物反应方面成为一个具有挑战性的问题。患有相同类型癌症的患者通常会对相同的治疗产生不同的反应。

“部分问题在于癌细胞是一个高度整合的通路网络，在临床上表现出相同特征的患者肿瘤可能在分子水平上大不相同，”他解释说。

个性化癌症医学的一个主要目标是根据个体患者肿瘤的基因组谱准确预测对药物治疗的可能反应。

“在我们的方法中，我们利用一系列机器学习方法来构建预测算法——基于癌细胞系或患者肿瘤的基因表达谱与先前观察到的反应之间的相关性——对各种抗癌药物。未来的目标是可以将肿瘤活检的基因表达谱输入算法，并且可以高精度预测患者对不同药物疗法的可能反应，”McDonald 说。

机器学习已经应用于来自肿瘤活检基因组谱的数据，但在研究人员开展工作之前，这些方法通常涉及单一算法方法。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！