多算法方法有助于為癌癥患者提供個性化醫(yī)療

今天，研究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(yī)學治療?？焖俜治龃罅繌碗s數(shù)據的能力使臨床醫(yī)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(yī)療和護理創(chuàng)造更好的結果。

“在醫(yī)學上，我們需要能夠作出預測，說：”約翰·麥克唐納教授在生物科學學院和導演的綜合癌癥研究中心在佩蒂特學院生物工程與生物在佐治亞技術研究所。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(shù)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(yōu)點是計算機可以在極其龐大和復雜的數(shù)據集中尋找這些相關性。”

現(xiàn)在，麥當勞的團隊和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。該結果他們最近的工作已經發(fā)表在腫瘤學雜志的研究。

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(shù)據，為 15 種不同的癌癥類型開發(fā)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(shù)據集對這些模型進行了驗證，這些藥物可以單獨或聯(lián)合給藥，用于 23 名卵巢癌患者。研究人員發(fā)現(xiàn)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(fā)現(xiàn)卵巢癌患者藥物反應預測的準確率為 90%，這非常有希望，給了我希望能夠準確預測針對個體患者的最佳癌癥藥物治療的日子即將到來。”

該研究是與亞特蘭大卵巢癌研究所 (OCI) 合作進行的，McDonald 擔任該研究所的首席研究官。其他作者是醫(yī)學博士Benedict Benigno(OCI 創(chuàng)始人兼首席執(zhí)行官，以及一位婦產科醫(yī)生、外科醫(yī)生和腫瘤科醫(yī)生);Nick Housley，麥當勞佐治亞理工實驗室的博士后研究員;以及該論文的主要作者 Jai Lanka，他是 OCI 的實習生。

預測癌癥治療的挑戰(zhàn)

麥克唐納說，癌癥的復雜性質使其在預測藥物反應方面成為一個具有挑戰(zhàn)性的問題?；加邢嗤愋桶┌Y的患者通常會對相同的治療產生不同的反應。

“部分問題在于癌細胞是一個高度整合的通路網絡，在臨床上表現(xiàn)出相同特征的患者腫瘤可能在分子水平上大不相同，”他解釋說。

個性化癌癥醫(yī)學的一個主要目標是根據個體患者腫瘤的基因組譜準確預測對藥物治療的可能反應。

“在我們的方法中，我們利用一系列機器學習方法來構建預測算法——基于癌細胞系或患者腫瘤的基因表達譜與先前觀察到的反應之間的相關性——對各種抗癌藥物。未來的目標是可以將腫瘤活檢的基因表達譜輸入算法，并且可以高精度預測患者對不同藥物療法的可能反應，”McDonald 說。

機器學習已經應用于來自腫瘤活檢基因組譜的數(shù)據，但在研究人員開展工作之前，這些方法通常涉及單一算法方法。

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