今天，研究科學(xué)家和工程師所取得的機器學(xué)習(xí)、人工智能和算法進步正在通過預(yù)測的力量推動更有針對性的醫(yī)學(xué)治療?？焖俜治龃罅繌?fù)雜數(shù)據(jù)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(jié)果。
“在醫(yī)學(xué)上，我們需要能夠作出預(yù)測，說：”約翰·麥克唐納教授在生物科學(xué)學(xué)院和導(dǎo)演的綜合癌癥研究中心在佩蒂特學(xué)院生物工程與生物在佐治亞技術(shù)研究所。他解釋說，一種方法是了解原因并反映關(guān)系，就像癌癥患者對藥物的反應(yīng)一樣。另一種方式是通過相關(guān)性。
“在分析癌癥生物學(xué)中的復(fù)雜數(shù)據(jù)集時，我們可以使用機器學(xué)習(xí)，這只是一種尋找相關(guān)性的復(fù)雜方法。優(yōu)點是計算機可以在極其龐大和復(fù)雜的數(shù)據(jù)集中尋找這些相關(guān)性。”
現(xiàn)在，麥當(dāng)勞的團隊和卵巢癌研究所正在使用基于集成的機器學(xué)習(xí)算法，以高精度預(yù)測患者對抗癌藥物的反應(yīng)。該結(jié)果他們最近的工作已經(jīng)發(fā)表在腫瘤學(xué)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(xì)胞系的數(shù)據(jù)，為 15 種不同的癌癥類型開發(fā)了基于機器學(xué)習(xí)的預(yù)測模型。然后針對包含 7 種化療藥物的臨床數(shù)據(jù)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(yù)測準(zhǔn)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(yīng)預(yù)測的準(zhǔn)確率為 90%，這非常有希望，給了我希望能夠準(zhǔn)確預(yù)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(dān)任該研究所的首席研究官。其他作者是醫(yī)學(xué)博士Benedict Benigno(OCI 創(chuàng)始人兼首席執(zhí)行官，以及一位婦產(chǎn)科醫(yī)生、外科醫(yī)生和腫瘤科醫(yī)生);Nick Housley，麥當(dāng)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(xí)生。
預(yù)測癌癥治療的挑戰(zhàn)
麥克唐納說，癌癥的復(fù)雜性質(zhì)使其在預(yù)測藥物反應(yīng)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(chǎn)生不同的反應(yīng)。
“部分問題在于癌細(xì)胞是一個高度整合的通路網(wǎng)絡(luò)，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(xué)的一個主要目標(biāo)是根據(jù)個體患者腫瘤的基因組譜準(zhǔn)確預(yù)測對藥物治療的可能反應(yīng)。
“在我們的方法中，我們利用一系列機器學(xué)習(xí)方法來構(gòu)建預(yù)測算法——基于癌細(xì)胞系或患者腫瘤的基因表達譜與先前觀察到的反應(yīng)之間的相關(guān)性——對各種抗癌藥物。未來的目標(biāo)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(yù)測患者對不同藥物療法的可能反應(yīng)，”McDonald 說。
機器學(xué)習(xí)已經(jīng)應(yīng)用于來自腫瘤活檢基因組譜的數(shù)據(jù)，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。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場無關(guān)。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險自擔(dān)。 如有侵權(quán)請聯(lián)系刪除！