麻省理工学院的研究人员正在使用新的机器学习技术，通过减少对恶性胶质母细胞瘤（脑癌中最严重的一种）的放射性化疗剂量，来改善患者的治疗。
胶质母细胞瘤是一种出现在大脑或脊髓中的恶性肿瘤，成人在患有该病不超过五年，病人必须忍受辐射治疗和每月服用多种药物的联合治疗。医学专业人员通常使用最大安全剂量的药物来尽可能缩小肿瘤。但是这些强效药物仍然会对病人造成一定的伤害性副作用。
在下周于斯坦福大学召开的2018年医疗健康机器学习大会上发表的一篇论文中，麻省理工学院（MIT）媒体实验室（MIT Media Lab）的研究人员详细介绍了一种模型，这种模型可以使用药方案的方法使化疗的伤害降低，并且不影响治疗效果。在“自我学习”机器学习技术的推动下，该模型着眼于目前正在使用的治疗方案，并反复调整剂量。最终，它找到了一种最佳治疗方案，尽可能降低剂量的效力和频率，使肿瘤的大小仍能降低到与传统治疗方案相当的程度。
在对50名患者的模拟试验中，机器学习模型制定了治疗周期，将效力降低到几乎所有剂量的四分之一或一半，同时保持同样的肿瘤缩小。而很多时候，是完全忽略了剂量的，并且每年只安排两次，而不是每月一次。
该机器学习技术的目标就是帮助病人减少肿瘤的大小，但同时，确保对病人的化疗伤害性降到最低。
分享到:
閱讀更多 上海佰質儀器儀表 的文章
