人工智能模型从患者数据中“学习”

人工智能模型从患者数据中“学习”_降低化疗对患者的伤害

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:


相關文章: