麻省理工學院的研究人員正在使用新的機器學習技術，通過減少對惡性膠質母細胞瘤（腦癌中最嚴重的一種）的放射性化療劑量，來改善患者的治療。
膠質母細胞瘤是一種出現在大腦或脊髓中的惡性腫瘤，成人在患有該病不超過五年，病人必須忍受輻射治療和每月服用多種藥物的聯合治療。醫學專業人員通常使用最大安全劑量的藥物來儘可能縮小腫瘤。但是這些強效藥物仍然會對病人造成一定的傷害性副作用。
在下週於斯坦福大學召開的2018年醫療健康機器學習大會上發表的一篇論文中，麻省理工學院（MIT）媒體實驗室（MIT Media Lab）的研究人員詳細介紹了一種模型，這種模型可以使用藥方案的方法使化療的傷害降低，並且不影響治療效果。在“自我學習”機器學習技術的推動下，該模型著眼於目前正在使用的治療方案，並反覆調整劑量。最終，它找到了一種最佳治療方案，儘可能降低劑量的效力和頻率，使腫瘤的大小仍能降低到與傳統治療方案相當的程度。
在對50名患者的模擬試驗中，機器學習模型制定了治療週期，將效力降低到幾乎所有劑量的四分之一或一半，同時保持同樣的腫瘤縮小。而很多時候，是完全忽略了劑量的，並且每年只安排兩次，而不是每月一次。
該機器學習技術的目標就是幫助病人減少腫瘤的大小，但同時，確保對病人的化療傷害性降到最低。
分享到:
閱讀更多 上海佰質儀器儀表 的文章
