膠質(zhì)母細胞瘤是大腦或脊髓中的惡性腫瘤，通常出現在確診后不到5年。這5年可能是痛苦的——為了盡量減少腫瘤，醫生通常會(huì )開(kāi)出一種放射治療和藥物的組合，這些藥物會(huì )給病人帶來(lái)副作用，使病人虛弱。

現在，麻省理工學(xué)院媒體實(shí)驗室的研究人員已經(jīng)開(kāi)發(fā)出了人工智能（AI），它可以確定有效縮小膠質(zhì)母細胞瘤患者腫瘤所需的最低劑量。他們計劃在斯坦福大學(xué)2018年機器學(xué)習醫療會(huì )議上展示他們的研究成果。

雙管齊下

為了創(chuàng )造出一種可以確定膠質(zhì)母細胞瘤患者最佳藥物治療方案的人工智能，麻省理工學(xué)院的研究人員轉向了一種名為強化學(xué)習（RL）的訓練技術(shù)。

首先，他們建立了一個(gè)由50個(gè)模擬神經(jīng)膠質(zhì)母細胞瘤患者組成的測試小組，這些患者是基于之前接受過(guò)治療的大量數據。然后，他們要求他們的人工智能推薦幾種藥物，這些藥物通常用于治療temozolomide（TMZ）的膠質(zhì)母細胞瘤，并定期為每個(gè)病人（幾周或幾個(gè)月）注射丙卡嗪、洛姆斯汀和長(cháng)春新堿（PVC）。

在人工智能開(kāi)了一劑藥后，它會(huì )檢查一個(gè)計算機模型，該模型能夠預測一劑劑量是如何縮小腫瘤的。當人工智能規定了腫瘤縮小的劑量時(shí)，它得到了獎勵。然而，如果人工智能只是規定了最大劑量，它就會(huì )受到懲罰。

根據研究人員的說(shuō)法，這需要在目標和行為的后果之間找到平衡——在這種情況下，分別是腫瘤的減少和患者的生活質(zhì)量——在RL領(lǐng)域是獨一無(wú)二的。其他RL模型只是朝著(zhù)一個(gè)目標工作；例如，DeepMind的AlphaZero僅僅專(zhuān)注于贏(yíng)得一款游戲。

“如果我們想做的是減少平均腫瘤直徑，讓它采取任何它想要的行動(dòng)，它將不負責任地管理藥物，”首席研究員PratikShah告訴麻省理工學(xué)院新聞。“相反，我們說(shuō)，我們需要減少為達到這一結果所采取的有害行動(dòng)。”

個(gè)人測試

人工智能為每個(gè)模擬病人進(jìn)行了大約2萬(wàn)次測試，以完成其訓練。接下來(lái)，研究人員在一組50名新的模擬病人身上測試了人工智能，發(fā)現它可以同時(shí)降低劑量和頻率，同時(shí)還能減少腫瘤的大小。它還可以考慮到每個(gè)病人的具體信息，比如腫瘤大小、病史和生物標記。

我們問(wèn)“模型”：“你必須給所有的病人服用同樣的劑量嗎？”它說(shuō)：“沒(méi)有。我可以給這個(gè)人四分之一的劑量，一半給這個(gè)人，也許我們會(huì )為這個(gè)人跳過(guò)一劑。”沙阿說(shuō)。“這是這項工作中最令人興奮的部分，我們可以通過(guò)使用非正統的機器學(xué)習架構來(lái)進(jìn)行一個(gè)人的試驗，從而產(chǎn)生精確的藥物治療。”

人工智能仍需經(jīng)過(guò)美國食品和藥物管理局（FDA）的進(jìn)一步檢測和審查，才能讓醫生付諸實(shí)施。但如果它通過(guò)了這些測試，它最終可能會(huì )幫助患有膠質(zhì)母細胞瘤的人攻擊他們的腦部腫瘤，而不會(huì )給他們帶來(lái)更多的痛苦。