膠質(zhì)母細胞瘤是大腦或脊髓中的惡性腫瘤，通常出現(xiàn)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(yī)生通常會開出一種放射治療和藥物的組合，這些藥物會給病人帶來副作用，使病人虛弱。

現(xiàn)在，麻省理工學(xué)院媒體實驗室的研究人員已經(jīng)開發(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(xí)醫(yī)療會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(zhuǎn)向了一種名為強化學(xué)習(xí)（RL）的訓(xùn)練技術(shù)。

首先，他們建立了一個由50個模擬神經(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治療的大量數(shù)據(jù)。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，并定期為每個病人（幾周或幾個月）注射丙卡嗪、洛姆斯汀和長春新堿（PVC）。

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

根據(jù)研究人員的說法，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)域是獨一無二的。其他RL模型只是朝著一個目標工作；例如，DeepMind的AlphaZero僅僅專注于贏得一款游戲。

“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，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，我們需要減少為達到這一結(jié)果所采取的有害行動。”

個人測試

人工智能為每個模擬病人進行了大約2萬次測試，以完成其訓(xùn)練。接下來，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(xiàn)它可以同時降低劑量和頻率，同時還能減少腫瘤的大小。它還可以考慮到每個病人的具體信息，比如腫瘤大小、病史和生物標記。

我們問“模型”：“你必須給所有的病人服用同樣的劑量嗎？”它說：“沒有。我可以給這個人四分之一的劑量，一半給這個人，也許我們會為這個人跳過一劑。”沙阿說。“這是這項工作中最令人興奮的部分，我們可以通過使用非正統(tǒng)的機器學(xué)習(xí)架構(gòu)來進行一個人的試驗，從而產(chǎn)生精確的藥物治療。”

人工智能仍需經(jīng)過美國食品和藥物管理局（FDA）的進一步檢測和審查，才能讓醫(yī)生付諸實施。但如果它通過了這些測試，它最終可能會幫助患有膠質(zhì)母細胞瘤的人攻擊他們的腦部腫瘤，而不會給他們帶來更多的痛苦。