MIT确保癌症患者获得足够治疗的AI

胶质母细胞瘤是大脑或脊髓中的恶性肿瘤，通常出现在确诊后不到5年。这5年可能是痛苦的——为了尽量减少肿瘤，医生通常会开出一种放射治疗和药物的组合，这些药物会给病人带来副作用，使病人虚弱。

现在，麻省理工学院媒体实验室的研究人员已经开发出了人工智能（AI），它可以确定有效缩小胶质母细胞瘤患者肿瘤所需的最低剂量。他们计划在斯坦福大学2018年机器学习医疗会议上展示他们的研究成果。

双管齐下

为了创造出一种可以确定胶质母细胞瘤患者最佳药物治疗方案的人工智能，麻省理工学院的研究人员转向了一种名为强化学习（RL）的训练技术。

首先，他们建立了一个由50个模拟神经胶质母细胞瘤患者组成的测试小组，这些患者是基于之前接受过治疗的大量数据。然后，他们要求他们的人工智能推荐几种药物，这些药物通常用于治疗temozolomide（TMZ）的胶质母细胞瘤，并定期为每个病人（几周或几个月）注射丙卡嗪、洛姆斯汀和长春新碱（PVC）。

在人工智能开了一剂药后，它会检查一个计算机模型，该模型能够预测一剂剂量是如何缩小肿瘤的。当人工智能规定了肿瘤缩小的剂量时，它得到了奖励。然而，如果人工智能只是规定了最大剂量，它就会受到惩罚。

根据研究人员的说法，这需要在目标和行为的后果之间找到平衡——在这种情况下，分别是肿瘤的减少和患者的生活质量——在RL领域是独一无二的。其他RL模型只是朝着一个目标工作；例如，DeepMind的AlphaZero仅仅专注于赢得一款游戏。

“如果我们想做的是减少平均肿瘤直径，让它采取任何它想要的行动，它将不负责任地管理药物，”首席研究员PratikShah告诉麻省理工学院新闻。“相反，我们说，我们需要减少为达到这一结果所采取的有害行动。”

个人测试

人工智能为每个模拟病人进行了大约2万次测试，以完成其训练。接下来，研究人员在一组50名新的模拟病人身上测试了人工智能，发现它可以同时降低剂量和频率，同时还能减少肿瘤的大小。它还可以考虑到每个病人的具体信息，比如肿瘤大小、病史和生物标记。

我们问“模型”：“你必须给所有的病人服用同样的剂量吗？”它说：“没有。我可以给这个人四分之一的剂量，一半给这个人，也许我们会为这个人跳过一剂。”沙阿说。“这是这项工作中最令人兴奋的部分，我们可以通过使用非正统的机器学习架构来进行一个人的试验，从而产生精确的药物治疗。”

人工智能仍需经过美国食品和药物管理局（FDA）的进一步检测和审查，才能让医生付诸实施。但如果它通过了这些测试，它最终可能会帮助患有胶质母细胞瘤的人攻击他们的脑部肿瘤，而不会给他们带来更多的痛苦。