Исследователи из Университета Оксфорда создали алгоритм машинного обучения, который использует данные об образцах тканей пациентов с раком, чтобы предсказать, как они будут реагировать на различные типы лечения. Алгоритм учитывает множество факторов, включая генетические мутации, белки, связанные с раком, и другие факторы, которые могут влиять на эффективность лечения.
Тестирование алгоритма на образцах тканей пациентов с метастатическим раком показало, что он может предсказывать эффективность лечения с точностью более 80%. Это может помочь врачам определить наиболее эффективное лечение для каждого пациента и уменьшить количество ненужных процедур и побочных эффектов.
Исследование было опубликовано в журнале Nature Communications. Авторы отмечают, что их алгоритм может быть доработан и использован для предсказания эффективности лечения других типов рака.
Данное исследование описывает алгоритм машинного обучения, который использует данные о генетических мутациях и белках, связанных с раком, для предсказания эффективности лечения рака. Исследователи использовали образцы тканей пациентов с метастатическим раком, которые получили лечение иммунотерапией или химиотерапией.
Алгоритм использовал данные о генетических мутациях, которые могут быть связаны с повышенной чувствительностью к иммунотерапии, а также данные о белках, связанных с раком, которые могут указывать на прогрессирующий рак. Кроме того, алгоритм обучения машины использовал эти данные для того, чтобы предсказывать, какие пациенты могут отреагировать на лечение.
Исследователи обнаружили, что алгоритм мог предсказать эффективность иммунотерапии и химиотерапии с точностью более 80%. Алгоритм также выявил гены, которые могут быть связаны с повышенной чувствительностью к иммунотерапии, что может помочь в дальнейшей разработке новых лекарств и методов лечения.
Эта разработка может привести к более персонализированному подходу к лечению рака, что поможет пациентам получать более эффективное лечение с меньшими побочными эффектами. Авторы отмечают, что их алгоритм машинного обучения может быть доработан и использован для предсказания эффективности лечения других типов рака, что может привести к более точному и эффективному лечению раковых заболеваний в будущем.
Это не первое исследование и применение искусственного интеллекта.
В июне 2021 года была опубликована статья в журнале JAMA Oncology, в которой описывается разработка алгоритма машинного обучения для диагностики рака груди.
Исследователи использовали данные из более чем 30 тысяч маммографий, чтобы обучить алгоритм машинного обучения находить признаки, указывающие на наличие рака груди. Алгоритм был разработан таким образом, чтобы минимизировать количество ложноположительных результатов, которые могут привести к необоснованным биопсиям и беспокойству пациентов.
По результатам исследования, алгоритм машинного обучения был способен обнаруживать рак груди с точностью около 90%, что делает его более точным, чем существующие методы диагностики. Разработка такого алгоритма может помочь в раннем выявлении рака груди и предотвращении его распространения, что может спасти жизни многих людей.
Для обучения алгоритма использовались данные из национальной базы маммографий США, включая маммографии с диагнозом рака груди и без него. Один из ключевых преимуществ алгоритма заключается в том, что он может помочь сократить количество ложноположительных результатов, которые могут привести к необоснованным биопсиям и беспокойству пациентов. Таким образом, алгоритм машинного обучения может помочь в раннем выявлении рака груди и предотвращении его распространения, что может спасти жизни многих людей.
В целом, разработка алгоритмов машинного обучения для диагностики и лечения различных заболеваний является одним из наиболее перспективных направлений в медицине, и использование искусственного интеллекта в этой области может значительно улучшить качество медицинской помощи и сократить затраты на лечение.
