利用机器学习来分析与特定药物的患者结果信息

　　选择治疗多种类型癌症的一线化疗药物通常是由标准治疗方案所决定的，但如果在治疗过程中第一种药物失败了，那么接下来应该使用哪种药物呢？

　　这就是佐治亚理工学院的研究人员相信他们的新开源工具能够发挥作用的地方。利用机器学习来分析与特定药物的患者结果信息相关的RNA表达，这个开源工具可以帮助临床医生选择最可能在患者中对疾病有效的化疗药物。

　　在一项使用来自152个病人记录的RNA分析数据的研究中，该系统预测出化疗药物在80%的情况下能得到最佳的结果。研究人员认为，该系统的准确性可能会进一步提高，因为它包含了额外的病人记录以及诸如家族史和人口统计等信息。

　　通过观察肿瘤中的RNA表达，相信可以非常准确的预测哪些患者可能对某种药物产生反应。这些信息可以和其他因素一起用来支持临床医生在化疗治疗方面必须做出的决定。

　　在《科学报告》杂志上发表的一项研究，可能会为癌症治疗的精准医学添加另一种成分。这项工作得到了位于亚特兰大的卵巢癌研究所、乔治亚研究联盟和美国国立卫生研究院奖学金的部分支持。

　　与其他机器学习所支持工具一样，研究人员首先使用数据集的一部分来“训练”系统，然后在其余的记录上测试其操作。在开发该系统的过程中，研究人员从肿瘤中获得了RNA的记录，以及特定药物治疗的结果。由于只有152个这样的记录可用，首先使用114个记录的数据来训练系统。然后，用剩下的38条记录来测试该系统根据RNA序列预测的能力。

　　这项研究从卵巢癌开始，但为了扩大数据集，研究小组决定包括来自其他癌症类型的数据如：肺癌、乳腺癌、肝癌和胰腺癌，这些癌症使用相同的化疗药物，RNA的可用数据。该模型是基于这种药物进行预测，并对所有接受过这种药物治疗的患者进行观察，这个预测与癌症类型无关。

　　该系统会生成一张图表，比较每种药物对患者特定癌症产生影响的可能性。如果该系统将用于临床，医生就会将这些预测与其他重要的患者星系一起使用。

　　该系统将以开源软件的形式提供，团队希望医院和癌症中心可以先进行试用。最终，随着算法对更多的患者数据进行分析，该工具的准确性将会提高。并让合作者相信开源方法是提供将算法应用于临床的最佳途径。