Можливості машинного навчання: новий алгоритм ранжує препарати для лікування онкопатології на основі їх ефективності

Дослідники з Лондонського університету королеви Марії (Queen Mary University of London) розробили алгоритм машинного навчання, який ранжує лікарські засоби на основі їх ефективності в зниженні росту ракових клітин.

Такий підхід може мати потенціал для просування персоналізованих методів лікування в майбутньому, дозволяючи онкологам обирати кращі лікарські засоби для лікування окремих хворих онкологічного профілю.

Метод, який отримав назву «Рейтинг ліків з використанням машинного навчання» (Drug Ranking Using Machine Learning — DRUML), ґрунтується на аналізі даних машинного навчання, отриманих у результаті вивчення білків, що експресуються в ракових клітинах.

Навчений реакціями цих клітин на більш ніж 400 ліків, DRUML допомагає обрати кращий лікарський засіб для лікування конкретної моделі раку.

Машинне навчання і персоналізована медицина

Онкологічні захворювання одного й того самого типу характеризуються значними відмінностями в генетичному складі і особливостях кожного пацієнта. У клініці ця варіація призводить до того, що пацієнти по-різному реагують на терапію.

Щоб вирішити цю проблему, сфера персоналізованої медицини спрямована на об’єднання генетичних уявлень про ракові захворювання з іншою клінічною і діагностичною інформацією для виявлення закономірностей, які можуть дозволити клініцистам прогнозувати реакцію пацієнтів на терапію і обирати найбільш ефективні втручання.

Застосування штучного інтелекту і машинного навчання в біомедицині дає надію на розвиток персоналізованої медицини і зміну методів діагностики і лікування раку в майбутньому.

DRUML являє собою значний прогрес у сфері штучного інтелекту в біомедичних дослідженнях та демонструє, що машинне навчання з використанням даних протеоміки та фосфопротеоміки може бути ефективним способом вибору кращого лікарського засобу для лікування різних моделей раку.

За матеріалами news-medical.net