美国研究人员正在采用新颖的机器学习技术，通过减少毒性化疗和放射治疗剂量来改善患者的生活质量。例如胶质母细胞瘤，它是最具攻击性的脑癌形式。  

在下周于斯坦福大学举行的2018年机器学习医疗保健会议上发表的一篇论文中，麻省理工学院(MIT)媒体实验室的研究人员报告了一种可以减少毒性但仍然有效的方案的模型。  

胶质母细胞瘤患者必须忍受放射治疗和每月服用多种药物的组合，但这些强效药物往往会导致患者的虚弱副作用。  

根据麻省理工学院最近的新闻发布，该模型采用“自学”机器学习技术，着眼于目前正在使用的治疗方案，并反复调整剂量。

最终，它找到了一个最佳的治疗计划，其最低可能的剂量和剂量频率仍应将肿瘤大小降低到与传统治疗方案相当的程度。  

在50名患者的模拟试验中，机器学习模型设计了治疗周期，将效力降低到几乎所有剂量的四分之一或一半，同时保持相同的肿瘤缩小潜力。  

很多时候，它完全忽略了剂量，每年只安排两次管理而不是每月。  

研究人员的模型使用了一种称为强化学习(RL)的技术，这是一种受行为心理学启发的方法，其中模型学会偏向某些导致期望结果的行为。  

该技术包括人工智能“代理”，其在不可预测的复杂环境中完成“动作”以达到期望的“结果”。  

每当它完成一个动作时，代理就会收到“奖励”或“惩罚”，具体取决于该动作是否适用于结果。然后，代理相应地调整其动作以实现该结果。  

“我们坚持治疗目标，必须通过减少肿瘤大小来帮助患者，但同时，我们要确保生活质量，剂量毒性，不会导致患者有压倒性疾病和有害副作用。”媒体实验室的首席研究员Pratik Shah说，他负责监督这项研究。