胶质母细胞瘤是大脑或脊髓中的恶性肿瘤，一般来说经常出现在发病后将近5年。这5年有可能是伤痛的——为了尽量减少肿瘤，医生一般来说不会班车一种放射治疗和药物的人组，这些药物不会给病人带给副作用，使病人疲惫。现在，麻省理工学院媒体实验室的研究人员早已研发出有了人工智能（AI），它可以确认有效地增大胶质母细胞瘤患者肿瘤所需的低于剂量。
他们计划在斯坦福大学2018年机器学习医疗会议上展出他们的研究成果。双管齐下为了建构出有一种可以确认胶质母细胞瘤患者最佳药物化疗方案的人工智能，麻省理工学院的研究人员改向了一种取名为增强自学（RL）的训练技术。首先，他们创建了一个由50个仿真神经胶质母细胞瘤患者构成的测试小组，这些患者是基于之前拒绝接受过化疗的大量数据。
然后，他们拒绝他们的人工智能引荐几种药物，这些药物一般来说用作化疗temozolomide（TMZ）的胶质母细胞瘤，并定期为每个病人（几周或几个月）静脉注射丙卡嗪、洛姆斯汀和长春新碱（PVC）。在人工智能进了一剂药后，它不会检查一个计算机模型，该模型需要预测一剂剂量是如何增大肿瘤的。当人工智能规定了肿瘤增大的剂量时，它获得了奖励。
然而，如果人工智能只是规定了仅次于剂量，它就不会受到惩罚。根据研究人员的众说纷纭，这必须在目标和不道德的后果之间寻找均衡——在这种情况下，分别是肿瘤的增加和患者的生活质量——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意味着专心于夺得一款游戏。“如果我们想要做到的是增加平均值肿瘤直径，让它采取任何它想的行动，它将不负责任地管理药物，”首席研究员PratikShah告诉他麻省理工学院新闻。
“忽略，我们说道，我们必须增加为超过这一结果所采行的危害行动。”个人测试人工智能为每个仿真病人展开了约2万次测试，以已完成其训练。接下来，研究人员在一组50名新的仿真病人身上测试了人工智能，找到它可以同时减少剂量和频率，同时还能增加肿瘤的大小。
它还可以考虑到每个病人的明确信息，比如肿瘤大小、病史和生物标记。我们问“模型”：“你必需给所有的病人服用某种程度的剂量吗？”它说道：“没。
我可以给这个人四分之一的剂量，一半给这个人，或许我们不会为这个人跳过一剂。”沙阿说道。
“这是这项工作中最令人兴奋的部分，我们可以通过用于非正统的机器学习架构来展开一个人的试验，从而产生准确的药物化疗。”人工智能仍须要经过美国食品和药物管理局（FDA）的更进一步检测和审查，才能让医生付诸实施。
但如果它通过了这些测试，它最后可能会协助患上胶质母细胞瘤的人反击他们的脑部肿瘤，而会给他们带给更好的伤痛。
本文来源：雷竞技(RAYBET)-www.zzebhk.com
