據(jù)麻省理工學(xué)院報道，他們的研究人員正在使用最新的機器學(xué)習(xí)技術(shù)，通過減少有毒化療和放射治療膠質(zhì)母細胞瘤（最具侵略性的腦癌）緩解患者在治療中的痛苦。

膠質(zhì)母細胞瘤是一種出現(xiàn)在腦或脊髓中的惡性腫瘤，患者存活率一般不超過五年，而且必須要忍受放射治療，同時每月服用多種藥物。醫(yī)療專業(yè)人員通常會使用最大安全藥物劑量以盡可能地縮小腫瘤，但這些強效藥物會產(chǎn)生許多副作用對患者的身體產(chǎn)生影響。

在本周于斯坦福大學(xué)舉行的2018年機器學(xué)習(xí)醫(yī)療保健會議上發(fā)表的一篇論文中，麻省理工學(xué)院媒體實驗室的研究人員詳細介紹了一種可以使藥物方案毒性降低但仍然有效的模型。

該模型由“自學(xué)”機器學(xué)習(xí)技術(shù)提供支持，著眼于目前使用的治療方并反復(fù)調(diào)整劑量。最終，該技術(shù)找到了一個最佳的治療計劃，在保證將腫瘤大小降低到與傳統(tǒng)治療方案的同時使用最低可能的劑量和劑量頻率。

＂雖然必須要通過減小腫瘤的大小來幫助病人，但與此同時我們希望能夠確保病人不會因為化療毒性和藥物副作用而承受過多的痛苦。”負責(zé)這項研究的Pratik Shah說道。

研究人員的模型使用了一種叫做強化學(xué)習(xí)的技術(shù)，這是一種受到行為心理學(xué)啟發(fā)的方法。在這種方法中，模型會偏愛某些行為，從而達到預(yù)期的結(jié)果。

該技術(shù)包括人工智能“代理”，其在不可預(yù)測的復(fù)雜環(huán)境中完成“動作”以達到期望的“結(jié)果”。每當(dāng)完成動作時，代理接收“獎勵”或“懲罰”，取決于動作是否努力實現(xiàn)結(jié)果。然后，代理相應(yīng)地調(diào)整其動作以實現(xiàn)更好的結(jié)果。

這種方法被用來訓(xùn)練計算機程序DeepMind，它在2016年擊敗了世界最優(yōu)秀的圍棋選手李世石。該方法還用于訓(xùn)練無人駕駛汽車，例如行駛和停車，車輛會一遍一遍地練習(xí)，進行路線調(diào)整，一直到正確為止。