在不远的未来，人工智能将癌症治疗成功率更高

肿瘤医生经常会面对这种疑问：怎样才能确定最适合病人的治疗药物？

与普通疾病不同的是，相同的肿瘤治疗药物作用于罹患相同肿瘤的不同病人往往会产生不同的结果，所以医生的以往治疗经验往往是无用的。但是赌博式的治疗又意味着更高的治疗风险，为了解决这种两难的局面，加拿大西安大略大学（Western University）的研究人员为肿瘤治疗引入了机器深度学习，希望以人工智能分析影响药物效果的基因来确定最适合肿瘤患者的药物。

人工智能能够从基因层面迅速预测药物对病人的实际疗效，而一旦我们更快地确定了正确的药物和治疗方式，那么我们就能更有效地来治疗癌症，甚至是治愈。

研究团队的首席专家 Peter Rogan 如是说。

Peter Rogan 的团队在样本库中存入了一组与乳房癌有关的 40 对基因。这些基因在乳房癌样本中出现的几率高达 90%，而样本则是来源于 350 份提取自经历一到两个化疗疗程之后成功康复的乳房癌患者的正常细胞和肿瘤组织。

在机器深度学习和运用算法分析基因和相应药物之间的抗性和敏感性关联之后，Peter Rogan 的团队就能够预测最适合某个肿瘤患者的药物组合。目前他们对吉西他滨抗性和紫杉醇敏感性的预测准确率能够达到 84%，紫杉醇抗性的准确率能达到 82%，吉西他滨敏感性则能够达到 62% - 71% 的准确率。

整个过程相当于去杂质-算法分析-数据匹配-结果输出的人工智能模型。人工虽然也能够摸索药物与基因之间的关联，但是人工智能显然在数据处理上拥有更强的能力。

目前这项人工智能研究算法还没有实际应用，Peter Rogan 的团队计划优化算法，并且将继续增加数据样本以提高预测的精度。

Peter Rogan 团队的研究成果并不是第一例应用于肿瘤治疗的人工智能项目，今年早些时候成立的一家公司 Deep Genomics 已经开始使用人工智能和海量数据分析基因突变与疾病之间的关系，其中就包括了癌症。如果有留意的话，去年赢得 Intel ISEF（International Science and Engineering Fair）的 15 岁高中生 Nathan Han 同样也是使用了类似的方法研究基因和癌症之间的关系。

分析基因与疾病之间的联系是一项浩大的工程，但是随着人工智能在生物领域的应用，也许在未来，癌症预测和治疗也许就跟感冒一样轻松简单。

Geeker说：

只要不用于军事用途，人工智能就会和核能一样造福人类吗？