A glioblastoma multiforme a leghalálosabb agydaganat. Az agyban és a gerincoszlopban lévő tumortól szenvedő betegek általában nem élnek tovább öt évnél, és a daganatot minimalizáló sugárterápia, valamint a gyógyszerek elmét gyengítő mellékhatásai miatt ez az öt év is nagyon fájdalmas lehet.
Az MIT (Massachusetts Institute of Technology) kutatói a tumort zsugorító orvosságadagot elégséges minimumra csökkentő, a minimumszintet meghatározó mesterséges intelligenciát fejlesztettek.
A legjobb dózis megállapításához a megerősítéses tanulást (reinforcement learning) alkalmazták. Lényege, hogy a rendszer próbál megoldani egy feladatot, és az eredmények alapján egyre közelebb kerül a célhoz. A közben kapott jutalmazások és büntetések alapján tanulja meg a jó lépéseket.
Hatalmas adatsorból kiválasztott, korábban kezelésen átesett személyek alapján szimulált ötven beteg tesztelésével kezdték. A tesztcsoport létrehozását követően utasították az MI-t, hogy meghatározott időszakra javasoljon dózisokat, illetve hatékony kombinációkat a glioblastoma esetében tipikusan felírt több gyógyszerből.
Miután az MI felírt egy dózist, a tumort csökkentő hatást prognosztizáló számítógépes modellel ellenőrizte. Ha csökkent, jutalomban részesült, viszont büntették, ha mindig maximális adagot írt fel.
A megerősítéses tanulásban egyedi a cselekvés célja és következménye, jelen esetben a daganat minimalizálása és a beteg életminőségének változása közti egyensúly megvalósításának követelménye. Más modellek, köztük a DeepMind AlphaZero sakkalgoritmusa egyszerűen csak célirányosak, például kizárólag a játék megnyerésére összpontosítanak.
„Ha csak a tumor méretét akarnánk csökkenteni, és hagynánk, hogy az MI bármit csináljon, felelőtlenül adagolná a gyógyszereket. Ezzel szemben káros mellékhatások nélkül akarjuk elérni a kívánt eredményt” – nyilatkozta a kutatásokat vezető Pratik Shah.
Gyakorlásnál minden egyes betegnél kb. 20 ezerszer futtatták le az MI-t. Utána ötven új szimulált pácienssel vizsgálták, és kiderült, hogy egyrészt a dózist és gyakoriságát, másrészt a tumor méretét is sikerült csökkentenie, ráadásul betegspecifikus információkat (daganatméret, betegségtörténet, biomarkerek) is képes figyelembe venni.
Shah szerint a betegspecifikus adagolás volt a kísérlet legizgalmasabb, precíziós medicina alapján kidolgozott gyógymódokat alkalmazó és szokatlan gépitanulás-architektúrákkal kivitelezett része.
Mielőtt orvosi praxisba kerülne, az MI-nek további teszteken kell átmennie, illetve az FDA, az amerikai Élelmiszer- és Gyógyszerügyi Hivatal szigorú követelményeinek is meg kell felelnie.