Amikor az egészségügyi szakemberek előrehaladott rákban szenvedő betegeket kezelnek, általában különböző terápiák kombinációját kell alkalmazniuk. A műtét mellett a betegeket gyakran sugárkezeléssel, gyógyszeres kezeléssel vagy mindkettővel kezelik.
A gyógyszeres kezelés kombinálható különböző gyógyszerekkel, amelyek különböző rákos sejtekre hatnak. A kombinatorikus gyógyszeres terápiák gyakran javítják a kezelés hatékonyságát, és csökkenthetik a káros mellékhatásokat, ha az egyes gyógyszerek adagja csökkenthető. A gyógyszerkombinációk kísérleti szűrése azonban nagyon lassú és költséges, ezért gyakran nem fedezik fel a kombinációs terápia teljes előnyeit. Egy új gépi tanulási módszer segítségével azonosítani lehetne a legjobb kombinációkat a rákos sejtek szelektív elpusztításához specifikus genetikai vagy funkcionális felépítéssel. Az Aalto Egyetem, a Helsinki Egyetem és a finn Turku Egyetem kutatói kifejlesztettek egy gépi tanulási modellt, amely pontosan megjósolja, hogy a különböző rákellenes gyógyszerek kombinációi hogyan ölnek meg különböző típusú rákos sejteket. Az új AI-modellt a korábbi vizsgálatokból származó adatok nagy csoportjával képezték ki, amelyek a gyógyszerek és a rákos sejtek közötti kapcsolatot vizsgálták.
„A gép által megtanult modell valójában az iskolai matematikából ismert polinomfüggvény, de nagyon összetett” – mondja Juho Rousu professzor az Aalto Egyetemről. A kutatási eredményeket a Nature Communications folyóiratban tették közzé, bizonyítva, hogy a modell olyan összefüggéseket talált a gyógyszerek és a rákos sejtek között, amelyeket korábban nem figyeltek meg. ‘A modell nagyon pontos eredményeket ad. Például az úgynevezett korrelációs együttható értékei több mint 0,9 volt a kísérleteinkben, ami kiváló megbízhatóságra mutat „- mondja Rousu professzor. Kísérleti mérések során a 0,8-0,9 korrelációs együtthatót tartják megbízhatónak.