据麻省理工学院报道，他们的研究人员正在使用最新的机器学习技术，通过减少有毒化疗和放射治疗胶质母细胞瘤（最具侵略性的脑癌）缓解患者在治疗中的痛苦。
胶质母细胞瘤是一种出现在脑或脊髓中的恶性肿瘤，患者存活率一般不超过五年，而且必须要忍受放射治疗，同时每月服用多种药物。医疗专业人员通常会使用最大安全药物剂量以尽可能地缩小肿瘤，但这些强效药物会产生许多副作用对患者的身体产生影响。
在本周于斯坦福大学举行的2018年机器学习医疗保健会议上发表的一篇论文中，麻省理工学院媒体实验室的研究人员详细介绍了一种可以使药物方案毒性降低但仍然有效的模型。
该模型由“自学”机器学习技术提供支持，着眼于目前使用的治疗方并反复调整剂量。最终，该技术找到了一个最佳的治疗计划，在保证将肿瘤大小降低到与传统治疗方案的同时使用最低可能的剂量和剂量频率。
＂虽然必须要通过减小肿瘤的大小来帮助病人，但与此同时我们希望能够确保病人不会因为化疗毒性和药物副作用而承受过多的痛苦。”负责这项研究的Pratik Shah说道。
研究人员的模型使用了一种叫做强化学习的技术，这是一种受到行为心理学启发的方法。在这种方法中，模型会偏爱某些行为，从而达到预期的结果。
该技术包括人工智能“代理”，其在不可预测的复杂环境中完成“动作”以达到期望的“结果”。每当完成动作时，代理接收“奖励”或“惩罚”，取决于动作是否努力实现结果。然后，代理相应地调整其动作以实现更好的结果。
这种方法被用来训练计算机程序DeepMind，它在2016年击败了世界最优秀的围棋选手李世石。该方法还用于训练无人驾驶汽车，例如行驶和停车，车辆会一遍一遍地练习，进行路线调整，一直到正确为止。
