選擇治療多種類型癌癥的一線化療藥物通常是由標準治療方案所決定的，但如果在治療過程中第一種藥物失敗了，那么接下來應該使用哪種藥物呢？

　　這就是佐治亞理工學院的研究人員相信他們的新開源工具能夠發揮作用的地方。利用機器學習來分析與特定藥物的患者結果信息相關的RNA表達，這個開源工具可以幫助臨床醫生選擇最可能在患者中對疾病有效的化療藥物。

　　在一項使用來自152個病人記錄的RNA分析數據的研究中，該系統預測出化療藥物在80%的情況下能得到最佳的結果。研究人員認為，該系統的準確性可能會進一步提高，因為它包含了額外的病人記錄以及諸如家族史和人口統計等信息。

　　通過觀察腫瘤中的RNA表達，相信可以非常準確的預測哪些患者可能對某種藥物產生反應。這些信息可以和其他因素一起用來支持臨床醫生在化療治療方面必須做出的決定。

　　在《科學報告》雜志上發表的一項研究，可能會為癌癥治療的精準醫學添加另一種成分。這項工作得到了位于亞特蘭大的卵巢癌研究所、喬治亞研究聯盟和美國國立衛生研究院獎學金的部分支持。

　　與其他機器學習所支持工具一樣，研究人員首先使用數據集的一部分來“訓練”系統，然后在其余的記錄上測試其操作。在開發該系統的過程中，研究人員從腫瘤中獲得了RNA的記錄，以及特定藥物治療的結果。由于只有152個這樣的記錄可用，首先使用114個記錄的數據來訓練系統。然后，用剩下的38條記錄來測試該系統根據RNA序列預測的能力。

　　這項研究從卵巢癌開始，但為了擴大數據集，研究小組決定包括來自其他癌癥類型的數據如：肺癌、乳腺癌、肝癌和胰腺癌，這些癌癥使用相同的化療藥物，RNA的可用數據。該模型是基于這種藥物進行預測，并對所有接受過這種藥物治療的患者進行觀察，這個預測與癌癥類型無關。

　　該系統會生成一張圖表，比較每種藥物對患者特定癌癥產生影響的可能性。如果該系統將用于臨床，醫生就會將這些預測與其他重要的患者星系一起使用。

　　該系統將以開源軟件的形式提供，團隊希望醫院和癌癥中心可以先進行試用。最終，隨著算法對更多的患者數據進行分析，該工具的準確性將會提高。并讓合作者相信開源方法是提供將算法應用于臨床的最佳途徑。