麻省理工学院的研究人员正在使用最新的机器学习技术，通过减少胶质母细胞瘤（最具侵袭性的脑癌形式）的毒性化疗和放疗来减轻患者治疗期间的疼痛。
。
胶质母细胞瘤是一种在大脑或脊髓中发生的恶性肿瘤，患者的生存率通常不到五年，并且必须忍受放射治疗和每月多次的药物治疗。
医疗专业人员经常使用最大安全剂量的药物来尽可能缩小肿瘤，但这些强效药物可能会产生许多影响患者身体的副作用。
在斯坦福大学年度医疗保健机器学习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模型，该模型可以降低药物治疗方案的毒性，但仍然有效。
该模型由“自学习”机器学习技术提供支持，研究当前使用的治疗方法并迭代调整剂量。
最终，该技术找到了一个最佳的治疗计划，使用尽可能低的剂量和剂量频率，同时将肿瘤大小减小到传统治疗的大小。
“虽然有必要通过减小肿瘤大小来帮助患者，但同时我们希望确保患者不会遭受太多化疗毒性和药物副作用的痛苦。
”这项研究的领导者普拉蒂克·沙阿 (Pratik Shah) 说道。
研究人员的模型使用了一种称为强化学习的技术，这是一种受行为心理学启发的方法。
在这种方法中，模型倾向于某些行为来实现期望的结果。
该技术包括人工智能“代理”，可以在不可预测和复杂的环境中完成“动作”，以实现期望的“结果”。
每当一个动作完成时，代理就会收到“奖励”或“惩罚”，具体取决于该动作是否努力实现结果。
然后代理相应地调整其行动以获得更好的结果。
这种方法被用来训练计算机程序 DeepMind，该程序在 2006 年击败了世界上最好的围棋选手李世石。
该方法还被用来训练自动驾驶汽车执行驾驶和停车等任务，车辆会反复练习。
一遍又一遍地调整路线，直到正确为止。