Մասաչուսեթսի Տեխնոլոգիական ինստիտուտի (MIT) հետազոտողները մեքենայական ուսուցումը կիրառել են ճառագայթային եւ քիմիաթերապիայի դեղամիջոցների վնասի նվազեցման համար: Արդյունքում դրանց կիրառման հաճախությունը ամենամսյայից նվազել է մինչեւ տարեկան մի քանի անգամ, նույնը տեղի է ունեցել նաեւ դոզավորման հետ՝ այն կրկնակի նվազել է:
Գիտնականները որպես նեյրոցանց ընտրել են DeepMind մշակումը, որը կարողացել է բուժման կուրսի շրջանակում հաշվարկել դեղամիջոցների համալիրի՝ տեմոզոլոմիդի, պրոկարբազինի, լոմուստինի, վինկրիստինի ընդունման ժամանակացույցը: Արհեստական ինտելեկտն (ԱԻ) այս նպատակով օգտագործել է դեղամիջոցների մասին տեղեկությունները, իսկ դոզան հաշվարկել է՝ ելնելով հիվանդի քաշից:
Սկզբում դեղամիջոցների ընդունումն ավանդաբար է սկսվել՝ նույն դոզաներով, ինչ նախկինում: Ավելի ուշ ԱԻ-ն շտկել է այս պլանը՝ նշանակել է լիարժեք դոզա, նրա մի մասը, հանել է ինչ-որ դեղամիջոց: Եթե հիվանդն իրեն լավ էր զգում, ԱԻ-ն լրացուցիչ միավորներ էր ստանում, վատ՝ տուգանք էր ստանում:
Գիտնականների խոսքով՝ սա առաջին մոդելն է, որը կարողացել է դիմակայել բուժման բացասական հետեւանքներին, իսկ բուժման սովորական մոդելը ենթադրում է արդյունքի հասնել ցանկացած գնով՝ չկենտրոնանալով հիվանդի վիճակի վրա:
Հետազոտողներն արդյունքները ստուգելու համար մեծաթիվ տվյալների բազայից ընտրել են հիվանդների 50 պատահական քարտեր, որոնք ավանդական բուժման կուրս են անցել: Նրանցից յուրաքանչյուրի համար նեյրոցանցը հաշվարկում էր բուժման մի քանի տասնյակ տարբերակներ, իսկ հետո ոչ անհրաժեշտները բացառում էր: Յուրաքանչյուր նոր մեթոդը հաշվարկելիս հաշվի են առել նախորդ արդյունքները:
Հետևեք NEWS.am Medicine-ին Facebook-ում և Twitter-ում