对于癌症疗法而言，每年会有数十种新疗法进入临床试验，但最终只有不到4％的药物获得FDA的批准。尽管造成这一结果的影响因素有很多，但主要问题在于，我们并不完全了解特定癌症对治疗的反应方式或原因。因此，目前无法以最佳方式将合适的药物组合，并与合适的患者相匹配。
不过，人工智能的出现或许能助我们一臂之力。大多数机器学习模型都是“黑匣子”，它们不需要了解或关注预测结果的生物学机制，就能针对预测准确性进行优化。
近日，来自美国加州大学圣地亚哥分校医学院的研究人员表示，他们已经创建了一个名为DrugCell的新人工智能（AI）系统，该系统让肿瘤与最佳药物组合相匹配成为可能。使用DrugCell，在输入有关肿瘤的数据后，系统会返回最知名的药物、控制对该药物反应的生物学途径以及最佳药物组合。相关研究成果发表于《Cancer cell》上。

//doi.org/10.1016/j.ccell.2020.09.014
原先，探究医疗器械创新网规划设计出一款隐约可见精神网路（VNN），在仿真简略的真核肿瘤组织细胞——酿酒酒曲。该模式就能够明确予测DNA变异对肿瘤组织细胞生长发育不起作用的影响到，与此同时判别win7驱动哪些予测的最涉及到的的团伙有效途径。
在此基础上，他们创建了一种名为“DrugCell”的VNN，可模拟人类癌细胞对治疗性化合物的反应。DrugCell将模型的内部工作原理与人类细胞生物学的层次结构相结合，从而可以预测任何癌症中任何药物的反应，并设计有效的联合疗法。
内部食用的用药不起作用有的是个繁琐的原因，决策于于怪物学和化学生理反应方面。要在可理解的模形中抓取食用的用药不起作用的这两只决策方面，科学研究人士将DrugCell制定为兼备两只树状节点的感觉神经系统末梢末梢网路，第1个个树状节点是VNN，它是基于人什么是基因（GO）数据信息库文件记载的2086个怪物方式建模制作的，广泛用于虚拟仿真人内部中分头子子装置的水平结构的。哪些子装置中的每1个，从针对的目标小球蛋清复合材料材料物（诸如b-惊天球蛋清破裂复合材料材料物）到过大的表现减压反射行业（诸如MAPK表现减压反射行业）到综合内部特点（诸如糖酵解）的子装置，都分摊好几个组人员感觉神经系统末梢末梢元来是指该子装置的情况下。VNN至少利用了12516个感觉神经系统末梢末梢元，哪些感觉神经系统末梢末梢元上下分层分布不均在七个有所不同的层中。

DrugCell 规划
DrugCell的第二个分支是传统的人工神经网络（ANN），其中嵌入了药物的Morgan指纹，即化学结构的标准向量表示形式。该模型中两个分支（VNN嵌入细胞基因型和ANN嵌入药物结构）的输出被合并到单层神经元中，然后被整合以产生给定基因型对特定治疗的反应。此外，该模型通过对1,235种肿瘤细胞系对684种药物的反应进行了训练。
结果表明，DrugCell能够准确预测细胞系对治疗的反应（所有细胞系-药物对的总准确度为：spearman相关系数=0.80）。此外，预测的组合改善了患者来源的异种移植肿瘤模型中的无进展生存期，并且可以将ER阳性乳腺癌患者的临床结果分层。

的研究的各种（组织细胞系，用药）对中，预估与实际上的的用药响应

出自糖尿病患者的异种植入癌症的联席免费指导诊疗
DrugCell共使用了1200各种各样癌症癌细胞膜系对近700种FDA特批制剂和科学实验性疗法制剂的症状的训练，共设有500,000各种各样癌细胞膜系/制剂搭配。
第一作者Kuenzi说：“我们对DrugCell从实验室细胞系转化为小鼠和患者的肿瘤以及临床试验数据的能力感到惊讶。但我们的最终目标是使DrugCell进入诊所，为患者谋福利。因此，仍有许多工作要做。”
研究人员同时强调，虽然1200个细胞系是一个好的开始，但它不能代表癌症的完全异质性。研究团队现在正在添加更多的单细胞数据，并尝试不同的药物结构。他们还希望与现有的临床研究合作，将DrugCell嵌入诊断工具中，并在现实中对其进行前瞻性测试。