小編發現不少朋友對于 150萬美元的贈款將用于資助針對AI的肺癌研究 這方面的信息都比較感興趣，小編就針對 150萬美元的贈款將用于資助針對AI的肺癌研究 整理了一些相關方面的信息 在這里分享給大家。

達特茅斯學院的一名肺癌研究人員已從癌癥研究所獲得了150萬美元的資助，用于構建和驗證機器學習方法，以開發更好，更個性化的癌癥治療方法。

為期四年的贈款接受者將特別關注非小細胞肺癌(NSCLC)，該疾病占肺癌病例的90%，其中大多數患者在治療未知的第一年內對目標治療產生耐藥性原因。研究人員確實知道，體細胞突變會影響這些患者對各種藥物治療的敏感性，并且是選擇最佳靶向療法的關鍵組成部分。

但是，尋找最佳治療方法需要改進。

達特茅斯諾里斯棉花癌癥中心的計算機科學家，撥款的接受者賽義德·哈桑普爾(Saeed Hassanpour)博士在一份準備好的聲明中說：“目前，沒有任何一種計算方法可以將病歷中的信息與體細胞突變和靶向治療反應聯系起來。”

Hassanpour先前已發表了針對醫療保健(特別是癌癥治療)中的AI的研究，發現一個深層的神經網絡可以對腫瘤模式和肺腺癌亞型進行分級，同時還需要訓練有素的病理學家。他希望機器學習能夠顯示“臨床和病理發現，患者遺傳特征和耐藥性之間的關系”，以改善針對性治療。

哈桑普爾說：“在精確的癌癥護理中，即使確定對靶向療法耐藥的可能性很大，對選擇非小細胞肺癌患者的'最佳'治療策略及其反應性也具有重要意義。”

Hassanpour和他的團隊將建立并驗證機器學習方法，以提取信息并確定重要的聯系，這些聯系可用于識別可能抵抗目標療法的患者突變。這種關系將揭示更多有關這些類型的腫瘤如何發展和對治療的反應。

“我們的總體目標是利用NSCLC腫瘤的病理報告和電子病歷的可用數據來建立計算模型，以鑒定具有臨床上可操作的體細胞突變的NSCLC患者，并預測其對靶向療法的反應，” Hassanpour說。“我們認為病理學NSCLC細胞和組織的發現，結合病歷中的相關信息，例如病史和家族史，人口統計學和吸煙狀況，將是實現這一目標的可靠指標。”