机器学习算法在抗肿瘤药物响应预测中的应用研究

摘要

随着药物基因组学和精准医学的不断发展，针对生物标记物的靶向治疗和免疫疗法开创了抗肿瘤治疗的新时代。由于肿瘤细胞的异质性和肿瘤微环境的多变性，即使在具有相同生物标记物富集的患者群体中，对于同一药物的反应仍存在显著差异。通过将多组学数据与药物敏感性分析整合的算法，可以预测抗肿瘤药物的反应，进而将其转化成符合个体化医疗需求的诊疗方案，从而有望提高抗肿瘤药物在临床治疗中的效果。机器学习是目前常用的抗肿瘤药物响应预测建模算法之一。然而，由于输入数据和算法构建方法的差异，对该领域尚缺乏较全面的文献综述。因此，本文对抗肿瘤药物响应预测机器学习算法进行综述，总结公开可用的药物基因组数据集、机器学习算法和在药物响应预测中的评价指标以及在临床应用中所面临的现状和挑战，以期为机器学习算法在药物响应预测领域的主要研究问题和潜在解决方案提供方法学上的参考。

关键词

机器学习 / 药物响应预测 / 监督学习 / 精准医疗 / 神经网络

基金资助

国家自然科学基金面上项目（82273728;82373680）