澳大利亚分析公司Max Kelsen正在使用人工智能(AI)来预测癌症治疗的有效性。

该公司正在将AI和全基因组测序整合到癌症研究和临床实践中，最初的重点是黑素瘤和小细胞肺癌的免疫治疗。

四分之一的澳大利亚人在其一生中被诊断出患有癌症，虽然免疫疗法已显示出改善多种癌症类型(包括黑色素瘤和肺癌)患者生存的巨大希望，但并不能保证对所有患者都有效 - 仅限于40-42%的人会有效回应。

首席执行官尼古拉斯·斯特尔森 - 特里(Nicholas Therkelsen-Terry)率领的单轮免疫治疗费用超过10万澳元，他希望开发一种预测模型，该模型将根据患者的基因构成指出癌症治疗的可能效果。

Therkelsen-Terry在接受ZDNet采访时表示，在澳大利亚，每年约有12,000例新的肺癌病例，并且一般存活率为5年，首席执行官表示他的团队决定首先针对肺癌。

由于单个整个基因组的数量接近300千兆字节，Max Kelsen正在利用Google Cloud的计算能力以“史无前例”的规模流失数据并进行实验，特别是利用TensorFlow，后者最初由Google Brain Team开发供内部使用。

Tensor Research Cloud与AlphaGo技术相同，突出了Max Kelsen应用的计算能力。

“预测患者治疗结果的关键在于找到并解释对先前治疗反应最好的患者基因组中的重要模式和基因，”Therkelsen-Terry说。

“有一系列基因组测序从面板中查看一些选择的基因，如23andMe和ancestry.com，通过更广泛的外显子组分析，直至全基因组，我们从一个观点开始，我们想看看整个基因组 - 我们希望捕获基因组提供的所有信息，而不仅仅是已经确定它是最重要部分的选择位。

该公司已与世界各地的数据存储库建立了合作伙伴关系，因此它可以从多个来源进行测试，但它也在昆士兰州的多家医院对400-500名新肺癌患者进行测序，监测他们的治疗情况并将其与其建立的模型进行比较一路上。

Therkelsen-Terry说，从多个来源收集数据将确保公司建立一个基因组的通用模型。

2001年，整个人类基因组首次以1亿美元的成本进行测序 - 今天，基因组的排序可以低于1,000美元。

“在过去的19年里，这种情况发生了深刻的变化，加上深度学习，机器学习研究在过去五年中爆炸式增长的事实。我们在这一点上，基因组科学日趋成熟，机器学习和深度学习日趋成熟，但实际上并非如此在某些事情之外做了大量的工作......在将这些先进的计算技术应用于基因组学科学方面做了大量工作，“Therkelsen-Terry谈到该项目是如何起步的。

“所以我们的团队从一开始就真正开始，他们实际上提出了一个问题：如果我们有33个不同候选人的基因组数据，我们可以通过机器学习来区分已经收集的基因组样本中的那些候选者。”

Therkelsen-Terry与Max Kelsen健康领导者Cameron Bean一起解释说，该团队最初的问题引导他们进入他们正在进行的第二个研究领域：对转移性癌症的起源癌症进行分类。

“在澳大利亚，我们每年都会有几千人被诊断出患有不明原因的癌症...如果你无法确定原发病的位置，那么你真的在黑暗中开枪，”首席执行官补充说。“这也是个人的事情，患者没有得到诊断是非常令人痛苦的。”