借助开源机器学习激起群众抗击癌症
这是偷窃的公开邀请。它面向癌症工作者，并通过一个新程序吸引他们，该 程序 通过机器学习和原始遗传数据预测癌症药物的有效性。在佐治亚理工学院构建该程序的研究人员希望癌症工作者免费获得该程序，甚至只是轻扫其编程代码的一部分，因此他们将其开源。他们希望吸引大量研究人员，他们也将分享自己的癌症以及计算机专业知识和数据，以改善该程序并共同挽救更多生命。
研究人员邀请他们采用自己的密码也是项艰巨的任务。
他们正在挑战别人，在自己的游戏中击败他们，并帮助磨练强大的软件工具，以实现更大的利益。不仅劳动，而且水果也将保持公开可用，以使患者得到最好的治疗。
佐治亚理工大学综合癌症研究中心主任约翰·麦克唐纳说：“我们不想自己保留代码或数据，也不会因此牟取暴利 。” “我们希望保持这种开放状态，以使其扩散。”
希望参与的研究人员可以通过 此链接访问2017年10月26日发表在《PLOS One》杂志上的一项新研究 。他们在那里会找到从GitHub下载软件并访问代码的链接。
他们将从当前的程序开始，该程序在273个癌症患者的遗传数据中评估9种药物的治疗有效性时，准确率约为85%。麦当劳和合作者弗雷德里克·范伯格(Fredrik Vannberg)所做的研究详细说明了如何以及为什么。
佐治亚理工学院生物科学学院的助理教授范伯格说：“已发表的研究中有9种药物，但实际上我们总共通过该计划运行了约120种药物 。”
该程序使用行之有效的机器学习机制，并对数据进行规范化。后者允许机器学习通过使其兼容来处理来自不同来源的数据。
研究人员减少了人们对哪些数据对于预测结果至关重要的偏见。
麦当劳说：“放入大量原始数据并让算法对其进行分类要有效得多。” “它是在寻找相关性，而不是原因，因此，预先选择您认为最相关的数据是不好的。”
研究人员抛弃的一大偏见是，只专注于与他们要治疗的特定癌症类型有关的基因表达数据。
Vannberg说：“事实最好是提供来自多种癌症的程序数据，而实际上，这将在以后更好地预测特定癌症(如乳腺癌)的药效。”
麦克唐纳说：“例如，从分子水平上讲，某些乳腺癌与某些卵巢癌相比将与其他乳腺癌更为相似。” “我们只是让该算法可以处理我们拥有的所有东西，而且我们获得了很高的准确性。”
获奖者
研究人员还希望该项目汇集大量匿名患者治疗的成功和失败数据，这将有助于该计划优化预测，以使每个人受益。但这并不意味着有些公司也不能从中受益。
佐治亚理工大学生物科学学院的教授麦克唐纳说：“如果一家公司在使用该程序帮助患者的过程中出现并赚钱，那很好，并且没有义务回馈该项目 。” “如果其他人愿意的话，他们可能会选择。”
但希望大多数玩家会抓住善良的精神。
Vannberg说：“在我们的项目中，我们正在宣传共享应该是每个人都要做的事情。” “这对每个人来说都是一个胜利，但对癌症患者来说，这确实是一个胜利。”
标签： 抗击癌症