Використання методів машинного навчання в сучасній математичній онкології

Анотація

Мета роботи: виконати аналіз сучасних підходів до оцінки ефективності та безпеки препаратів антиракової терапії із застосуванням методів машинного навчання, а також визначити перспективи їхнього використання у сучасній математичній онкології, в онкологічних дослідженнях, які широко  використовують математичне моделювання та комп’ютерні симуляції.

Методи дослідження: пошук та аналіз сучасних наукових публікацій, які стосуються тематики використання машинного навчання в онкології.

В результаті  дослідження було зроблено систематичний огляд літератури за тематикою використання машинного навчання в онкології. Було виконано аналіз використання основних методів машинного навчання, таких як метод контрольованого навчання (Supervised Learning, SL), метод неконтрольованого навчання (Unsupervised Learning, UL) та метод навчання з підкріпленням (Reinforcement Learning, RL) у сучасній онкології. Наведено приклади використання різноманітних алгоритмів машинного навчання у дослідженнях, які пов’язані з антираковою терапією та онкологією взагалі. Проаналізовані переваги та недоліки використаних алгоритмів машинного навчання в залежності від задач, які потрібно вирішити.

Висновки: Методи машинного навчання вже досить широко використовуються в медичних дослідженнях в сфері онкології.  Вони успішно застосовувались для вирішення багатьох питань та показували гарні результати, але існує ще багато напрямків в онкології  в яких використання методів машинного навчання може принести значний вклад в покращення медичних досліджень та медичної допомоги при лікуванні онкологічних захворювань. Наприклад, дуже перспективним виглядає використання алгоритмів, які засновані на  навчанні з підкріпленням в персоналізованій прецензійній медицині, методи якої займають значну роль в персоналізованому лікуванні онкологічних захворювань.