当医疗保健专业人员治疗患有晚期癌症的患者时，他们通常需要使用不同疗法的组合。除癌症手术外，患者通常还接受放射治疗，药物治疗或两者兼有。

药物可以与作用于不同癌细胞的不同药物联合使用。组合药物疗法通常可以提高治疗效果，并且如果可以减少单个药物的剂量，则可以减少有害的副作用。然而，药物组合的实验筛选非常缓慢且昂贵，因此常常无法发现组合疗法的全部益处。借助一种新的机器学习方法，人们可以找到最佳组合，以选择性杀死具有特定遗传或功能组成的癌细胞。

阿尔托大学，赫尔辛基大学和芬兰图尔库大学的研究人员开发了一种机器学习模型，该模型可以准确预测不同癌症药物的组合如何杀死各种类型的癌细胞。新的AI模型使用从先前的研究中获得的大量数据进行了训练，这些数据研究了药物与癌细胞之间的关系。 阿尔托大学的Juho Rousu教授说：“通过机器学习的模型实际上是学校数学所熟悉的多项式函数，但它是一个非常复杂的函数 。”

该研究结果发表在 著名的《自然通讯》杂志 上， 表明该模型发现了药物与癌细胞之间的关联，而以前从未观察到这种关联。'该模型给出了非常准确的结果。例如，在我们的实验中，所谓的相关系数值大于0.9，这表明了极好的可靠性。'' 在实验测量中，相关系数0.8-0.9被认为是可靠的。

该模型可以准确地预测药物组合对特定类型癌细胞的选择性抑制作用，前提是该药物组合对该类型癌症的作用尚未经过测试。赫尔辛基大学分子医学研究所(FIMM)的研究员Tero Aittokallio说：“这将帮助癌症研究人员确定从数千种选择中选择哪种药物进行进一步研究的优先次序。”

相同的机器学习方法可以用于非癌性疾病。在这种情况下，该模型将不得不重新学习与该疾病有关的数据。例如，该模型可用于研究不同的抗生素组合如何影响细菌感染，或不同的药物组合如何有效杀死已被SARS-Cov-2感染的细胞。