为找出适合乳癌患者的个人治疗方法，IBM用ML理解细胞之间关系

IBM研究院和瑞士的苏黎世大学一同研究解读乳癌生态系细胞和表现型（phenotypic）的差异，利用生物学细胞技术（cytometry），同时测量数百万种细胞中超过40个参数，并透过机器学习技术，来辨识及分类肿瘤、免疫细胞类型，以及了解细胞之间的关系。

根据世界卫生组织最新的报告指出，2018年的全球癌症新增了约1,800万个案例，造成960万人死亡，而女性乳癌占了总数的11.6%，也是全世界前三大癌症类型之一，仅次于肺癌和大肠癌，每年会新增170万个新诊断案例，IBM该项研究的目标，就是要为未来精准医学方法奠定基础，并协助病患对抗乳癌。

虽然研究人员一直在开发对抗乳癌的新型治疗方法，但是癌症相关死亡的主要原因仍然还是与治疗抵抗性、复发和转移有关，即便过去几年乳癌的治疗取得了一些进展，研究上对肿瘤的细胞组成理解还是很少，医师难以对个别病患进行适合个人的治疗，因此，解开癌症和免疫细胞与乳腺肿瘤的关系相当重要。

IBM指出，乳腺癌是一种异质性疾病，由肿瘤细胞组成，而肿瘤细胞会与周围的非癌症细胞相互作用，包括免疫细胞、间质细胞和血管细胞，这些相互作用与肿瘤的进展，有很大的关联性，癌细胞和肿瘤相关细胞的表现和功能特征，是由基因组成和环境因素会影响并决定。

研究团队从144个病患身上，利用生物学细胞技术，收集了乳癌肿瘤和非肿瘤样本，同时量化超过70种蛋白质的260万个以上的癌细胞和免疫细胞，由于资料量庞大，要分析数据具有挑战性，也因此，研究团队转而使用进阶的机器学习模型来分析。

透过机器学习模型，能够辨识不同肿瘤和免疫细胞群，并产生详细的乳癌生态系统关系图，此外，也成功地评估并精准地定义个别肿瘤的异质性，利用与非肿瘤组织配对比较的方式，量化肿瘤细胞之间的差异性，不仅如此，研究团队还分析了肿瘤相关的巨噬细胞和T细胞群，这些细胞有抑制肿瘤抑制和支持肿瘤的功能，研究结果与临床讯息相关，像是疾病等级或肿瘤的侵袭性。