為找出適合乳癌患者的個人治療方法，IBM用ML理解細胞之間關係

IBM研究院和瑞士的蘇黎世大學一同研究解讀乳癌生態系細胞和表現型（phenotypic）的差異，利用生物學細胞技術（cytometry），同時測量數百萬種細胞中超過40個參數，並透過機器學習技術，來辨識及分類腫瘤、免疫細胞類型，以及了解細胞之間的關係。

根據世界衛生組織最新的報告指出，2018年的全球癌症新增了約1,800萬個案例，造成960萬人死亡，而女性乳癌占了總數的11.6%，也是全世界前三大癌症類型之一，僅次於肺癌和大腸癌，每年會新增170萬個新診斷案例，IBM該項研究的目標，就是要為未來精準醫學方法奠定基礎，並協助病患對抗乳癌。

雖然研究人員一直在開發對抗乳癌的新型治療方法，但是癌症相關死亡的主要原因仍然還是與治療抵抗性、復發和轉移有關，即便過去幾年乳癌的治療取得了一些進展，研究上對腫瘤的細胞組成理解還是很少，醫師難以對個別病患進行適合個人的治療，因此，解開癌症和免疫細胞與乳腺腫瘤的關係相當重要。

IBM指出，乳腺癌是一種異質性疾病，由腫瘤細胞組成，而腫瘤細胞會與周圍的非癌症細胞相互作用，包括免疫細胞、間質細胞和血管細胞，這些相互作用與腫瘤的進展，有很大的關聯性，癌細胞和腫瘤相關細胞的表現和功能特徵，是由基因組成和環境因素會影響並決定。

研究團隊從144個病患身上，利用生物學細胞技術，收集了乳癌腫瘤和非腫瘤樣本，同時量化超過70種蛋白質的260萬個以上的癌細胞和免疫細胞，由於資料量龐大，要分析數據具有挑戰性，也因此，研究團隊轉而使用進階的機器學習模型來分析。

透過機器學習模型，能夠辨識不同腫瘤和免疫細胞群，並產生詳細的乳癌生態系統關係圖，此外，也成功地評估並精準地定義個別腫瘤的異質性，利用與非腫瘤組織配對比較的方式，量化腫瘤細胞之間的差異性，不僅如此，研究團隊還分析了腫瘤相關的巨噬細胞和T細胞群，這些細胞有抑制腫瘤抑制和支持腫瘤的功能，研究結果與臨床訊息相關，像是疾病等級或腫瘤的侵襲性。