在實驗執(zhí)行和數(shù)據(jù)分析方面，癌癥研究正在從根本上發(fā)生改變。
低成本、高通量DNA測序的推出加速了數(shù)據(jù)生成過程。在一天之內(nèi)，精細的儀器可運行涵蓋數(shù)千個核酸的實驗。由于生成數(shù)據(jù)不再是一個艱難的過程，因此，當前的挑戰(zhàn)轉(zhuǎn)變?yōu)槿娼庾x數(shù)據(jù)集代表的含義。
Chowdhury博士正在創(chuàng)建一種新型血液測試方法，以快速檢測早期卵巢癌。該測試可檢測血液樣本中被稱為microRNA的非編碼小RNA。盡管microRNA (22個堿基對)比基因更小，但人類細胞中仍含有一千多個這類序列。研究microRNA并不比研究基因組文庫復雜，并且可以使用與基因組文庫相同的測序技術快速生成數(shù)據(jù)。
Chowdhury說，“機器學習教會計算機識別模式。我們正在尋找microRNA的特征組合，而不是探究哪個基因會導致卵巢癌”
Chowdhury通過機器學習，充分利用卵巢癌患者血液樣本測序所產(chǎn)生的大量數(shù)據(jù)?！拔覀兛梢詾橛嬎銠C提供來自數(shù)千種microRNA分子的信息。我們利用統(tǒng)計數(shù)據(jù)來了解卵巢癌患者與無癌細胞或良性腫瘤患者的microRNA水平分布概率。我們不知道有多少microRNA組合可以促進癌癥發(fā)生。該算法給出了患卵巢癌的風險概率評分?！?/p>
據(jù)Chowdhury所述，機器學習將有可能解決癌癥研究中的數(shù)據(jù)分析瓶頸。他說，“我相信這項技術也可以用于其他癌癥，并取得類似的成功。”
除機器學習外，生命科學研究人員正在試驗宏大的治療計劃，特別是在開發(fā)個性化醫(yī)療方面。嵌合抗原受體(CAR) T細胞等免疫療法通過對患者自身細胞進行基因修飾，從而靶向并破壞白血病中的癌細胞?；蚓庉嬍钱a(chǎn)生用于免疫治療的CAR T細胞的關鍵技術。
CAR T細胞療法已被證明有望治療白血病，但仍然有許多因素阻礙了它在其他癌癥類型中的應用。這些挑戰(zhàn)包括實體瘤細胞缺乏獨特抗原以及T細胞自身在浸潤實體瘤方面的困難。
然而，這些問題可以通過改進抗原檢測、改變基因編輯策略以及使用更精細的技術來解決。目前，有多個學術和制藥實驗室正在努力改進支撐CAR T細胞療法的技術。
這些技術和療法還處于初級階段，但將機器學習和個性化醫(yī)療應用于癌癥治療的希望很大。