發(fā)布日期：2018-05-07

　　據(jù)埃森哲（Accenture）的一份報告估計，到2026年，大數(shù)據(jù)與醫(yī)學和制藥領域的機器學習相結合將產(chǎn)生每年1500億美元的驚人價值。這個數(shù)字反映了人工智能（AI）工具幫助醫(yī)生、病人、保險公司和監(jiān)管人員做出更好決策、優(yōu)化創(chuàng)新以及提高研究和臨床試驗效率的潛力。為此，5月1日，GEN網(wǎng)站整理羅列了人工智能在生命科學領域內六個最有價值的應用。

圖片來源：KAIROS

　　本文參考了全球五大制藥公司對人工智能技術的分析。雖然已有的分析提供了一個廣泛的調查，涵蓋了生命科學和生物技術行業(yè)應用的所有主要趨勢，但是這篇最新文章在其基礎之上重點強調了TechEmergence認為的近期最有意義的六個AI應用趨勢。

　　1 .診斷疾病

　　醫(yī)學面臨的最大挑戰(zhàn)是疾病的正確診斷和識別，這也是機器學習發(fā)展的重中之重。2015年的一份報告顯示，針對超800種癌癥的治療方案正在臨床試驗中。而利用機器學習可使癌癥識別更加精確。以，一家總部位于波士頓的生物制藥公司Berg為例，目前公司正在利用AI平臺對臨床試驗患者數(shù)據(jù)進行分析，以促進治療各種疾病的新藥開發(fā)。

　　2 .個體化用藥

　　關于使用機器學習和預測分析來定制針對個人的特異性治療潛能，目前正處于研究中。如果成功，這一策略可以優(yōu)化診斷和治療方案。目前，研究的重點是有監(jiān)督的學習，醫(yī)生可以利用遺傳信息和癥狀縮小診斷范圍，或對患者的風險做出有根據(jù)的推測。這可以促進更好的預防措施。預計未來10年，先進的健康測量移動應用以及微生物傳感器和設備的使用將激增，這將提供豐富的數(shù)據(jù)，進而有助于有效的研發(fā)和更好的治療方案。

　　3 .藥物開發(fā)

　　機器學習在早期藥物發(fā)現(xiàn)（如新藥開發(fā)）和研發(fā)技術（如下一代測序）中發(fā)揮著許多作用。這一領域的第一項是精確醫(yī)學，它使復雜疾病的識別和可能的治療方式更有效。MIT臨床機器學習小組是使用機器學習促成精密醫(yī)學的主要參與者之一，側重于算法開發(fā)。英國皇家學會指出，醫(yī)藥開發(fā)中的機器學習可以幫助制藥公司通過分析制造過程數(shù)據(jù)來優(yōu)化生產(chǎn)，并加快生產(chǎn)速度。

　　4 .臨床試驗

　　臨床試驗研究是一個漫長而艱巨的過程。機器學習可以在各種方面幫助縮短這一過程。一種策略是通過對廣泛的數(shù)據(jù)使用高級預測分析，從而更快地確定目標人群的臨床試驗候選人。麥肯錫( McKinsey )的分析師描述了其他機器學習應用程序，這些應用程序可以通過簡化計算理想樣本大小、方便患者招募以及使用病歷將數(shù)據(jù)錯誤降至最低等任務來提高臨床試驗的效率。

　　5 .放射治療和放射學

　　哈佛醫(yī)學院助理教授Ziad Obermeyer博士在2016年的一次采訪中表示:“20年后，放射學家將不會以現(xiàn)在的形式存在。它們看起來更像是電子機器人：監(jiān)督每分鐘閱讀數(shù)千份研究報告的算法。目前，倫敦大學學院醫(yī)院的deep mind Health正在開發(fā)機器學習算法，通過區(qū)分健康組織和癌癥組織來提高放射治療計劃的準確性。

　　6 .電子健康記錄

　　支持向量機（Support vector machines用于分類患者電子郵件查詢的技術）和光學字符識別（用于數(shù)字化手寫筆記的技術）是用于文檔分類的機器學習系統(tǒng)的基本組件。這些技術的應用案例包括MathWorks的MATLAB （一個具有手寫識別應用程序的機器學習工具）和谷歌的云視覺API。MIT臨床機器學習小組的重點之一是開發(fā)基于機器學習的智能電子健康記錄技術，其理念是開發(fā)“安全、可解釋、能從少量標記的訓練數(shù)據(jù)中學習、理解自然語言、并能在醫(yī)療環(huán)境和機構中很好地推廣的強大機器學習算法”。

來源：生物探索