本文參考了全球五大制藥公司對(duì)人工智能技術(shù)的分析。雖然已有的分析提供了一個(gè)廣泛的調(diào)查,涵蓋了生命科學(xué)和生物技術(shù)行業(yè)應(yīng)用的所有主要趨勢(shì),但是這篇最新文章在其基礎(chǔ)之上重點(diǎn)強(qiáng)調(diào)了TechEmergence認(rèn)為的近期最有意義的六個(gè)AI應(yīng)用趨勢(shì)。
1 .診斷疾病
醫(yī)學(xué)面臨的最大挑戰(zhàn)是疾病的正確診斷和識(shí)別,這也是機(jī)器學(xué)習(xí)發(fā)展的重中之重。2015年的一份報(bào)告顯示,針對(duì)超800種癌癥的治療方案正在臨床試驗(yàn)中。而利用機(jī)器學(xué)習(xí)可使癌癥識(shí)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(tái)對(duì)臨床試驗(yàn)患者數(shù)據(jù)進(jìn)行分析,以促進(jìn)治療各種疾病的新藥開發(fā)。
2 .個(gè)體化用藥
關(guān)于使用機(jī)器學(xué)習(xí)和預(yù)測(cè)分析來(lái)定制針對(duì)個(gè)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(diǎn)是有監(jiān)督的學(xué)習(xí),醫(yī)生可以利用遺傳信息和癥狀縮小診斷范圍,或?qū)颊叩娘L(fēng)險(xiǎn)做出有根據(jù)的推測(cè)。這可以促進(jìn)更好的預(yù)防措施。預(yù)計(jì)未來(lái)10年,先進(jìn)的健康測(cè)量移動(dòng)應(yīng)用以及微生物傳感器和設(shè)備的使用將激增,這將提供豐富的數(shù)據(jù),進(jìn)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(jī)器學(xué)習(xí)在早期藥物發(fā)現(xiàn)(如新藥開發(fā))和研發(fā)技術(shù)(如下一代測(cè)序)中發(fā)揮著許多作用。這一領(lǐng)域的第一項(xiàng)是精確醫(yī)學(xué),它使復(fù)雜疾病的識(shí)別和可能的治療方式更有效。MIT臨床機(jī)器學(xué)習(xí)小組是使用機(jī)器學(xué)習(xí)促成精密醫(yī)學(xué)的主要參與者之一,側(cè)重于算法開發(fā)。英國(guó)皇家學(xué)會(huì)指出,醫(yī)藥開發(fā)中的機(jī)器學(xué)習(xí)可以幫助制藥公司通過(guò)分析制造過(guò)程數(shù)據(jù)來(lái)優(yōu)化生產(chǎn),并加快生產(chǎn)速度。
4 .臨床試驗(yàn)
臨床試驗(yàn)研究是一個(gè)漫長(zhǎng)而艱巨的過(guò)程。機(jī)器學(xué)習(xí)可以在各種方面幫助縮短這一過(guò)程。一種策略是通過(guò)對(duì)廣泛的數(shù)據(jù)使用高級(jí)預(yù)測(cè)分析,從而更快地確定目標(biāo)人群的臨床試驗(yàn)候選人。麥肯錫( McKinsey )的分析師描述了其他機(jī)器學(xué)習(xí)應(yīng)用程序,這些應(yīng)用程序可以通過(guò)簡(jiǎn)化計(jì)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(cuò)誤降至最低等任務(wù)來(lái)提高臨床試驗(yàn)的效率。
5 .放射治療和放射學(xué)
哈佛醫(yī)學(xué)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(xué)家將不會(huì)以現(xiàn)在的形式存在。它們看起來(lái)更像是電子機(jī)器人:監(jiān)督每分鐘閱讀數(shù)千份研究報(bào)告的算法。目前,倫敦大學(xué)學(xué)院醫(yī)院的deep mind Health正在開發(fā)機(jī)器學(xué)習(xí)算法,通過(guò)區(qū)分健康組織和癌癥組織來(lái)提高放射治療計(jì)劃的準(zhǔn)確性。
6 .電子健康記錄
支持向量機(jī)(Support vector machines用于分類患者電子郵件查詢的技術(shù))和光學(xué)字符識(shí)別(用于數(shù)字化手寫筆記的技術(shù))是用于文檔分類的機(jī)器學(xué)習(xí)系統(tǒng)的基本組件。這些技術(shù)的應(yīng)用案例包括MathWorks的MATLAB (一個(gè)具有手寫識(shí)別應(yīng)用程序的機(jī)器學(xué)習(xí)工具)和谷歌的云視覺(jué)API。MIT臨床機(jī)器學(xué)習(xí)小組的重點(diǎn)之一是開發(fā)基于機(jī)器學(xué)習(xí)的智能電子健康記錄技術(shù),其理念是開發(fā)“安全、可解釋、能從少量標(biāo)記的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)、理解自然語(yǔ)言、并能在醫(yī)療環(huán)境和機(jī)構(gòu)中很好地推廣的強(qiáng)大機(jī)器學(xué)習(xí)算法”。