看看AI在醫(yī)學(xué)健康領(lǐng)域如何大顯身手

醫(yī)生和護(hù)士在臨床前沿抗擊疾病保障我們的健康，但與此同時研究領(lǐng)域的科學(xué)家們在進(jìn)行著疾病和生物機(jī)理研究、新工具和藥物的開發(fā)，對于我們健康的保駕護(hù)航也至關(guān)重要。這些研究人員在致力于攻關(guān)目前棘手的不治之癥、模擬生物系統(tǒng)和組織來更好地理解機(jī)理、深度基因?qū)用嫣剿鹘忾_疾病的鑰匙。

而AI的出現(xiàn)為這些重要的研究帶來了有力的工具和高效的方案，大大加快了研究的進(jìn)程。下面就讓我們一起來看看AI在醫(yī)學(xué)健康領(lǐng)域如何大顯身手。

AI助力新藥發(fā)現(xiàn)

在人類的知識領(lǐng)域中有龐大數(shù)量的分子有成為藥物的潛力，制藥公司和藥學(xué)家每年花費著無數(shù)的努力和金錢來探索這些可能的藥物，期待發(fā)現(xiàn)治愈疾病的新藥?？茖W(xué)家們常常根據(jù)自身的經(jīng)驗來創(chuàng)造新藥，他們常常集中于一種疾病研究數(shù)年數(shù)十年，以便嘗試盡可能多的分子。

但在AI的幫助下，他們現(xiàn)在可以基于數(shù)百萬中分子的虛擬模型在計算機(jī)中進(jìn)行探索研究，并能同時觀察上百種疾病對于特定藥物的反應(yīng)。深度學(xué)習(xí)可以基于生物醫(yī)學(xué)定律建立起藥物分子與組織細(xì)胞的反應(yīng)過程，幫助研究人員理解藥物分子潛在的副作用，并捕捉那些可以針對特定疾病有效的分子合成新藥。來自匹茲堡大學(xué)的研究人員就利用了深度學(xué)習(xí)來研究備選藥物對于靶向蛋白質(zhì)的療效，通過研究和分析目前可以將預(yù)測精度從過去的50%提高到目前的70%。很多公司還訓(xùn)練了龐大的神經(jīng)網(wǎng)絡(luò)到不同臨床領(lǐng)域中探索新的藥物方案，同時研究中還包括多種缺乏研究的罕見病。深度學(xué)習(xí)模型通過分析顯微鏡圖像，來判斷藥物是否對于疾病細(xì)胞有療效?；谶@套方案，每周可以觀察和處理一千萬個細(xì)胞的上百種特征，極大的加快了藥物研發(fā)過程中的數(shù)據(jù)收集和處理過程。

AI深入基因研究

另一個復(fù)雜的生物研究領(lǐng)域便是基因，盡管基因領(lǐng)域的歷史不長，但近年來的飛速發(fā)展使得這一領(lǐng)域的數(shù)據(jù)集幾乎每八個月就能翻倍。

隨著全球范圍內(nèi)基因測序的普及，為科研人員提供了豐富的基因數(shù)據(jù)庫，并不斷提高醫(yī)學(xué)研究、免疫療法和人群研究的精度。但對于收集到的海量數(shù)據(jù)，最重要的分析卻需要龐大的算力支持！

研究人員基于深度學(xué)習(xí)開發(fā)出了一系列成本低廉的基因測序方式，能夠更有效的檢測出基因數(shù)據(jù)中的編變異信息。同時一系列初創(chuàng)公司也將GPU強大的并行計算能力用于處理復(fù)雜的基因分析問題，他們將基因數(shù)據(jù)切分成一系列小段獨立處理，并最終對信息進(jìn)行匯總分析，極大地提高了基因數(shù)據(jù)測處理效率。此外還將深度學(xué)習(xí)用于檢測基因片段中的關(guān)鍵標(biāo)志物和異常位點，將曾經(jīng)需要耗費幾天的分析過程縮減到一小時以內(nèi)。

AI提供了醫(yī)學(xué)研究的新范式

來自世界各地的研究人員將AI算法與GPU的算力結(jié)合模擬一些目前研究暫不透徹的生物結(jié)構(gòu)和疾病，通過這樣的手段為醫(yī)學(xué)研究提供了新的方法。來自莫納什大學(xué)的研究人員利用冷凍電鏡技術(shù)開發(fā)出了一套高分辨率的三維分子建模系統(tǒng)，基于GPU組成超算的強大算力來實現(xiàn)精確快速的建模。這一研究將有效促進(jìn)新藥研發(fā)和抗藥性細(xì)菌的研究。

而在美國，科羅拉多大學(xué)的研究人員利用模擬系統(tǒng)研究了致命登革病毒中各種酶的機(jī)理，這種病毒每年感染了數(shù)百萬人?；诶贸?a target="_blank">中心的算力，研究人員得以發(fā)現(xiàn)這些酶新的活動過程 。隨著精度的提升，研究人員得以更清晰的了解病毒傳播的過程，并利用有效手段來阻止這些病毒的擴(kuò)散。深度學(xué)習(xí)同時還可以幫助研究人員積累數(shù)量可觀的數(shù)據(jù)，并在應(yīng)用研究上實現(xiàn)突破。一系列研究已經(jīng)開始利用生成對抗網(wǎng)絡(luò)來生成一系列腦部異常核磁共振圖像，用于訓(xùn)練醫(yī)學(xué)圖像分析神經(jīng)網(wǎng)絡(luò)，實現(xiàn)前沿醫(yī)學(xué)領(lǐng)域的研究。

這些合成數(shù)據(jù)可以解決深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域面對的數(shù)據(jù)不均衡、以及缺乏可靠數(shù)據(jù)源的困難。從新藥的探索到分子動力學(xué)的研究，從基因表達(dá)到詳盡的分析和檢測，從基礎(chǔ)醫(yī)學(xué)到醫(yī)學(xué)影像，深度學(xué)習(xí)和人工智能正在為醫(yī)學(xué)和健康領(lǐng)域的研究提供著完全不同于傳統(tǒng)的研究方法和實驗手段、將不斷加速我們對于生物、化學(xué)和自身的理解，為人類健康保駕護(hù)航！