促进AI在医疗领域的新进展,谷歌都做了这些事情
人工智能(AI)在生物医药和生命科学领域越来越多地被视为一种可以改善药物研发的工具。作为世界上最大的公司之一,谷歌对人工智能在医疗领域的应用非常感兴趣。
图片来源:Pixabay“机器学习和人工智能的基础技术适用于各种任务,”谷歌的神经科学家Greg Corrado博士表示:“包括你日常生活中的任务,比如问路或整理电子邮件,以及医生、护士、临床医生和病人每天面临的任务。”
Alphabet旗下的Verily专注健康领域。 该公司正在进行的一个项目是能够诊断可能导致失明的糖尿病视网膜病变的软件 。该公司还致力于开发可以监测糖尿病患者血糖的隐形眼镜。
Verily的首席医学官,心脏病专家Jessica Mega博士表示:“在每一个案例中,你都可以使用新技术和新工具来解决眼前的问题。就外科机器人而言,从一台手术到另一台手术中学习的想法变得非常重要,因为我们应该不断地变得更好。”
▲Jessica Mega博士作为嘉宾,参与了2018年举行的第六届药明康德全球论坛 今年早些时候,谷歌的DeepMind赢得了由美国国家综合医学科学研究所(NIH/NIGMS)赞助、蛋白质结构预测中心主办的结构预测的关键评估(CASP)全球竞赛。这是一个全球性的竞赛,自1994年以来每两年举行一次。
蛋白质具有三维结构,这些结构是决定其功能的重要因素。举个例子,一个蛋白质的基因突变导致蛋白质具有不同的形状,从而使蛋白质功能表现异常或根本无功能,这种情况很常见。 蛋白质的形状也是动态的,在不同状态之间转换。
在CASP中,参与者试图预测特定人类蛋白质的三维形状。相关领域的研究者使用各种方法来解决问题。Deepmind不仅在竞赛中击败了其他科学家,而且给出的预测准确度几乎是专家预测的两倍。
为《Science Translational Medicine》杂志撰写In The Pipeline专栏博客的Derek Lowe博士表示:“ 并不是说机器会取代化学家,而是使用机器的化学家将取代不使用机器的化学家 。”
谷歌之外的其他公司则专注于人工智能和机器学习。Recursion Pharmaceuticals公司总部位于犹他州盐湖城,是一家集人工智能、实验生物学和自动化于一体的临床阶段生物技术公司,主要从事药物的大规模发现和研发。
一月份, Recursion宣布它与武田制药(Takeda Pharmaceutical)在识别罕见疾病的新型临床前候选方面的合作进展 。在18个月的时间里,这一伙伴关系带来了对武田制药60多种临床前和临床化合物的独特适应症的评估,并在六种以上的疾病中发现了新的候选治疗药物。
位于旧金山的Atomwise公司使用基于卷积神经网络的人工智能技术来寻找药物,卷积神经网络与面部识别和自动驾驶汽车中使用的技术相同。就在前不久,Atomwise宣布与DNDi开展合作,开发first- in-class美洲锥虫病治疗方案。 这项研究已经提供了一些非常有前景的候选化合物。
这些还只是众多例子中的两个。但谷歌作为可能是世界上最大,当然也是最知名的数据公司,为这个领域带来了大量的资源。它至少有一部分的关注点放在 直接对病人的诊断 上。医院拥有大量的病人数据,包括电子健康记录、扫描和检测结果。Mega博士表示,这些都是算法吸收和处理的素材,人们有可能从中挖掘出更多有用的信息。
Verily与杜克大学和斯坦福大学合作的项目名为Project Baseline。该项目希望招募10000名志愿者,为公司提供额外的数据。除了进行各种心脏扫描、血液测试、压力测试和皮肤采样,参与者还要填写季度调查问卷,工作人员还会在他们的床垫下放置一个装置追踪睡眠模式,并要求佩戴心脏和运动监测器。
这或许听起来像是侵犯了参与者的隐私——毕竟,这家公司可以访问你在网上的搜索和购买记录,以及其他数据——这也是这个项目可能引起担忧的一个方面。但是到目前为止,用户愿意为了谷歌提供的计算机便利服务而放弃一定程度的隐私。这点可能也适用于他们的健康问题。
参考资料:
[1] Google Steps Up Efforts to Use Artificial Intelligence in Health Care. Retrieved April 28, 2019, from https://www.biospace.com/article/google-steps- up-efforts-to-use-artificial-intelligence-in-health-care/?s=62
作者暂无likerid, 赞赏暂由本网站代持,当作者有likerid后会全部转账给作者(我们会尽力而为)。Tips: Until now, everytime you want to store your article, we will help you store it in Filecoin network. In the future, you can store it in Filecoin network using your own filecoin.
Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: