Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

2018年,这些AI与生物医药的重磅合作,你一定要知道

2018年只剩下不到一周的时间了。在这一年内,人工智能在医疗大健康领域处于飞速发展中,同时也有越来越多的医疗企业正在应用AI技术。在今年一年时间里,医疗行业发生了哪些与AI相关的重磅合作呢?让我们一起来关注一下。

大型医药企业利用AI技术,加速药物发现

在2018年,有更多的医药公司加入了使用AI技术的行列,开展了一系列与AI新锐的合作,旨在利用机器学习和算法的力量,推动药物研发进程。

图片来源:123RF

1. 辉瑞公司与Atomwise公司合作,利用人工智能研发新型药物

Atomwise公司是一家将人工智能技术应用于药物发现和设计的公司。其宣布与辉瑞公司签订了一项评估协议。辉瑞公司将对Atomwise公司的人工智能平台进行评估,从而确定多达三种靶向蛋白质分子,作为潜在候选药物。根据协议内容,辉瑞公司将为入选的靶点蛋白质分子支付技术准入费用和成功研发所需的额外费用。而Atomwise公司将利用尖端AI平台,对数百万种不同的小分子进行计算分析,从而预测那些和辉瑞选定的靶点蛋白质分子亲和力较高的分子。同时,Atomwise的医学和计算化学团队还将与辉瑞的科学家进行合作,为选定的小分子定义其所需的效能和其他化学性质。

2. 从全球微生物中寻找新药,BMS达成研发协议

生物技术公司Sirenas宣布它已与百时美施贵宝(Bristol-Myers Squibb)公司达成针对多个目标的研究合作协议。根据协议,百时美施贵宝将使用Sirenas的专有药物发现平台ATLANTIS,筛选针对具有挑战性的治疗目标的候选药物。Sirenas是一家利用计算方法发现来自全球微生物组的治疗药物的生物技术公司。公司拥有其从全球微生物菌种收集中分离出的专有化学品库,并将其数据挖掘技术ATLANTIS™应用于其专有的广泛分子目录,结合内部下一代合成化学,创造了药物发现的一流方法,确定有前途的小分子候选药物。

3. 勃林格殷格翰联合Bactevo,加强新药研发能力

勃林格殷格翰(Boehringer Ingelheim)公司正在与英国技术研究公司 Bactevo 进行新的合作,加强其药物研发工作。通过先进的机器学习技术,Bactevo 宣称其全面综合药品开发引擎平台(TIME)将能够在药物发现的速度,效率和质量方面带来质的变化,并显着增强安全属性。此次达成的合作协议目的是识别新型小分子先导化合物,让Bactevo使用TIME平台及合成化学技术在检测新先导药物在体内的效果时,进一步提高速度,效率和质量

4. GSK与Cloud Pharmaceuticals合作,利用AI技术设计分子

人工智能驱动的药物研发新锐Cloud Pharmaceuticals(简称Cloud)宣布,他们已经与GSK达成合作:Cloud 将为GSK指定的靶点设计新型小分子制剂,并将利用其专有的AI驱动模式来设计分子。Cloud与学术界和商业界的多个合作伙伴携手,针对各种各样的药物靶点设计活性分子,并发表了多篇相关论文。Cloud专有的AI驱动模式能够提供创新型分子,这些分子都是根据每个药物靶点的独特性质量身打造而成。

5. 云端AI平台加速药物开发,德国默克与Cyclica达成合作

德国默克(Merck KGaA)宣布,该公司与Cyclica公司达成授权合作协议,将使用该公司名为Ligand Express的云端蛋白质组(proteome)筛选平台加快药物研发。Ligand Express是一种用人工智能(AI)辅助的基于分子结构的蛋白质组筛选平台,用于发现与小分子化合物结合的新靶点。这项合作将帮助德国默克高效率地揭示该公司一系列在研小分子化合物的作用机制,并且评估它们的安全性以及在其它方面的应用。

大数据”成为发力点

大数据已经成为未来药物研发领域AI驱动变革的关键性因素。如果没有多元化、跨学科、高质量的大数据,AI技术的变革性影响就无法完全实现。在这种情况下,有越来越多的公司正在朝着以数据为中心的研究方向前进。 

图片来源:123RF

投资3亿美元,GSK与23andMe合作研发新药

知名医药企业葛兰素史克(GSK)与消费者基因检测先驱公司23andMe宣布达成4年独家合作,将利用人类遗传学信息研发创新疗法。GSK同时将对23andMe进行3亿美元的股权投资。本次合作将结合23andMe大规模的遗传学资源和先进的数据科学技术,以及GSK在科学和医学上的专精,强强联手,寻找关于创新药物靶点的洞见,带来创新疗法,满足广大未竟的医疗需求。据了解,两家公司的新药研发合作已经立即启动,而GSK的一款LRRK2抑制剂项目将是最早开启的计划之一。目前,这款新药正位于临床前的开发中,有治疗帕金森病的潜力。而23andMe对LRRK2变异位点的检测,有望加速这一临床项目的开发。

Datavant与维智基因合作,发挥医疗数据集最大价值

Datavant是一家美国AI新锐,专注于组织和构建医疗数据,为临床试验的设计和解释提出可操作的见解。今年1月初,它宣布与维智基因(Verge Genomics)公司达成战略联盟,后者是一家利用人工智能发现和研发新型疗法的公司。这项合作伙伴关系旨在最大化地发挥Datavant所拥有的医药数据集的价值,包括临床试验、用药、电子健康记录和患者基因组学数据等,从而加速新药的发现和研发进程

跨界合作,打造一体化研究平台

目前,医疗行业正在逐渐形成使用平台来进行跨界合作及研究的趋势。这里的平台指的是数字化的基础设施,可以将不同类型和领域的活动、研究领域、操作模式和数据流连接起来。这种平台的概念虽然在金融和电商等行业已经成熟,但对于医疗行业来说还是一个新鲜事物。目前已经有一些企业率先开始应用这一概念开展研发工作。

图片来源:123RF

诺华与英特尔强强联手!利用深度神经网络加速药物研发

英特尔正在与诺华合作,利用深度神经网络来加速高内涵筛选——这是早期药品研发的关键因素。双方的合作把训练图片分析模型的时间从11个小时缩短到了31分钟,改善了20多倍。利用深度学习训练中的数据并行性原则,并充分依靠服务器平台上的大存储支持,实现了每秒处理120个3.9兆像素图像的成果。

英特尔与诺华的生物学家和数据科学家希望通过利用深度神经网络加速技术,提高高内涵图像筛选的速度。在双方的合作中,团队并非通过独立的步骤鉴别出图像中的各个细胞,而是聚焦于完整的显微镜图像,但完整的显微镜图像远远大于深度学习数据集里的图像,例如英特尔与诺华合作评估中使用的图片就比典型的动物、物体和场景数据集ImageNet中的图像大26倍以上。

礼来中国与微软中国战略合作,AI赋能医疗创新

2018年9月19日,礼来中国与微软中国宣布达成战略合作,基于礼来在医疗健康行业领先的市场地位及行业洞察,以及在数字化创新领域的前瞻性探索,结合微软前沿的人工智能技术、云计算服务及生态系统优势,在中国共同推进双方在服务、技术、市场领域的广泛合作,打造人工智能+医疗健康的行业新生态

借助微软在医疗健康行业的合作伙伴,双方合作已经取得了初步进展:为实现疾病的早发现、早治疗,帮助患者改善生活质量并降低治疗成本,礼来中国计划采用微软合作伙伴Airdoc开发的人工智能筛查解决方案,通过自动化分析患者的医疗影像资料,实现疾病的及早发现。这一方案以微软认知工具包深度学习框架为基础,运行在微软智能云Azure上,能够显著提升重大疾病筛查的准确度和效率。

罗氏与腾讯达成战略合作,人工智能成为布局重点

11月6日,腾讯公司与罗氏制药中国宣布达成战略合作,结合各自在互联网和医药创新领域的技术专长及资源优势,共同打造以患者价值为导向的数字化医疗健康服务模式。根据战略合作备忘录,双方将合力探索互联网与医疗健康行业的深度融合,在药品溯源、用药服务、疾病管理、医学科普等方面展开试点,通过为患者提供切实可行、优质便捷的数字化创新服务,逐步建立全方位、一体化的患者医疗健康管理平台。结合腾讯和罗氏制药的资源优势,合作将率先聚焦肿瘤疾病领域。此外,双方还将共同探索大数据人工智能技术在医疗行业的应用,实现大数据价值转化,推动医疗健康产业数字化升级。

我们相信,创新发现的问世离不开合作。随着AI技术的蓬勃发展,有越来越多的医药公司正在投身人工智能的浪潮。

我们对2018年达成的以上这些合作表示祝贺,也期待在即将到来的2019年,AI技术能够更好地应用于医疗行业,实现更多更大的突破,从而造福广大患者。

药明康德AI
药明康德AI

药明康德微信团队专业打造。当人工智能遇上大健康,带你看全AI时代的智慧之光。

专栏二维码
产业生物医药药物研发机器学习深度神经网络
1
相关数据
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

http://www.intel.cn/
相关技术
Microsoft机构

微软是美国一家跨国计算机科技公司,以研发、制造、授权和提供广泛的计算机软件服务为主。总部位于美国华盛顿州的雷德蒙德,最为著名和畅销的产品为Microsoft Windows操作系统和Microsoft Office办公室软件,以及Xbox的游戏业务。微软是美国《财富》杂志2015年评选的世界500强企业排行榜中的第95名。

https://www.microsoft.com/en-us/about
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

深度神经网络技术

深度神经网络(DNN)是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。

推荐文章
暂无评论
暂无评论~