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

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
产业医疗谷歌
相关数据
DeepMind机构

DeepMind是一家英国的人工智能公司。公司创建于2010年,最初名称是DeepMind科技(DeepMind Technologies Limited),在2014年被谷歌收购。在2010年由杰米斯·哈萨比斯,谢恩·列格和穆斯塔法·苏莱曼成立创业公司。继AlphaGo之后,Google DeepMind首席执行官杰米斯·哈萨比斯表示将研究用人工智能与人类玩其他游戏,例如即时战略游戏《星际争霸II》(StarCraft II)。深度AI如果能直接使用在其他各种不同领域,除了未来能玩不同的游戏外,例如自动驾驶、投资顾问、音乐评论、甚至司法判决等等目前需要人脑才能处理的工作,基本上也可以直接使用相同的神经网上去学而习得与人类相同的思考力。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

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)

神经科学技术

神经科学,又称神经生物学,是专门研究神经系统的结构、功能、发育、演化、遗传学、生物化学、生理学、药理学及病理学的一门科学。对行为及学习的研究都是神经科学的分支。 对人脑研究是个跨领域的范畴,当中涉及分子层面、细胞层面、神经小组、大型神经系统,如视觉神经系统、脑干、脑皮层。

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

卷积神经网络技术

卷积神经网路(Convolutional Neural Network, CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。卷积神经网路由一个或多个卷积层和顶端的全连通层(对应经典的神经网路)组成,同时也包括关联权重和池化层(pooling layer)。这一结构使得卷积神经网路能够利用输入数据的二维结构。与其他深度学习结构相比,卷积神经网路在图像和语音识别方面能够给出更好的结果。这一模型也可以使用反向传播算法进行训练。相比较其他深度、前馈神经网路,卷积神经网路需要考量的参数更少,使之成为一种颇具吸引力的深度学习结构。 卷积网络是一种专门用于处理具有已知的、网格状拓扑的数据的神经网络。例如时间序列数据,它可以被认为是以一定时间间隔采样的一维网格,又如图像数据,其可以被认为是二维像素网格。

推荐文章
暂无评论
暂无评论~