AI用于疾病诊断和新药品设计的前景可观

作者: 佚名 2019-10-08 12:40:07

医疗保健行业一直都是创新先行者。然而,疾病和病毒不断地变种,给医疗保健行业带来一定的挑战,现在借助人工智能(AI)和机器学习算法,该行业迎来了新机遇。

AI用于疾病诊断和新药品设计的前景可观

▲ 图:医疗科技概念及医疗器械(Getty/图片来源)

《柳叶刀数字健康》(The Lancet Digital Health)本周发表的一项研究,比较了深度学习与医疗专业人员在检测医学影像疾病方面的表现,该研究采用的样本是2012年-2019年期间的所有相关数据。

研究发现,在过去的几年里,AI在图像识别疾病诊断方面变得更加准确,并成为一个更可行的诊断信息来源。研究人员表示,在其考察的14项研究里,AI系统能够正确识别疾病的百分比达87%,而医疗保健专业人士正确识别疾病的百分比为86%;且AI还能够正确地识别出病例中93%没有疾病的患者,而医疗保健专业人员为91%。不难推断出,AI未来在医疗成像识别诊断的技术效率会更高。

人工智能在医疗领域的应用不仅限于诊断疾病,还包括可能的治疗方法。

制药公司拜耳(Bayer)最近一直在与科技公司合作,开发有助于诊断复杂和罕见疾病的软件,并帮助开发治疗这些疾病的新药。他们一直与医院和研究人员合作,希望找出机器学习在分析和学习如何诊断病人病情时需要的东西。人工智能吸收的信息来自许多因素,包括症状数据、疾病原因、检测结果、医学图像、医生报告等等。

最近负责拜耳人工智能项目的Angeli Moeller接受了美联社的采访,Moeller解释了新药物的开发及用到的系统:“我们可以模拟它在细胞里的表现,同时综合考虑患者服用的其他药物。我们正在研究如何找适合的病人和地点,进行我们的临床试验。如果成功,我们就可以进行更短期的研究,可以更早地发现哪些药物适合患者。”

机器学习系统并不是要取代医生,也不能在治疗病人时做出绝对的决定。据Moeller说,他们仍然希望病人能够控制自己的治疗,希望利用AI来支持决策,并根据得到的结果提出建议。

拜耳并非唯一一家在AI医疗保健领域掀起波澜的公司,其他许多初创公司也在提出AI疾病治疗方案。据BenchSci最新报告显示,目前市场上有148家初创公司在药物研发中使用了AI技术。

其中一家初创公司Atomwise刚刚与江苏豪森药业集团有限公司(Jiangsu Hansoh Pharmaceutical Group)合作,成立了一家价值15亿美元的合资企业,用于设计癌症治疗新药物。此次合作将Atomwise的AI技术与豪森药业的制造能力结合起来,共同设计出预测小分子如何与靶标蛋白绑定的新方法,有望取得医疗新进展。类似的合资企业前景颇佳,因为这些企业结合了机器学习和医疗器械创新发展的两个关键要素。

加拿大生物技术公司Deep Genomics在过去5年里一直在试验机器学习和药物开发。具体而言,这家公司一直在针对一种名为“威尔逊病(Wilson Disease)”的罕见遗传疾病做了不同的实验,目前市场上尚无威尔逊病的治疗方法,这种疾病会阻止人体排除铜,而铜元素最终会在器官中积聚,并可能导致危及生命的器官损伤,或者器官衰竭。

Deep Genomics的AI系统成功发现,这种基因突变改变了ATP7B的氨基酸链,ATP7B是一种铜结合蛋白,威尔逊病患者缺乏ATP7B,导致基因组的中断,进而导致不能生成该蛋白。目前Deep Genomics公司正在测试他们的药物对第一批应选人的效用,但愿最终能成功治疗该疾病。

不幸的是,目前市场上还不存在由AI创建的任何药物治疗,但许多公司都在努力实现这一点。患者数据和测试的收集,将持续推动市场的进步,虽然人工智能与医疗专业工作做的大量工作挽救了生命,但目前却远非主流。

Moeller 表示,“AI真正进入主流医疗实践可能需要两年的时间,但把这项技术应用到患者身上,仍然是最困难的部分。”

AI 人工智能 医疗保健
上一篇:集合三大类无模型强化学习算法,BAIR开源RL代码库rlpyt 下一篇:打击换脸技术滥用,谷歌发布大型数据集对抗deepfake
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

面部识别的利与弊:是福还是祸?

虽然现代技术使面部识别更加精确和安全,但与面部识别隐私问题和监控有关的担忧也在增加。因此,让我们在这篇文章中探讨一下这该技术的利与弊。

Naveen Joshi ·  2021-06-01 16:36:22
人工智能和5G如何结合以实现物联网收入最大化

网络系统通过信令和使用软件以及分析来检测和分类设备非常棘手,并且对有限且日益紧张的网络资源提出了巨大的需求。然而,解决这些问题有一个主要解决方案:采用人工智能、自动化和5G技术。

Jordi Castellvi ·  2021-06-01 13:49:15
MIT团队最新研究,仅靠LiDAR和2D地图实现端到端自动驾驶

最近, MIT 计算机科学与人工智能实验室(CSAIL)团队成功展示了一种基于机器学习的自动驾驶系统,该端到端框架仅使用 LiDAR获取的原始 3D 点云数据和类似于手机上的低分辨率 GPS 地图就能进行自主导航,并且大大提升了鲁棒性。

文龙 ·  2021-06-01 12:47:51
自然语言处理(NLP)的历史及其发展方向

自然语言处理的历史是一个充满曲折的故事。它从徒劳的研究开始,经过多年卓有成效的工作,最后结束于一个我们仍在试图找出该领域极限的时代。今天,让我们来一起探索这一AI科学分支的发展。

佚名 ·  2021-06-01 12:46:26
是福还是祸?人脸识别技术的利与弊

面部识别并不是一项全新的技术,但人工智能和机器学习不断使面部识别变得更好。苹果通过引入具有 3D 扫描功能的面部生物识别系统和 iPhone 的 Face ID,提高了面部识别的标准。

Naveen Joshi ·  2021-06-01 11:11:01
人工智能能否使机器具有流体智力?

麻省理工学院和奥地利研究人员为灵活的人工智能创造了“液体”机器学习。

千家网 ·  2021-06-01 10:38:55
大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
美城市Baltimore可能颁布最严格的面部识别禁令

据介绍,拟议的法令将禁止私人或商业组织,甚至执法机构在城市使用面部识别技术。

千家网 ·  2021-06-01 09:34:07
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载