人工智能如何推动神经科技发展?

作者: 佚名 2020-02-13 23:30:22

神经科技以人类神经系统原理为基础,旨在研究人类大脑这一极为复杂的模型架构。在实际作用方面,神经科技将帮助研究人员了解大脑功能与引发功能障碍的原因,并助力医生治疗各类神经系统疾病。至于具体应用,神经科技目前主要关注增强认知能力、改善睡眠并改善长寿人群的大脑健康等。以此为背景,AI技术的快速发展有望在未来十年内,推动神经科技发展进入快车道。

  • 过去二十年内,神经科技企业获得的投资总额超过190亿美元。
  • 当前,全球拥有超过200家神经科技企业。
  • 美国本土的神经科技企业在数量上占绝对优势。美国为121家,加拿大为14家,英国为13家,瑞士为8家,以色列为7家,法国为6家。
  • 目前,全球有200多家神经科技投资机构。
  • 美国的神经科技投资机构数量同样最多。美国有136家,日本与英国各有10家,加拿大有7家,中国和法国为6家。
  • 2015年,神经科技专利总值为2亿美元。

人工智能如何推动神经科技发展?

2020年全球神经科技行业格局概述

>>>脑机接口

神经科技领域最为人熟知的探索方向之一,正是脑机接口(BCI)。脑机接口的基本思路在于接收大脑信号,对信号做出分析,据此将信号转换为命令,而后发送至执行端的输出设备。脑机接口有望帮助患有神经肌肉疾病(例如肌萎缩性侧索硬化症、脑瘫、中风或脊髓操作)的病人逐步恢复功能。随着这项技术的进步,人类最终也许能够将USB接口植入大脑,从而轻松完成脑信号上传。到2024年,全球脑机接口市场总值预计将达到18亿美元。

>>>神经调节

在美国,目前已经有超过15万人使用治疗性脑植入物,主要用于治疗帕金森氏病。神经调节疗法为慢性疾病的治疗带来替代性选项。与传统药物相比,神经调节疗法通常更具针对性、成本低廉且副作用更少。神经调节的核心在于刺激大脑中的特定区域。目前常见的神经调节刺激分为几种类型,且各自拥有不同的特性与用途。这项技术的重要应用之一,在于治疗患者难以忍耐的疼痛,具体方法为刺激大脑内与脊柱及周边神经系统对应的各个部位。到2022年,全球神经调节设备行业总值预计将增长至133亿美元。

人工智能如何推动神经科技发展?

神经科技行业框架

>>>深层脑刺激

深层脑刺激的主要用途在于治疗运动障碍。以神经刺激器为例,这类医疗设备可通过植入的电极将电脉冲发送至大脑中的特定目标处,治疗包括帕金森氏病、原发性震颤以及肌张力障碍在内的各类运动障碍性疾病。在临床试验中,研究人员们还开始关注利用深层脑刺激治疗慢性疼痛的潜在可能性。

>>>脊髓刺激

脊髓刺激属于一类神经调节技术,主要用于治疗慢性疼痛。与利用起搏器纠正异常心跳的基本原理类似,神经调节装置可以建立起新的神经平衡,从而协助缓解疼痛。治疗方案主要是将电极放置在人体内的特定脊椎区域附近,这部分区域一直被视为痛常见的产生根源。

人工智能如何推动神经科技发展?

全球前200大神经科技企业的技术推广情况

>>>迷走神经刺激

迷走神经刺激的本质是同迷走神经传递电脉冲。根据当前的研究结果,抑郁、炎症、代谢综合征以及心脏病之间的关联很可能正是以迷走神经作为介导。迷走神经刺激能够缓解一部分癫痫与抑郁症疾病。

>>>经颅磁刺激

经颅磁刺激属于一类非侵入性大脑刺激技术,其将磁感应力集中在大脑中的特定区域以发挥刺激作用。相关应用包括评估脑卒中状态、多发性硬化症以及其他由神经系统病变引发的疾病。经颅磁刺激剂的治疗范围包括重度抑郁症、偏头痛、强迫症、精神分裂症以及创作后应激障碍等。2018年,全球经颅磁刺激市场的总体规模估计为8.834亿美元。

人工智能如何推动神经科技发展?

神经科技企业的地区性分布

>>>用于神经生物标志物检测的AI技术

目前,高端神经科技发展的主要障碍之一,在于科学家对于神经信号(即生物标记物)的检测与重构本身,可能会对正常信号传递速度产生干扰。神经数据极其复杂,因此我们需要更强大的解释方法,并借此从大量作为生物标记物的神经数据中找到准确可靠的信号模式。

其中的基本思路,是利用AI技术开发出一套能够从神经数据中快速检测生物标志物的平台。以此为基础,研究人员可以将长期置留型神经接口(允许计算机直接与人体之间实现神经数据读取与写入的连接),与经过训练且能够直接从神经数据内评估生物标志物的人工智能系统结合起来。

如果这样的AI平台能够准确理解神经系统的“语言”,即可在闭环实验当中测试各类针对新型靶标的神经调节疗法。此举有望为多种慢性症开发出更强大的治疗方法,同时也将推动AI技术在人体临床应用层面迈出里程碑性的一大步。这一进展甚至可能为研究医学现状、加速神经生物标志物检测,以及探索新一代基于AI的神经医学方法提供新的实现途径。

人工智能如何推动神经科技发展?

神经科技研究领域与客户需求

神经科技堪称当前生物科技领域最具发展前景的方向之一。在过去二十年中,私人资本基金在这一领域的总投入已经超过190亿美元,且投资年增长率高达31%。一部分神经科技中的子行业已经在市场上建立起具备实效的方案与产品,并建立起完善的业务体系。在接下来的几年内,众多早期初创企业将演变为成熟公司,并将更多新的神经科技产品推向市场。与之对应,AI技术的进步以及计算机与生物学间日益融合,必将改善全人类的大脑健康水平。未来可期,让我们拭目以待!

人工智能 AI 神经科学
上一篇:2020年了,深度学习接下来到底该怎么走? 下一篇:人工智能“捷径”将模拟速度提高数十亿倍
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

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载