AI在醫學上的七大應用領域（中）

來自專欄 人工智慧商業

上期我們分享了疾病診斷和個性化醫學，本期我們繼續分享AI在醫學上的七大應用領域以及有待克服的障礙。希望能對相關領域的同學有所啟發。

3 - 藥物研究/製造

在初步（早期）藥物設計中使用機器學習具有巨大潛力，從藥物化合物的初步篩選到基於個體因素的藥物有效性預測，以及一系列新技術，如下一代測序等。

精準藥物醫學是這一領域的前沿。這涉及確定「多因素」疾病的機制，或者尋找替代治療等等。

很多這方面研究涉及無監督的學習，目前很大程度上我們仍然局限於識別數據模式（而非預測）。

A：監督和無監督學習問題的矩陣表示

B：決策樹將特徵映射到結果

C：神經網路基於特徵的變換來預測結果

D：最近鄰演算法 - 基於最相似訓練樣本值的分類器

該領域的主要開拓者包括MIT臨床機器學習小組。

其精密醫學研究側重於開發演算法，以更好地了解疾病過程並設計有效治療2型糖尿病等疾病。

微軟的漢諾威項目正在多個計劃中使用ML技術，其中包括與奈特癌症研究所合作開發用於癌症精準治療的AI技術，目前著眼於開發治療個性化急性骨髓性白血病（AML）的藥物組合。

英國皇家學會還指出，藥物研究中運用ML已經成熟。

來自實驗或製造過程的數據有可能幫助製藥廠商減少生產藥物所需的時間，從而降低成本並提高重複率。

4 - 臨床試驗研究

機器學習可以用來指導臨床試驗研究。應用高級預測分析，我們可以利用比目前更廣泛的數據，例如社會媒體和醫生門診記錄，以及在針對特定人群時的遺傳信息來確定臨床試驗候選人; 這一切將使得臨床實驗更小，更快，更便宜。

ML還可用於遠程監控，例如，監測患者體征以發現任何人身傷害或死亡的跡象。

據麥肯錫稱，ML可以幫助提高臨床試驗效率，包括找到最佳樣本大小; 適應患者個體差異; 以及使用電子醫療記錄來減少數據錯誤（例如重複輸入）。

5 - 放射學和放射治療

在2016年10月的「統計新聞」採訪中，哈佛醫學院助理教授Ziad Obermeyer博士說：

「20年後，放射科醫生將不復存在。他們可能看起來更像是人和機器的混合體：應用ML演算法每分鐘他們可以讀取數千個病例。「

目前，Google的DeepMind Health正在與倫敦大學學院（UCLH）合作開發能夠檢測健康和癌組織差異的ML演算法幫助改善放射治療。

圖片來源：Google DeepMind健康 - 放射治療計劃

DeepMind和UCLH正在努力應用ML，以加快癌組織分割過程（確保沒有健康的結構受損）並提高放射治療的準確性。

在下期文章中我們會繼續分享智能電子健康記錄、疫情爆發預測領域的探索。

待續......

請關注我們微信公眾號aihelps。歡迎加入人工智慧商業化社群交流，請加微信號12956250。

特別提示：

本文章由亮劍會提供，亮劍會是鄒洪亮和胡曾劍聯合創辦的AI商業應用社群，致力於人工智慧的商業化。

鄒洪亮，電子商務資深顧問，擁有15年豐富的互聯網一線操盤經驗，曾任500彩票網(紐交所: WBAI)副總裁。移居加拿大後，創辦Havlek諮詢公司，為加拿大著名企業MEC、JYSK、Saje、Uniserve等提供雲架構設計、大規模計算、商業智能分析等服務。

胡曾劍，Simon Fraser University 計算機博士，人工智慧科學家，專長演算法設計、運籌學、機器學習以及智能軟體開發。現在美國著名能源交易服務公司The Energy Authority 任職Research Scientist，2014年作為首席架構師項目獲得運籌學最高獎Edelman Prize 提名。