北京什么医院治疗白癜风比较好 http://pf.39.net/bdfyy/xwdt/“AI有两个领域，真的让我感觉很有前途，一是出行的自动驾驶，另一个就是医疗保健，”法国总统马克龙前不久宣示了一系列的人工智能国家级政策，明确点名了AI在医疗领域的巨大潜力。图丨法国总统马克龙对于人工智能可以为医疗保健领域带来创新，寻找新的治疗方式或药物，（而非取代医生，至少在短期不会发生），已经是全世界的共识，例如训练机器看医学影像，不论是计算机断层扫描（CT）、核磁共振（MRI）、X光片，都吸引了Google、许多的初创公司投入，年初美国食品和药物管理局（FDA）正式批准第一个基于神经网络和云端的医疗成像分析平台ArterysCardioDL，读取心脏的MRI图像后，自动描绘出心室的轮廓，以及量测心脏收缩时的血流。新药开发是一个昂贵、漫长的过程同时还有另一个领域也被寄与厚望，那就是制药。在制药行业中，包括研发成本和时间成本在内，新药开发是一个投入成本非常高、但成功率却偏低的苦差事，知名的英国癌症研究院（CancerResearchUK）就指出，对于药物的测试和批准往往没有时间表，在获得许可之前，可能需要10～15年才能完成临床试验的所有阶段，所以制药大厂无奈宣布放弃开发某种药物的事件也就是时常发生的新闻了，今年1月辉瑞药厂（Pfizer）就宣布放弃在神经科学领域开发中的新药，包括阿兹海默症与帕金森氏症。然而，当药物从实验室推向市场后，能否在市场中生存又是另一回事。因此，高昂的研发成本和漫长的测试过程可谓是整个行业的痛点，在这冗长的流程中若能加速其中一个步骤，就可能对整条产业链起了重要的作用，有什么方法可以帮助科学家、药物开发人员加速研发的脚步，治疗包括癌症、阿兹海默症、帕金森氏症在内的重要疾病？人工智能，已经成了一种新的视角，一个新的选项。辉瑞、默克（Merck）等药厂巨头、大学研究团队纷纷尝试AI、机器学习来进行药物探索（DrugDiscovery）、新药开发，像是Genentech计划使用精准医疗公司GNS开发的机器学习和模拟平台REFS，来查找和验证潜在的候选药物。而有一家美国初创公司InsilicoMedicine更是率先引入了当红的生成对抗网络（GAN），来预测治疗效果最好的药物分子。新药开发的流程在谈GAN怎么与新药开发结合前，先简单了解一下药物的研发（RD），药物的研究（Research）较偏向药物的探索、作用，属于前段；而发展（Development）多是针对有治疗潜力的药物进行商品化，包括制程、动物试验、药效观察等。整个流程从早期的DrugDiscovery、找到有潜力的候选药物，进入临床前试验（Pre-clinicaltoxicologicaltests）、再到临床试验（Clinicaltrials），在临床试验部分通常有四个阶段，一些试验的早期阶段称为阶段0（Phase0trials），进到阶段1至3，测试对象逐渐增多，从对照组和试验组观察效果、最佳剂量等，阶段4则是药物获得上市许可后，观察是否有严重副作用等。制药行业使用计算机进行药物开发算是颇为成熟，例如电脑辅助药物筛选与设计、高通量筛选（HTS）等，调研机构TrendForce生技分析师刘适宁对DT君表示，传统电脑辅助药物筛选与设计，其算法建立在人们对于原子或分子间交互作用的理解，包含电子迁移、氢键、立体结构、静电引力、疏水区等。整体来看有两大类方法，受体为基础（receptor-based），又称活性位点，以及结构为基础（structure-based），又称数据库搜寻的药物辅助设计与大量筛选。图丨TrendForce分析师刘适宁以往这种方式，可以知道所筛选或设计出来的药物分子（称之ligand）跟作用标的（receptor）可以结合，有亲和力、以及可预测的药理活性，但是对于该新药分子在人体内实际的功效与安全性却处于未知状态。他进一步指出，新的发展方向则是尝试把基因信息（基因体）、RNA表现信息（转录体）、蛋白质表现信息（蛋白质体）、电子医疗数据、临床文献整合在一起。但由于数据量非常之庞大，已经无法使用人工方式去处理每个信息，更不用说以此建立起适用于药物筛选与药物设计的规则，因此导入大数据的数据处理方法，以及机器学习、深度学习等AI技术。相较于以往，AI辅助的药物设计与筛选是建立在已知的人们个体差异、疾病致病机转、现有药物在人体作用所累积的信息，因此新产出的药物分子被期待对于在人体的可能作用与功效有一定的了解与可预测性，虽然后续仍须依照药物开发流程一步步走下去，但是有机会提高新药的成功机率以及发现既有药物的新使用方向。GAN不只换脸，也能开发新药被《麻省理工科技评论》评选为年十大技术之一的GAN，独到之处在于同时训练两个网络，一个是生成网络（generatornetwork），又称生成器（generator），另一个是鉴别网络（discriminatornetwork），又称鉴别器（discriminator）。生成器只想着一件事：骗过鉴别器，就是让鉴别器觉得它做的东西是真实的、或是好的；而鉴别器的任务就是去抓什么是真实的、什么是由生成器制作出来的。简单来说，可以想成是一个是诈欺犯，另一个是警察，诈欺犯极力想要做得完美，不让警察发现破绽，警察则是费心寻找破绽，要抓出犯人。通过让这两个网络相互对抗、竞争，却又互相学习的过程中，训练出高质量的人工智能。目前GAN主要的应用多在图像、视频、语言上，而且都取得了很不错的表现，像是中国AI独角兽的商汤利用GAN作图像的超分辨率、相片的自动美化、图像的标题生成，或是喧腾一时的DeepFake也是用了GAN来达到视频中的人物“换脸”。“很多GAN在成像的应用，就像是魔术一样，但我们希望用它来做出真正有影响力的事情—加速药物探索，”InsilicoMedicine首席AI官兼台湾区执行官ArturKadurin对DT君这么说。他进一步表示，全世界可能存在的化学化合物（
转载请注明：http://www.0431gb208.com/sjszlfa/7913.html
