全球搜索引擎巨頭谷歌已經(jīng)大舉進軍醫(yī)療領(lǐng)域，構(gòu)建健康數(shù)據(jù)平臺，著重提高了醫(yī)療資訊在搜索結(jié)果頁面的地位。誠然如我們所見，在健康醫(yī)療這方面，谷歌著實下 了不少功夫，從在搜索中回答與健康相關(guān)的問題，到給開發(fā)者提供健身數(shù)據(jù)平臺，谷歌在我們的日常健康中扮演的角色越來越重要。這家互聯(lián)網(wǎng)大腕如今也在努力進 行藥物的研發(fā)，爭取為治療人類頑疾，攻克醫(yī)學(xué)難題貢獻出自己的力量。

同斯坦福大學(xué)的潘德實驗室（Pande Lab）合作，谷歌研究（Google Research）發(fā)表了一篇題為“針對藥物研發(fā)的大規(guī)模多任務(wù)網(wǎng)絡(luò)”的文章。這篇文章主要研究如何使用不同來源的數(shù)據(jù)，更好地甄別判斷出哪些化合物可以作為“有效治理人類頑疾的藥物”。

文章本身并沒有透露出任何重大的醫(yī)學(xué)突破，它只是闡明了如何利用深度學(xué)習(xí)來處理巨大繁復(fù)的數(shù)據(jù)庫，并將有效的數(shù)據(jù)集合起來，篩選出切實有效的藥物成分，從而加快藥物研發(fā)。具體來說，深度學(xué)習(xí)是一個系統(tǒng)，可以將從關(guān)鍵數(shù)據(jù)中獲取的大量信息輸入到人工神經(jīng)網(wǎng)絡(luò)，并進行加工培訓(xùn)，從而提煉出新的信息內(nèi)容。

Google Research博客的聯(lián)合撰稿人解釋說：“通過這項工作，我們得出了一個倍受鼓舞的結(jié)論，我們所研制的模型能夠從各種各樣的實驗中獲取相關(guān)數(shù)據(jù)，并利用這些數(shù)據(jù)提高多種疾病的預(yù)測精度。據(jù)我們所知，在數(shù)字化醫(yī)療領(lǐng)域，這是第一次對增加額外數(shù)據(jù)的效果進行量化檢驗，而且研究結(jié)果表明，更多的數(shù)據(jù)可以進一步提高量化性能。”

谷歌表示，這次任務(wù)繁重復(fù)雜，總共在200多個生物實驗中挖掘了37.8萬個數(shù)據(jù)信息點，工作量相當(dāng)于日常工作的18倍。

“這次任務(wù)的規(guī)模之大，投入的人力物力財力之多，促使我們更加認(rèn)真地研究這些模型的敏感性，分析不同的模型結(jié)構(gòu)，并記錄相關(guān)數(shù)據(jù)輸入后所產(chǎn)生的變化，”谷歌明確表態(tài)，“在這篇文章里，我們不僅要檢查模型的性能，測試其表現(xiàn)是否良好，還要為將來構(gòu)建類似的模型提供有效數(shù)據(jù)。”深度學(xué)習(xí)領(lǐng)域優(yōu)勢明顯，發(fā)展前景更被許多大型科技公司看好，他們紛紛選擇對此進行投資，并匯聚了大量資源，力爭在這一領(lǐng)域做出屬于自己的品牌。去年，Twitter，谷歌和雅虎力爭上游，首先發(fā)力，直接收購了深度學(xué)習(xí)創(chuàng)業(yè)公司，隨后Facebook和百度也針對此項領(lǐng)域，集結(jié)了大量與此相關(guān)的專業(yè)員工，希望凝聚專業(yè)力量做出有效的成績。Netflix和Spotify不甘落后，也想要在深度學(xué)習(xí)領(lǐng)域分一杯羹，正在積極籌備有利的資源，策劃系列活動，并開展相關(guān)工作。

在去年10月VentureBeat HealthBeat會議上，谷歌觀察到了在未來醫(yī)療保健的發(fā)展可以倚重機器人、技術(shù)技術(shù)和人工智能。實際上，從診斷到治療的過程中，人們越來越頻繁地求助于大數(shù)據(jù)和人工智能。在此基礎(chǔ)上，谷歌報告指出，通過科技手段利用大數(shù)據(jù)篩查出有效治療疾病的藥物成分，提高預(yù)測技術(shù)，將會加快新藥物的研發(fā)，降低藥物成本，而且有利于人類健康的發(fā)展。正基于此目的，我們才看到了谷歌和斯坦福大學(xué)合作的最新研究。

如今諸多醫(yī)學(xué)難題攻不可破，對治療人類頑疾，醫(yī)學(xué)專家們也束手無策，人們正在面臨著一個龐大而復(fù)雜的挑戰(zhàn)，迫切需要提出新的治療手法，在不斷嘗試的中才有可能挑戰(zhàn)成功。藥物必須有效地直擊疾病根源，同時還要滿足嚴(yán)格的新陳代謝規(guī)律和限制性毒性的條件。實際上，藥物研發(fā)是一個復(fù)雜且緩慢發(fā)展的過程，需要經(jīng)得起時間的檢驗和無數(shù)次失敗的磨練，才能研發(fā)出真正有效的治療藥物。

簡而言之，世上存在著數(shù)百萬種化合物，需要長時間對此做各種各樣的組合測試，而任何能夠增加成功機率的做法，都會得到鼓勵和支持，在這一方面，機器學(xué)習(xí)可能會有所幫助。