據(jù)美國(guó)媒體報(bào)道，前言：本文作者美格·古普塔（Megh Gupta）和卡西姆·默罕默德（Qasim Mohammad）都是OMERS Ventures投資團(tuán)隊(duì)的成員，默罕默德還是多倫多的風(fēng)投資本家。以下是他們合寫的分析文章
醫(yī)療衛(wèi)生科技市場(chǎng)出現(xiàn)了一些世界上最有創(chuàng)新性的新創(chuàng)公司，這些公司將幫助人們延長(zhǎng)壽命和提高生活質(zhì)量。他們的創(chuàng)新技術(shù)主要受軟件和移動(dòng)性出現(xiàn)的推動(dòng)，允許衛(wèi)生部門對(duì)原先用筆和紙的操作以及當(dāng)前減緩提供服務(wù)速度的過(guò)程進(jìn)行數(shù)字化改造。
最近，軟件變得智能得多而且獨(dú)立地發(fā)揮作用。這些在人工智能和機(jī)器學(xué)習(xí)旗幟下研究的新功能，正在加快醫(yī)療衛(wèi)生的創(chuàng)新步伐。因此，人工智能（AI）和機(jī)器學(xué)習(xí)（ML）在醫(yī)療衛(wèi)生領(lǐng)域的應(yīng)用，使行業(yè)在這些領(lǐng)域出現(xiàn)一些最大的挑戰(zhàn)：
在完成對(duì)每個(gè)領(lǐng)域機(jī)會(huì)的評(píng)估時(shí)，顯而易見(jiàn)的是風(fēng)險(xiǎn)收益很高。因此，那些首先向市場(chǎng)推出可持續(xù)產(chǎn)品差異化和附加值的公司將受益匪淺。
進(jìn)入新的個(gè)人遺傳學(xué)時(shí)代
AI和ML在遺傳學(xué)上的最重大應(yīng)用是理解DNA對(duì)生命的影響。雖然近幾年完成了人類基因組測(cè)序和掌握了閱讀及編輯基因組的能力，但人類依然不知道大多數(shù)基因組的秘密。在結(jié)合其他變量如食品、環(huán)境和體型等因素時(shí)，基因常常起了不協(xié)調(diào)的作用。
如果要理解影響生命和生物學(xué)的因素，必須首先理解DNA語(yǔ)言。這是ML算法可以發(fā)揮作用的地方，也導(dǎo)致谷歌DeepMind和IBM沃森等系統(tǒng)的出現(xiàn)?，F(xiàn)在，在短時(shí)間里消化大量數(shù)據(jù)（如病例、臨床紀(jì)錄、診斷圖像、治療計(jì)劃）和完成模式識(shí)別比以前任何時(shí)候都變得更可能，這在以前要花費(fèi)一生的時(shí)間才能完成。
Deep Genomics等企業(yè)在這個(gè)領(lǐng)域取得重大進(jìn)步。該公司通過(guò)制作預(yù)測(cè)遺傳變異的分子效應(yīng)的系統(tǒng)，具有了可翻譯DNA語(yǔ)音的能力。他們的數(shù)據(jù)庫(kù)能解釋數(shù)億個(gè)能影響遺傳密碼的遺傳變異。一旦有了對(duì)人類DNA更好的理解，就有機(jī)會(huì)更進(jìn)一步，基于個(gè)人特異的生物傾向，提供個(gè)性化的見(jiàn)解。
這種趨勢(shì)預(yù)示了新的“個(gè)性化遺傳學(xué)”時(shí)代的到來(lái)，個(gè)人將能通過(guò)訪問(wèn)自己身體的空前信息，完全控制自己的健康狀況。消費(fèi)者遺傳學(xué)公司如23andMe和Rthm是這個(gè)領(lǐng)域的首批行動(dòng)者之一。他們開(kāi)發(fā)的消費(fèi)者化遺傳診斷工具可幫助個(gè)人理解他們的基因組合。Rthm用戶能進(jìn)一步利用基因測(cè)試中獲得的見(jiàn)解，實(shí)時(shí)通過(guò)移動(dòng)應(yīng)用改變他們?nèi)粘Ｉ畎才拧?/p>
與任何AI/ML應(yīng)用一樣，科技必須訪問(wèn)大量數(shù)據(jù)以更好管理個(gè)人的生活變化。關(guān)注掌握個(gè)人遺傳學(xué)秘密的新創(chuàng)公司正在通過(guò)考慮以下關(guān)鍵行為這么做，這些行為是日本研究者Takashi Kido提出的：第二點(diǎn)感興趣的是，不是所有有關(guān)病人生物傾向的遺傳信息都是有作用的。以有益于身心健康的方式控制信息是重要的。
未來(lái)在于藥品
另一個(gè)令人激動(dòng)的AI/ML醫(yī)療衛(wèi)生應(yīng)用是降低藥品研發(fā)的成本和時(shí)間。研發(fā)新藥通常需要12-14年才能上市，平均成本約為260萬(wàn)美元。
在藥品研發(fā)過(guò)程中，要針對(duì)不同細(xì)胞類型、遺傳信息和其他與特定疾病有關(guān)的健康狀況的任何可能組合，測(cè)試化學(xué)成分。這種任務(wù)是耗時(shí)的，限制了試驗(yàn)的數(shù)量或科學(xué)家想攻克的疾病數(shù)量。ML算法可允許電腦“學(xué)習(xí)”如何基于他們?cè)忍幚砘蜻x擇需要的試驗(yàn)進(jìn)行預(yù)測(cè)。
類似的算法類型也能用于預(yù)測(cè)特定化合物對(duì)人類的副作用，加快藥物審批。舊金山新創(chuàng)公司Atomwise希望在藥品研發(fā)過(guò)程中用超級(jí)電腦取代試管。該公司使用ML和3D神經(jīng)網(wǎng)絡(luò)梳理分子結(jié)構(gòu)數(shù)據(jù)庫(kù)發(fā)現(xiàn)治療方法，幫助發(fā)現(xiàn)新化合物對(duì)疾病的作用，確定現(xiàn)有藥物是否能治療其他疾玻
2015年，該公司應(yīng)用其解決方案，發(fā)現(xiàn)了兩種可能大幅減少埃博拉病毒感染的新藥。分析在一天內(nèi)完成，而使用傳統(tǒng)藥品開(kāi)發(fā)方法需要數(shù)年。最近Insilico Medicine的研究證實(shí)了Atomwise的方法，顯示深度神經(jīng)網(wǎng)絡(luò)可用于預(yù)測(cè)藥品的藥理特性和藥品轉(zhuǎn)用途。
波士頓生物制藥公司Berg Health從不同的角度進(jìn)行藥品研發(fā)。Berg使用AI采集病人生物數(shù)據(jù)確定為什么一些能在疾病中痊愈，然后將這種知識(shí)應(yīng)用到改進(jìn)當(dāng)前治療或創(chuàng)造新的治療方法。倫敦的新創(chuàng)公司BenevolentAI希望通過(guò)利用AI尋找科學(xué)文獻(xiàn)的狀況，加快藥品研發(fā)過(guò)程。