利用中美冠科数据库,快速查找所需模型
OncoExpress|HuBase|XenoBase|MuBase

博客

生命科学诊断的人工智能

2018-10-05

  •  
  •  
  •  

人工智能涉及多个领域,包括深度学习、神经网络、贝叶斯网络和进化算法。以下是目前人工智能如何在生命科学和代谢疾病研究中应用的方法。

药物研发中的人工智能

制药公司为了研发新疗法,主要在3个方面采用了人工智能:

  • 寻找药物新靶点
  • 药物开发
  • 改善临床试验

寻找药物新靶点

人工智能可以多种方式帮助辨识新的药物靶标。RNA测序用以分析基因表达。然后用基因表达数据衡量治疗效果,挖掘新的途经,或辨识疾病新的生物标志。

DNA测序主要有两类应用:生殖系(遗传)和体细胞突变分析。

生殖系突变数据可用于评估患者患特定疾病(如BRCA1、2)的遗传风险,或用于诊断遗传病。

体细胞突变(随年龄增长而在患者体内积聚)可用于多种方式,包括:

  • 癌症诊断方法(如FLT3、NPM1、P53)
  • 复发/缓解追踪
  • 在临床试验中用作非致死终点
  • 表明对某一治疗有抵抗
  • 指导临床医生为特定患者选择最有效的治疗方法

药物开发

人工智能在药物开发过程中起到了重大作用。大多大型制药公司已在进行人工智能项目或合作,例如:

  • 辉瑞制药(Pfizer)正积极与IBM展开合作,利用其沃森(Watson)人工智能系统推动免疫肿瘤学药物搜索,对研究假设更快地分析和测试。
  • 赛诺菲制药(Sanofi)正积极与Exscientia展开战略性研究合作,寻找新的代谢疾病治疗方法。Exscientia有辨识和验证药物靶标组合的专用人工智能平台。
  • 基因泰克公司(Genentech)正使用美国精准医疗公司(GNS Healthcare)的人工智能系统,通过因果推理机器学习来推动癌症药物研发

目前,多家人工智能公司还提供了药物研发、设计和再利用平台。

临床试验的改善

人工智能通过有针对性的招募来改善临床试验,这样更易于帮助有指征的患者找到正确试验。如果人工智能可提取医疗记录数据,特定患者的病情即可与所有适用公开试验的标准加以比较。

人工智能在药物和治疗方案依从性方面也起到很大帮助作用,这在临床试验中可是个重大课题。移动技术和移动应用可提醒患者何时服药,但在“可吸收传感器”方面也有投资,这种传感器可追踪药物摄入量和无线记录药瓶数量,令制药公司对患者自行报告的数据更加准确。

人工智能还有助于在临床试验中运用药物疗效预测算法。

病理学中的人工智能应用

人工智能在病理学中的应用,使数据解析更加客观。例如,免疫荧光/化学染色细胞和组织比目前传统主观过程分析地更加客观。有些人工智能公司重点围绕这种图像解释和预后预测来完善医生的工作。

诊断成像

诊断成像市场是人工智能最成熟的功能之一。新兴的应用程序正把诊断图像分析的优势推广到其它图像分析任务(如在染色病理切片中辨识癌细胞)中。

免疫染色包括广泛用于组织学、细胞生物学和分子生物学的技术,所有这些技术都使用基于抗体的染色法。用人工智能解释化学染色(如H&E),可用来挖掘历史病理学数据,自动化重复性任务,或在临床试验中添加其它数据。

用人工智能进行数据整合

人工智能支持的数据整合在生命科学产业中是新出现的最佳方法。历史证明,数据整合具有挑战性,因为数据集庞大,通常会出现格式不兼容的情况,而且数据集在持续增长。

T传统方法包括标准化数据格式,然后手工编写脚本进行数据查询,生成有用的数据集。相比之下,人工智能使用机器学习和自然语言处理全面整合数据集,对数据集挖掘以便获得有价值的观点。这一方法支持可扩展整合及分析。

代谢疾病中的人工智能应用

改变糖尿病患者控制健康的方式

除有助于寻找免疫肿瘤药物之外,IBM沃森(Watson)人工智能系统还能帮助糖尿病患者控制其自身健康。

在6月举行的美国糖尿病学会(ADA)第78届科学会议上,IBM讨论了使用人工智能、机器学习和分析技术解决糖尿病控制数据驱动障碍方面所取得的优势。

积极与美敦力公司(Medtronic)合作,开发了一款旨在帮助人们自我控制糖尿病的应用程序。
Sugar.IQ™ 糖尿病助手
有助于糖尿病患者在一年中把血糖水平保持在正常范围内的天数增加9天。目前该产品已投入商用。

因果推理机器学习(CML)与NASH

因果推理机器学习(CML)是深入了解病情进展并确定治疗后临床结果的人工智能形式,通过大量临床数据辨识预后和预测生物标志来实现。

因果推理机器学习(CML)正用于帮助NASH患者。NASH是一种生活习惯病,几乎毫无症状,也未经过可靠的诊断测试。美国精准医疗公司(GNS Healthcare)和吉利德科学公司(Gilead Sciences)在国际肝病会议™根据构建
生存预测模型
提出了数据。这些模型预测了肝硬化发病情况或临床状况,如肝移植或并发症。

通过对临床数据有力地进行人工智能挖掘,揭示了辨识NASH患者的遗传联系,更好地理解哪种药物复方合剂适于特定患者,把临床试验结果更可靠地转化为实际结果。

总结

自从1956年麻省理工学院(MIT)的约翰·麦卡锡(John McCarthy)创造了“人工智能”一词以来,人工智能在人类健康领域应用取得了十足的进展。尽管路漫漫其修远兮,但在这一领域能看到更大的发展空间足以令人兴奋。

Topics: CVMD

关注微信公众号