隨著計(jì)算能力的提高，研究人員可以處理大量數(shù)據(jù)，因此對(duì)其進(jìn)行擴(kuò)展分析變得越來越具有挑戰(zhàn)性。在舊金山舉行的分子醫(yī)學(xué)三方會(huì)議上，多學(xué)科的思想領(lǐng)導(dǎo)者在機(jī)器學(xué)習(xí)和人工智能領(lǐng)域解決了這個(gè)問題。他們分享了這些技術(shù)在大規(guī)模數(shù)據(jù)中的最新應(yīng)用，以簡(jiǎn)化藥物發(fā)現(xiàn)，臨床試驗(yàn)和診斷。

機(jī)器學(xué)習(xí)和AI跟蹤于周一啟動(dòng)，重點(diǎn)是將數(shù)據(jù)轉(zhuǎn)化為治療方法。阿西姆·西迪基（Asim Siddiqui）NuMedii的首席技術(shù)官，討論了他的公司如何開發(fā)技術(shù)，以整合生物學(xué)數(shù)據(jù)并創(chuàng)建可以預(yù)測(cè)藥物-疾病配對(duì)的模型。通過準(zhǔn)確預(yù)測(cè)這些配對(duì)，NuMedii旨在提高成功進(jìn)行臨床試驗(yàn)的可能性。Siddiqui指出了臨床試驗(yàn)的高失敗率，并指出，即使這些失敗率的適度下降也可以提供價(jià)值。他介紹了NuMedii的藥物發(fā)現(xiàn)人工智能（AIDD）技術(shù)，該技術(shù)將文獻(xiàn)中的數(shù)據(jù)以及合作伙伴和公共數(shù)據(jù)流中的-omics和其他數(shù)據(jù)集成到通用平臺(tái)，在該平臺(tái)上，他的團(tuán)隊(duì)可以運(yùn)行分析算法進(jìn)行發(fā)現(xiàn)。AIDD涵蓋了數(shù)百種疾病，外加數(shù)千種化合物和靶標(biāo)。

NuMedii的技術(shù)導(dǎo)致了許多有希望的預(yù)測(cè)。例如，三環(huán)抗抑郁藥丙咪嗪被預(yù)測(cè)具有與腫瘤細(xì)胞凋亡相關(guān)的抗癌活性。實(shí)際上，該化合物已在體外和體內(nèi)顯示出針對(duì)多種小細(xì)胞肺癌模型的活性。Siddiqui最后指出“您不需要龐大的團(tuán)隊(duì)來完成很多工作”，他指出了他的團(tuán)隊(duì)通過機(jī)器學(xué)習(xí)挖掘的公共領(lǐng)域中的大量數(shù)據(jù)。

接下來的系列講座著眼于開發(fā)AI自動(dòng)診斷程序的努力。瑞安·阿梅隆（Ryan Amelon）來自IDx Technologies的IDS分享了IDx-DR的臨床試驗(yàn)的發(fā)現(xiàn)，IDx-DR是一種旨在檢測(cè)成人糖尿病性視網(wǎng)膜病變的AI系統(tǒng)，并于去年4月獲得FDA的批準(zhǔn)，成為有史以來第一種無需專家即可使用的全自動(dòng)診斷儀。眼科醫(yī)生對(duì)糖尿病性視網(wǎng)膜病進(jìn)行分類“不是很好”，糖尿病性視網(wǎng)膜病是勞動(dòng)年齡人群致盲的主要原因，其敏感性范圍為33%至73%。IDx-DR的臨床試驗(yàn)涵蓋了10個(gè)地點(diǎn)的900名患者，發(fā)現(xiàn)它具有87.2%的敏感性和90.7%的特異性，盡管Amelon表示他和他的團(tuán)隊(duì)仍然對(duì)數(shù)據(jù)不了解。，經(jīng)驗(yàn)豐富，

然后，Amelon概述了IDx-DR如何滿足完全自治的AI系統(tǒng)的條件。他強(qiáng)調(diào)了其可用性，并指出操作員僅需要高中文憑，并且沒有使用眼底照相機(jī)的經(jīng)驗(yàn)。此外，該系統(tǒng)確定FDA研究中96%的檢查具有診斷質(zhì)量。IDx-DR還指導(dǎo)操作員重新拍攝質(zhì)量不佳的圖像。最后，輸出是可操作的，并且系統(tǒng)經(jīng)過嚴(yán)格驗(yàn)證。實(shí)際上，Amelon和他的團(tuán)隊(duì)已經(jīng)開發(fā)了分別檢測(cè)糖尿病性視網(wǎng)膜病各種生物標(biāo)志物的算法，從而獲得了大約12個(gè)驗(yàn)證點(diǎn)，而不僅僅是一個(gè)驗(yàn)證點(diǎn)。在開發(fā)一種完全自動(dòng)化的診斷程序以替代醫(yī)師方面，“除了訓(xùn)練算法之外，還有很多其他功能，” Amelon說。

斯托尼布魯克大學(xué)（Stony Brook University）主席兼生物醫(yī)學(xué)信息學(xué)教授喬爾·薩爾茨（Joel Saltz）討論了一項(xiàng)多機(jī)構(gòu)合作，以開發(fā)基于深度學(xué)習(xí)的腫瘤浸潤(rùn)淋巴細(xì)胞計(jì)算染色劑，該研究在去年4月的《細(xì)胞報(bào)道》（Cell Reports）中有所描述（DOI：10.1016 / j.celrep。 2018.03.086）。腫瘤浸潤(rùn)淋巴細(xì)胞的模式與癌癥類型，臨床結(jié)果以及腫瘤和免疫分子特征有關(guān)。例如，那些與腫瘤接壤的腫瘤（防止腫瘤穿透）與不良預(yù)后相關(guān)。薩爾茨說：“這里的目標(biāo)不是取代病理學(xué)家，”而是尋找生物標(biāo)記物以確定哪種療法有意義。

然后，來自Geisinger的Aalpen A. Patel描述了該公司開發(fā)的深度學(xué)習(xí)算法的開發(fā)，該算法使用大量多樣的醫(yī)學(xué)成像數(shù)據(jù)進(jìn)行訓(xùn)練，以在頭部CT掃描中識(shí)別顱內(nèi)出血，并幫助醫(yī)生確定患者的診斷篩查優(yōu)先級(jí)。每年顱內(nèi)出血約有200萬例中風(fēng)，幾乎一半的死亡發(fā)生在顱內(nèi)出血的前24小時(shí)內(nèi)。在診所中，該算法將診斷新門診顱內(nèi)出血病例的時(shí)間縮短了96%。