与时间赛跑！AI是疾病基因分析和诊断的加速器

与此同时，基于新型冠状病毒靶标结构的化合物虚拟筛选工作正在北京生命科学研究所/清华大学生物医学交叉研究院黄牛教授实验室推进。从原理上讲，药物通过与体内的生物靶标相互作用而发挥药效，若能够根据药物靶标结构来计算筛选和设计小分子配体,将可大大降低创新药前期研发的成本与周期。针对新型冠状病毒的多个靶点，黄牛教授实验室通过腾讯云秒级交付的海量高性能计算、存储资源，快速计算筛选数亿级别的化合物数据库，结合实验验证，来寻找新型结构类型的先导化合物，为下一步新药研发工作提供依据。

总结，AI对于基因组的分析和诊断，有几个关键点。首先数据库的检索功能，在获取到病毒基因信息后，通常需要与已知数据库的基因组匹配来找出可能存在的突变。而突变与疾病的对应关系的判断大部分依靠海量的数据库资源，因此如果人工来完成这些工作是不现实的，这个时候便体现出了人工智能的价值。

其次算法的优化，我们看到包括华为云、阿里达摩院都是采用了最新的AI算法和分布式数据库，来优化人工智能的技术路径，能够更有效的对大量非结构化数据进行学习和整合，挖掘并计算其中的关联。缩短人工智能可以持续不断的挖掘并更新突变位点和疾病的潜在联系。

再次海量的数据喂养，与在Google AI实践中曾有关于诊断乳腺癌的人工智能的报道。它只需几秒钟，就能取得比人类医生花上几十个小时还要准确的诊断。在基于医学图像的诊断上，结合人工智能的效率可以说是大大增加了癌病的诊断。这需要基于大量患者的成百上千张医疗影像，基于深度学习算法的训练。经历了大量迭代训练后，实现算法的精准度越来越高，实现在疾病分析丰富临床经验的专家的诊断结果与AI工具的诊断结果是否一致来判断AI分析的价值。

除此之外，业内专家对至顶网表示目前基于“深度学习”的AI技术要发挥作用，一个好的云数据库其实是非常关键的一个点，因为如果医院里面每个科室的数字是零散的，那么很难做这个工作。基于云数据库，不管是从公有云还是从私有云，帮助医院把这些数据规范起来。从数据的采集，到它的存储，到预处理，形成一套规范的AI服务。这样的话，数据即使在有些单位是分散的，需要的时候还是可以复合起来使用。

同时在深度学习的技术上面，对这些数据做训练的时候，不仅仅是把数据丢到深度学习里面去训练就好了，而且我们还要对这些数据做一些特征提取。我们把数据的维度降低了以后，再去训练就可以得到一个相对比较好的效果。当然，这个数据积累以后，越来越多的数据积累以后，准确率会越来越高。

最后，医疗过程是一个复杂，周期长的过程，AI辅助只是其中一个环节，我们希望能够通过AI等科技技术帮助到医药领域的专家，加速疾病基因检测和相关药物研发过程。

（编辑：衡阳站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!