隨著計算能力的提高，研究人員可以處理大量數(shù)據，因此對其進行擴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)學三方會議上，多學科的思想領導者在機器學習和人工智能領域解決了這個問題。他們分享了這些技術在大規(guī)模數(shù)據中的最新應用，以簡化藥物發(fā)現(xiàn)，臨床試驗和診斷。

機器學習和AI跟蹤于周一啟動，重點是將數(shù)據轉化為治療方法。阿西姆·西迪基（Asim Siddiqui）NuMedii的首席技術官，討論了他的公司如何開發(fā)技術，以整合生物學數(shù)據并創(chuàng)建可以預測藥物-疾病配對的模型。通過準確預測這些配對，NuMedii旨在提高成功進行臨床試驗的可能性。Siddiqui指出了臨床試驗的高失敗率，并指出，即使這些失敗率的適度下降也可以提供價值。他介紹了NuMedii的藥物發(fā)現(xiàn)人工智能（AIDD）技術，該技術將文獻中的數(shù)據以及合作伙伴和公共數(shù)據流中的-omics和其他數(shù)據集成到通用平臺，在該平臺上，他的團隊可以運行分析算法進行發(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。

NuMedii的技術導致了許多有希望的預測。例如，三環(huán)抗抑郁藥丙咪嗪被預測具有與腫瘤細胞凋亡相關的抗癌活性。實際上，該化合物已在體外和體內顯示出針對多種小細胞肺癌模型的活性。Siddiqui最后指出“您不需要龐大的團隊來完成很多工作”，他指出了他的團隊通過機器學習挖掘的公共領域中的大量數(shù)據。

接下來的系列講座著眼于開發(fā)AI自動診斷程序的努力。瑞安·阿梅?。≧yan Amelon）來自IDx Technologies的IDS分享了IDx-DR的臨床試驗的發(fā)現(xiàn)，IDx-DR是一種旨在檢測成人糖尿病性視網膜病變的AI系統(tǒng)，并于去年4月獲得FDA的批準，成為有史以來第一種無需專家即可使用的全自動診斷儀。眼科醫(yī)生對糖尿病性視網膜病進行分類“不是很好”，糖尿病性視網膜病是勞動年齡人群致盲的主要原因，其敏感性范圍為33%至73%。IDx-DR的臨床試驗涵蓋了10個地點的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表示他和他的團隊仍然對數(shù)據不了解。，經驗豐富，

然后，Amelon概述了IDx-DR如何滿足完全自治的AI系統(tǒng)的條件。他強調了其可用性，并指出操作員僅需要高中文憑，并且沒有使用眼底照相機的經驗。此外，該系統(tǒng)確定FDA研究中96%的檢查具有診斷質量。IDx-DR還指導操作員重新拍攝質量不佳的圖像。最后，輸出是可操作的，并且系統(tǒng)經過嚴格驗證。實際上，Amelon和他的團隊已經開發(fā)了分別檢測糖尿病性視網膜病各種生物標志物的算法，從而獲得了大約12個驗證點，而不僅僅是一個驗證點。在開發(fā)一種完全自動化的診斷程序以替代醫(yī)師方面，“除了訓練算法之外，還有很多其他功能，” Amelon說。

斯托尼布魯克大學（Stony Brook University）主席兼生物醫(yī)學信息學教授喬爾·薩爾茨（Joel Saltz）討論了一項多機構合作，以開發(fā)基于深度學習的腫瘤浸潤淋巴細胞計算染色劑，該研究在去年4月的《細胞報道》（Cell Reports）中有所描述（DOI：10.1016 / j.celrep。 2018.03.086）。腫瘤浸潤淋巴細胞的模式與癌癥類型，臨床結果以及腫瘤和免疫分子特征有關。例如，那些與腫瘤接壤的腫瘤（防止腫瘤穿透）與不良預后相關。薩爾茨說：“這里的目標不是取代病理學家，”而是尋找生物標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)的深度學習算法的開發(fā)，該算法使用大量多樣的醫(yī)學成像數(shù)據進行訓練，以在頭部CT掃描中識別顱內出血，并幫助醫(yī)生確定患者的診斷篩查優(yōu)先級。每年顱內出血約有200萬例中風，幾乎一半的死亡發(fā)生在顱內出血的前24小時內。在診所中，該算法將診斷新門診顱內出血病例的時間縮短了96%。