然而，在過去的十年里,，“組學(xué)”（omics）技術(shù)取得了巨大的進(jìn)步,，能夠快速、可靠,、廉價地對個人的整個基因組測序,，或者測量體液或組織樣本中所有蛋白質(zhì)(蛋白質(zhì)組)、代謝副產(chǎn)物(代謝組)或微生物(微生物組)的水平。該技術(shù)的常規(guī)應(yīng)用同時開始產(chǎn)生巨大的數(shù)據(jù)集,，AI可以挖掘這些數(shù)據(jù)集,，以發(fā)現(xiàn)對臨床有用的新的生物標(biāo)記。這種高通量組學(xué)技術(shù)與AI相結(jié)合,，正在引領(lǐng)先進(jìn)診斷技術(shù)的新時代,，這將改變?nèi)藗儗υS多疾病的理解和治療，使醫(yī)生能夠根據(jù)單個患者的分子特征定制治療方法,。

有些先進(jìn)的診斷技術(shù)已經(jīng)應(yīng)用于癌癥,。比如Oncotype DX可檢查21個基因，許多乳腺癌患者可以據(jù)此避免化療,。FoundationOne CDx可以檢測實體腫瘤中300多個基因的基因突變,，并指出特定的基因靶向藥物可能對特定患者有用。除了癌癥,，還有一種令人興奮的方法可以應(yīng)用于子宮內(nèi)膜異位癥,。這是一種令人痛苦的疾病，子宮組織在不屬于它的地方生長,，診斷過程通常也需要手術(shù),。而來自DotLabs基于唾液的無創(chuàng)檢測方式可以通過測量名為microRNAs的小分子，來識別子宮內(nèi)膜異位癥,。

目前,，通過臨床醫(yī)生對癥狀的主觀評估來診斷的大腦紊亂，如自閉癥,、帕金森癥和阿爾茨海默癥,，血液測試正在開發(fā)中。研究人員甚至在探索是否能對整個基因組進(jìn)行測序,，分析微生物群落,，測量健康人體內(nèi)數(shù)百種蛋白質(zhì)和代謝物的水平，從而為這些人如何預(yù)防疾病提供個性化的指導(dǎo),。

需要提醒的是,，醫(yī)療機構(gòu)和使用這種診斷工具的研究人員，必須嚴(yán)格執(zhí)行保護(hù)病人隱私的保障措施,。此外,，還需要明確的管理準(zhǔn)則，以一致的方式評估生物標(biāo)志物作為診斷工具的價值,。這些指導(dǎo)將加速將新的生物標(biāo)志物引入醫(yī)療實踐,。即便如此，先進(jìn)的診斷技術(shù)已經(jīng)開始瓦解診斷和治療疾病的標(biāo)準(zhǔn),。通過引導(dǎo)病人接受最有效的治療,，他們甚至可以減少醫(yī)療支出。將來，許多人可能會擁有生物標(biāo)記數(shù)據(jù)的個人云,，隨著時間的推移,，這些數(shù)據(jù)將積累起來，并幫助提供個性化治療,。

3.分子設(shè)計AI

想要設(shè)計新的太陽能材料,、抗癌藥物或者能阻止病毒攻擊農(nóng)作物的化合物嗎？首先,，你必須解決兩大挑戰(zhàn)：為這種化合物找到正確的化學(xué)結(jié)構(gòu),，以及確定哪些化學(xué)反應(yīng)將正確的原子連接到所需的分子或分子組合中。這個過程非常耗時,，并且涉及許多失敗的嘗試,。例如，某個綜合計劃可以有數(shù)百個單獨的步驟,，其中許多步驟會產(chǎn)生副反應(yīng)或副產(chǎn)品,，或者根本不起作用。然而現(xiàn)在,，AI開始提高設(shè)計和合成的效率,，使這個過程變得更快、更容易,、更便宜，同時減少化學(xué)廢物,。

在AI中,，機器學(xué)習(xí)算法分析所有已知的過去實驗，這些實驗試圖發(fā)現(xiàn)并合成感興趣的物質(zhì),?；谒鼈兯R別的模式，這些算法可以預(yù)測潛在有用的新分子結(jié)構(gòu)以及制造它們的可能方法,。沒有任何單獨的機器學(xué)習(xí)工具可以在按下按鈕時就能完成所有這些工作,，但AI技術(shù)正在迅速進(jìn)入藥物分子和材料的現(xiàn)實設(shè)計世界。

舉例來說,，德國明斯特大學(xué)的研究人員開發(fā)了一種AI工具,，它可以反復(fù)模擬已知的1240萬個單步化學(xué)反應(yīng)，并以比人類快30倍的速度設(shè)計出多步合成路線,。在制藥領(lǐng)域,，基于AI的“生成機器學(xué)習(xí)”技術(shù)也令人興奮。大多數(shù)制藥公司儲存了數(shù)以百萬計的化合物,，并對它們進(jìn)行篩選,，以確定其作為新藥的潛力。但是，即使有了機器人技術(shù)和實驗室自動化工具,，這種篩選過程也是緩慢的,，而且產(chǎn)生的結(jié)果也相對較少。

此外,，這些“庫”只包括理論上可能存在的超過1030個分子中的一小部分,。利用描述已知藥物(和候選藥物)的化學(xué)結(jié)構(gòu)及其特性的數(shù)據(jù)集，機器學(xué)習(xí)工具可以構(gòu)建具有相似的,、可能更有用特性的新化合物的虛擬庫,。這種能力正開始顯著加速藥物潛力的識別。近100家初創(chuàng)企業(yè)已經(jīng)在探索用AI發(fā)現(xiàn)藥物,，比如Insilico Medicine,、Kebotix以及BenevolentAI，后者最近籌集了1.15億美元資金,，將其AI技術(shù)應(yīng)用于運動神經(jīng)元疾病,、帕金森氏癥和其他難以治療的疾病的藥物研發(fā)中。

BenevolentAI將AI應(yīng)用于整個藥物開發(fā)過程,，從新分子的發(fā)現(xiàn)到臨床試驗的設(shè)計和分析,，旨在人類身上證明安全性和有效性。在材料領(lǐng)域,，Citrine Informatics等企業(yè)正在采用與制藥企業(yè)類似的方法,，并與BASF和松下等大公司合作，以加速創(chuàng)新,。美國政府也在支持AI設(shè)計的研究,。自2011年以來，美國已在材料基因組計劃(Materials Genome Initiative)上投資逾2.5億美元,。該計劃正在建立包括AI和其他計算方法在內(nèi)的基礎(chǔ)設(shè)施,，以加速先進(jìn)材料的開發(fā)。

過去的經(jīng)驗告訴我們,，新材料和化學(xué)品可能對健康和安全造成不可預(yù)見的風(fēng)險,。幸運的是，AI方法應(yīng)該能夠預(yù)測并減少這些不良結(jié)果,。這些技術(shù)似乎可以顯著提高新分子和新材料被發(fā)現(xiàn)并投入市場的速度和功效,。在市場上，它們可能提供諸如改善醫(yī)療和農(nóng)業(yè),、更大程度地節(jié)約資源,、提高可再生能源生產(chǎn)和儲存等好處。

4.可辯論和提供指導(dǎo)的AI

如今的數(shù)字助手有時會欺騙你,，讓你相信它們是人類,，但更強大的數(shù)字助手正在到來,。Siri、Alexa等使用復(fù)雜的語音識別軟件來識別你的請求和如何提供相應(yīng)信息,，它們會生成聽起來很自然的語音,，給出符合你問題的腳本答案。這樣的系統(tǒng)首先必須經(jīng)過“訓(xùn)練”,，而且適當(dāng)?shù)捻憫?yīng)必須由人類編寫并組織成高度結(jié)構(gòu)化的數(shù)據(jù)格式,。這項工作非常耗時，而且會導(dǎo)致數(shù)字助手在執(zhí)行任務(wù)時受到限制,。這些系統(tǒng)可以“學(xué)習(xí)”但程度有限,。即便如此，它們?nèi)匀涣钊擞∠笊羁獭?/p>

在復(fù)雜性更高的層次,，技術(shù)正在開發(fā)中,，以便讓下一代數(shù)字助手來吸收和組織更多的非結(jié)構(gòu)化數(shù)據(jù)(原始文本、視頻,、圖片,、音頻、電子郵件等),，然后自動組成有說服力的建議或充當(dāng)辯論對手,，應(yīng)對它們從未被訓(xùn)練過的問題。我們已經(jīng)在許多提供聊天機器人的網(wǎng)站上看到這種功能,，這些聊天機器人可以用自然語言回答問題,，涵蓋了他們訓(xùn)練過的各種數(shù)據(jù)集。

這些聊天機器人在特定問題或請求方面需要相對較少或根本不需要培訓(xùn),，它們結(jié)合了預(yù)先配置的數(shù)據(jù)和“讀取”提供給它們的相關(guān)背景材料的緊急能力,。然而，在做出高度準(zhǔn)確的反應(yīng)之前,，它們確實需要些識別語言和意圖的訓(xùn)練。

今年6月,，IBM展示了一種更先進(jìn)的技術(shù)：一個系統(tǒng)與人類專家進(jìn)行了實時辯論,，但事先沒有就辯論主題接受過培訓(xùn)。使用非結(jié)構(gòu)化數(shù)據(jù)(包括來自維基百科的內(nèi)容),，該系統(tǒng)必須確定信息的相關(guān)性和準(zhǔn)確性,，并將其組織為可重用資產(chǎn)，它可以調(diào)用該資產(chǎn)來形成一致的論據(jù),，以支持自己的論點,。它還必須回應(yīng)人類對手的論點。該系統(tǒng)在演示過程中進(jìn)行了兩場辯論,，許多觀眾甚至認(rèn)為它的論點更具說服力,。

這項技術(shù)是在五年多的時間里開發(fā)出來的,，它包括了一種軟件，不僅能理解自然語言,，還能應(yīng)對檢測積極和消極情緒,。然而，非腳本AI系統(tǒng)對公認(rèn)的人類專家的勝利打開了無數(shù)相關(guān)應(yīng)用的大門,，這些應(yīng)用可能在未來三到五年甚至更短的時間內(nèi)出現(xiàn),。例如，這樣的系統(tǒng)可以幫助醫(yī)生迅速找到與復(fù)雜病例相關(guān)的研究,，然后討論給定治療方案的優(yōu)點,。這些智能系統(tǒng)將只對組合現(xiàn)有知識有用，而不是像實驗室科學(xué)家或?qū)＜夷菢觿?chuàng)造知識,。盡管如此,，隨著機器變得越來越智能，它們還是增加了失業(yè)擔(dān)憂,。

5.植入式制藥細(xì)胞

許多糖尿病患者每天會刺幾次手指來測量血糖水平,，并決定他們需要的胰島素劑量。通常在體內(nèi)制造胰島素的胰臟細(xì)胞植入物,，也就是所謂的胰島細(xì)胞,，會取代這個繁瑣的過程。同樣,，細(xì)胞植入物可以改變其他疾病的治療,，包括癌癥、心力衰竭,、血友病,、青光眼和帕金森氏癥。但是細(xì)胞植入有個缺點,，即接受者必須無限期地服用免疫抑制劑來防止免疫系統(tǒng)的排斥反應(yīng),。這類藥物會導(dǎo)致嚴(yán)重的副作用，包括增加感染或惡性腫瘤的風(fēng)險,。

幾十年來,，科學(xué)家們發(fā)明了一種方法，將細(xì)胞包裹在半透性的保護(hù)膜中,，防止免疫系統(tǒng)攻擊植入的細(xì)胞,。這些膠囊仍然允許營養(yǎng)物質(zhì)和其他小分子流入，需要激素或其他治療蛋白流出,。然而,，不讓這些細(xì)胞受到傷害是不夠的，如果免疫系統(tǒng)認(rèn)為這種保護(hù)性物質(zhì)本身是外來的,，它將導(dǎo)致疤痕組織在膠囊上生長,。這種“纖維化”會阻止?fàn)I養(yǎng)物質(zhì)到達(dá)細(xì)胞,，從而殺死它們。