(二)机器学习与诊断 panel 构建

2019-05-16 10:03 来源:丁香园 作者:
字体大小
- | +

机器学习的发展背景:人工智能


人工智能(Artificial Intelligence,缩写为 AI)是对人的意识、思维过程进行模拟的一门新学科。计算机科学家们在人工智能的技术核心--机器学习(Machine Learning)和深度学习(Deep Learning)领域上已经取得重大的突破,机器被赋予强大的认知和预测能力。


机器学习:实现人工智能的高效方法

从广义上来说,机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说,机器学习是一种通过利用数据,训练出模型,然后使用模型预测的一种方法。它是通过经验或数据来改进算法的研究,通过算法让机器从大量历史数据中学习规律,得到某种模式并利用此模型预测未来,机器在学习的过程中,处理的数据越多,预测结果就越精准。

机器学习在人工智能的研究中具有十分重要的地位。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。从 20 世纪 50 年代人们就开始了对机器学习的研究,从最初的基于神经元模型以及函数逼近论的方法研究,到以符号演算为基础的规则学习和决策树学习的产生,以及之后的认知心理学中归纳、解释、类比等概念的引入,至最新的计算学习理论和统计学习的兴起,机器学习一直都在相关学科的实践应用中起着主导作用。现在已取得了不少成就,并分化出许多研究方向,主要有符号学习、连接学习和统计学习等。


机器学习的结构模型

机器学习的本质就是算法。算法是用于解决问题的一系列指令。程序员开发的用于指导计算机进行新任务的算法是我们今天看到的先进数字世界的基础。计算机算法根据某些指令和规则,将大量数据组织到信息和服务中。机器学习向计算机发出指令,允许计算机从数据中学习,而不需要程序员做出新的分步指令。

机器学习的基本过程是给学习算法提供训练数据。然后,学习算法基于数据的推论生成一组新的规则。这本质上就是生成一种新的算法,称之为机器学习模型。通过使用不同的训练数据,相同的学习算法可以生成不同的模型。从数据中推理出新的指令是机器学习的核心优势。它还突出了数据的关键作用:用于训练算法的可用数据越多,算法学习到的就越多。事实上,AI 的许多最新进展并不是由于学习算法的激进创新,而是现在积累了大量的可用数据。


图片1.png


目前,凭借专业的生信团队和强大的生物信息云平台,若谷已经还原和开发了多个中高难度算法,在未来的发展中,将继续致力于算法的相关开发业务,为更多用户提供高质量的算法开发和还原服务。


人工智能与生命科学


机器学习在健康医疗领域的应用潜力


人工智能尤其是机器学习的发展受到了人们越来越多的关注,医疗领域一直以来都希望通过人工智能的发展来提高医疗技术,使得行业发展更上一层楼。IBMWatson 的发展是医疗领域的一个里程碑,但是在医疗的其他领域,也不乏人工智能的身影:据统计,目前在新药研发、辅助疾病诊断、辅助治疗、健康管理、医学影像、临床决策支持、医院管理、便携设备、康复医疗和生物医学研究等十大领域,都有人工智能的实操案例。


(一)  新药研发

药物挖掘是 AI 应用最早且进展最快的领域。

新药研发的痛点是周期长,平均为 10 年;费用高,每款新药研发费约 15 亿美元;成功率低,约 5000 种候选化合物中才有 1 种能进入 II 临床试验。 结合 AI 技术的药物研发将会显著提高研发效率并降低成本。目前,在药物研发中,AI 应用于,包括药物挖掘、新药安全有效性预测、生物标志物筛选等。


(二)  辅助疾病诊断

实际上,诊断就是数据分析过程,从基因序列到影像图片分析,病人会产生大量数据,机器学习应需而生。  通过 AI 分析技术与机器学习相互结合,极大地提高了医疗服务质量和预后。


(三)  辅助治疗

AI 技术还可以用于辅助临床决策。例如选择合适的用药剂量,制订安全有效的个体化治疗方案,其中最成功的辅助治疗案例是 IBM Watson 在肿瘤辅助治疗方面的应用。


(四)  健康管理

情感识别是 AI 一个热点领域。该领域已经衍生出了很多优秀技术,从语言、表情、语音中识别人的情感和情绪。


(五)  康复医疗


(六)  医院管理

在医院里,人工智能技术可用于优化医疗服务流程和资源配置,通过数据分析提高医护效率和质量,降低医疗成本。


(七)  精准医疗

机器学习和神经网络在医疗健康大数据分析与应用领域具有巨大潜力。对电子健康档案数据的分析将在精确医学和癌症研究中发挥重要作用。人工智能支持生物信息技术在组学数据(基因组学、蛋白质组学、代谢组学等)研究中的风险评估,例如,全基因组关联分析和基因测序。有望将个性化医疗和精准医疗概念带入现实。

图片来源:若谷


编辑: 虞佳男

版权声明

本网站所有注明“来源:丁香园”的文字、图片和音视频资料,版权均属于丁香园所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:丁香园”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

网友评论