臉書FAIR與德國機構合作，透過AI尋找治療藥物且獲得突破
科技產業資訊室 (iKnow) - Gloria 發表於 2021年4月20日
圖、臉書FAIR與德國機構合作，透過AI尋找治療藥物且獲得突破
這個概念被稱為“組合學習（Compositional Learning）”，就是教機器如何像人類一樣的學習。換句話說，透過這種學習即可掌握一項技能或資訊，之後可用它來創建全新的事物。由於醫療研究的複雜程度很高，如果給機器更多資源，即可突破人類藥物研究的限制，進而帶來貢獻。
其實，Helmholtz Zentrum München實驗室正在研究如何使醫學更加個人化。與Facebook 人工智慧研究院(FAIR)合作之後，共同提出了一個AI模型，該模型可以在不同程度的功效下，如何採用藥物和基因療法等治療組合來影響單細胞。期望透過這種實驗的開放源代碼模型幫助研究人員，學習如何根據疾病在細胞水平上的表現為病患量身定制治療方案。
原本藥物研究必須歷經幾個月或幾年，才能夠縮小數十億個潛在性選擇藥物的範圍，透過這一模式之後，可以在幾個小時內即可達到篩檢的目的。然後，他們可以提供100種藥物和劑量的組合，並具有最高潛在性的最佳結果，並將其與體外細胞系進行對比，以了解它們在現實世界中的運作方式。
Helmholtz Zentrum München認為，在橫跨細胞類型、藥物組合以及病患變異之間的搜索空間非常之大，是永遠無法在整個實驗中被發掘出來，因此才非常需要機器學習的輔助。
對於臉書來說，這合作提供了另一個機會來完善臉書AI系統。簡單來說，該專案可以豐富的數據集和對組合分析的需求，這將挑戰FAIR的機器以組合方式進行學習。
自2015年以來，科學家通過一項名為細胞圖譜（The Cell Atlas）的工作，一直在收集單個細胞的數據。現在這支跨學科的研究人員團隊，將AI模型設計在此數據集和其他類似數據集之上，目的是幫助這些大型數據集能夠發揮作用。
此外，該工具也可以用於對抗COVID-19、癌症與其他複雜疾病（例如：微調處理的化療或免疫的雞尾酒療法），以及需要特殊藥物治療的其他疾病。
在不久的將來，機器學習工具還可以為針對個性化細胞反應的個人化醫學，開闢道路，這是醫藥現今最尖端的挑戰與難題。（731字）
參考資料：
In its quest to advance AI, Facebook is leaning into medical research. CNBC, 2021/4/16
Facebook debuts AI tool to predict effective disease-fighting drug cocktails. Silicon Angle, 2021/4/16
相關文章：
1. 微軟收購語音辨識公司Nuance強化AI醫療布局
2. 健康大數據新創公司Innovaccer市值達13億美元，未來前景看俏
3. 美國十四家醫療保健提供商共同創建Truveta大數據平台
4. AI結合5G將改變醫療保健產業診療模式與流程
5. 利用人工智慧找出最佳病人生活品質的癌症治療方案
6. PWC：39%健康照護業者正導入AI應用
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|